中山市钜通机电技术有限公司

中山市钜通机电技术有限公司成立于一九九六年，是专业从事机电液一体化控制设备研发、生产及销售的高科技企业。     

挖掘设备潜力 促进选矿发展—辽宁科技大学机电液研究测试中心创新之路

我国是一个能源大国，对矿物资源的需求尤为紧要。随着经济的发展，对于矿物资源及其相关产品的品质要求越来越高，因此，采矿技术也面临着重大的挑战。在多年的研发工作中，辽宁科技大学机电液研究测试中心在流体传动与控制、机电液一体化制造技术的应用领域做出了突出的贡献，特别是在磨矿选矿的重要设备上，     

刍议机电液一体化在工程机械中的应用

在各种高新技术的推动下，机电液一体化迅速兴起并得到了广泛使用。首先对机电液一体化的定义，以及在国内外的应用现状进行了分析，然后预测了该技术在国内的未来发展趋势。     

面向功率键图通用仿真软件

介绍了一种机电液动力系统通用动态仿真软件，该仿真软件可由原理图自动生成功率键图，由功率键图自动建立状态变量模型，实现了对非线性机电液综合动力系统的计算机仿真，有效提高了仿真精度和友善性。     

关于高速公路机电系统维护管理的分析

高速公路机电系统的运行，除了设备本身的特点外，另一个影响其正常运行的因素就是设备的维护是否到位，机电设备及系统在建设时已经确定，对于机电工程师来说，对高速公路机电系统的维护就显得尤为重要，在如今的高速公路建设与运营中，如何提高运营管理水平、管理维护机电系统，是值得机电工程师们关注的问题。     

电液控制系统的应用分析

电液控制系统是现代机电设备中，特别是机电液一体化设备中一个重要的组成部分，电液控制亦是控制领域中一个重要的分支．本文介绍了电液控制系统的基本元件、系统构成和主要特点，进而以立式油压机电液控制系统为典型范例，分析了其控制机理，向读者展示了电液控制系统的广阔应用前景．     

机电排灌工程设备的常见故障分析及管理

基于确保机电排灌设备正常运行是机电排灌设备管理的核心的观点,对机电排灌工程设备的常见故障进行了剖析,以期提高设备操作者的技术能力。紧接着从提高设备使用效率的角度,论述了机电排灌工程设备的科学管理。     

煤矿机电管理存在的问题及对策

地方煤矿由于建矿历史短，基础薄弱，机电管理存在职能部门作用不力、标准化工作开展不平衡、设备管理不到位、技术管理滞后、机电队伍素质低、机电培训走过场等问题。提高地方煤矿机电管理水平，具体途径需从基础工作做起，因矿制宜建立机电管理机构，切实抓好质量标准化工作，认真落实规章制度，做好设备的综合管理，突出机电管理的重点，提高机电队伍素质，明确机电工作指导思想，实行目标管理。     

橡胶压块机机电液系统设计与应用

在分析橡胶压块机的工艺原理及压块机主机结构等现有技术的基础上，采用多学科综合研究方法，综合阐述了国内外压块机机电液三方面的技术水平和设计理念，完成了插装阀液压动力系统的设计和PLC电控系统的可靠性设计。通过应用实践验证设计的正确性和合理性，可在其他类型的打包压块机推广使用。最后提出了压块机机电液控制系统尚需解决的问题和研究内容。     

煤矿机电安全管理存在的问题及对策

煤矿瓦斯爆炸事故频发，其中超能力生产与设备老化，安全管理与监督不到位和煤矿高素质专业人才严重缺乏是主要原因。本文分析了当前煤矿机电管理存在技术队伍难以稳定、素质急待提高、机电监察力度和深度不够、超能力生产与设备老化、设备投入不足等问题，并针对以上问题提出对策。     

电力系统谐波分析的一种快速神经网络算法

提出了一种基于最小二乘递推法(RLS)的正交基神经网络算法来分析电力系统谐波参数.该方法根据谐波分析的特点,采用RLS训练神经网络权值,有效地避免了梯度下降法存在局部极小的问题,并且对降低噪声影响有显著作用.电力系统谐波分析的仿真结果表明,该算法经过一次神经网络训练即可获得各次谐波高精度的幅值和相位.     

基于多变量相空间重构的地下水动态神经网络预测模型

从多元变量时间序列出发,以相空间重构理论为基础,结合偏最小二乘回归与神经网络方法,提出了基于多变量相空间重构地下水动态预测的神经网络模型.通过分别确定各个时间序列的时间延迟和嵌入维数的方法对地下水动态的多变量时间序列进行相空间重构,采用偏最小二乘回归法提取对系统解释最强的成分作为网络输入,利用神经网络模型进行各成分之间的非线性拟合.将基于多变量相空间重构地下水动态预测的神经网络模型应用于黑龙洞泉域地下水位预测,并通过分析与比较验证了该方法的有效性.     

移动式激光瞄准系统圆目标中心检测算法

为满足激光瞄准系统中对圆目标中心的测量精度要求,提出一种新的用于移动式激光瞄准系统中圆目标边缘检测及中心定位算法.先利用和RBF神经网络结合的变结构元数学形态学算法进行边缘定位和滤除噪声,再用最小二乘拟合法定位圆目标中心.结果表明,该算法不仅能实现对圆目标轮廓的定位,而且抗噪声、精度高、稳定性好.     

基于复变自适应神经网络的电网相位估计方法

针对非理想电网电压下,不平衡电压、频率偏移引起的电网相位难以检测的问题,提出了一种在复变域下使用的基于自适应神经网络的电网相位估计方法.首先,对非理想电网电压进行建模,在得到神经网络模型的基础上,将复变最小均方算法的权值更新方法应用到神经网络权值更新过程中,利用神经网络权值实现对相位的估计.为了跟踪电网频率,设计了电网频率跟踪环节,并对收敛性进行了分析.仿真和实验的结果表明所提出的方法能够快速准确地对非理想电压下的电网相位进行估计.     

基于神经网络的车用发动机广义预测控制

为了改善具有非线性特性的发动机燃油控制效果,以达到高效率、低污染的要求。利用一种前向神经网络作为非线性系统的模型,并将其分为线性部分和非线性部分。其中非线性部分用单隐层的BP神经网络对其建模,采用学习速度较快的Davidon最小二乘法在线调整网络权值;线性部分采用受控自回归积分滑动平均(CARIMA)模型作为其数学模型,用递推最小二乘法(RLS)作为其参数辨识的方法。每步将所得非线性系统的网络模型线性展开,得到线性回归模型,并以非线性前馈增益方式补偿建模误差,建立了一种适合非线性系统的自校正广义预测控制器。仿真结果表明该算法收敛速度快,控制动作平稳,控制效果理想。     

基于改进遗传RBF神经网络的双电机驱动伺服系统控制

针对常规遗传算法的缺陷,提出了一种基于改进遗传算法和RBF神经网络相结合的控制方法.该方法对RBF神经网络的隐层中心值和宽度进行了优化,用递推最小二乘法训练隐层和输出层之间的权值.最后在双电机驱动伺服系统中进行了仿真试验,结果表明所提出的控制策略是有效的.     

RF功放非线性特性的在线神经网络建模

为了改善功放系统的非线性特性,采用了基带数字预失真技术,其中功放系统的建模是其关键技术.由于功放系统是一个复杂的带记忆效应的非线性时变系统,为了能够实现实时校正,采用级联相关算法进行在线神经网络建模.首先选用残差相关性判别方法来确定神经网络功放模型的结构和初始参数,然后使用带遗忘因子的递推最小二乘法对神经网络模型参数进行在线自适应调整.对实测数据的验证表明,建立的神经网络模型完全能达到给定的性能指标要求.     

Wavelet Neural Networks for Adaptive Equalization by Using the Orthogonal Least Square Algorithm

Equalizers are widely used in digital communication systems for corrupted or time varying channels. To overcome performance decline for noisy and nonlinear channels, many kinds of neural network models have been used in nonlinear equalization. In this paper, we propose a new nonlinear channel equalization, which is structured by wavelet neural networks. The orthogonal least square algorithm is applied to update the weighting matrix of wavelet networks to form a more compact wavelet basis unit, thus obtaining good equalization performance. The experimental results show that performance of the proposed equalizer based on wavelet networks can significantly improve the neural modeling accuracy and outperform conventional neural network equalization in signal to noise ratio and channel non-linearity.     

基于AMESim和LS-SVM的高压共轨系统建模与仿真

为了提高高压共轨压力预测模型的精确性,采用AMESim软件建立了柴油机高压共轨仿真模型.利用灰色关联分析方法对共轨压力影响因素进行理论分析计算,并确定了高压共轨压力预测模型的输入输出变量;然后利用最小二乘支持向量机对共轨压力与主要的影响因素之间的数值关系进行了智能拟合,并利用自适应粒子群算法优化了最小二乘支持向量机的初始参数.通过20个预测样本的检测,最小二乘支持向量机模型的最大预测误差为0.079 1,平均相对误差降至0.039 6,其性能明显优于BP神经网络.     

基于Volterra基函数网络的自适应逆控制方法

提出了一种基于Ｖｏｌｔｅｒｒａ基函数（ＶＰＢＦ）网络的非线性系统自适应逆控制方法。对象和逆控制器各用一个ＶＰＢＦ网络表示,应用正交最小二乘算法进行离线网络结构确定和权值初始化,构造了一种动态归一化非线性最小均方（ＤＮＮＬＭＳ）权值更新算法,以进行网络权值的在线学习。仿真结果表明,该方法具有算法简单、学习速度快、鲁棒性能好等优点。