制备血管支架表面涂层超声波喷涂工艺研究

本文从理论推导、流体力学仿真、喷雾粒径检测分析以及支架喷涂试验四个方面研究超声波喷涂技术并成功应用于血管支架喷涂工艺的优化.首先基于超声波雾化物理模型推导建立超声雾化粒径方程,其次利用计算流体动力学模拟超声雾化微观过程,定义超声雾化过程的三种雾化模式：亚雾化模式、理想雾化模式以及射流雾化模式,并建立了超声雾化临界振幅方程以及理想雾化模式下的雾化体积和功率方程.然后设计超声喷雾粒径检测实验,研究功率、气体压力、表面张力等工艺参数对雾化粒径的影响,结果表明超声波喷雾运动过程中少量粒子碰撞合并,但喷雾质量总体稳定,粒径尺寸在10m左右.在粒径尺寸分布方面,利用Rosin-Rammler分布拟合超声喷雾粒径均匀度指数在7.11～11.48之间,相比传统喷雾技术雾化均匀性、可控性大大提高.最后,在上述研究基础上制定血管支架超声喷涂工艺参数并进行了优化,消除了常见的血管支架涂层表面各种缺陷,为制备性能优良的血管支架表面涂层提供了理论和技术支撑.     

改进果蝇优化算法优化广义回归神经网络的预测问题研究

为提高传统非线性预测模型的预测精度,提出一种基于改进果蝇优化算法优化广义回归神经网络的预测方法,将果蝇群体分两部分分别进行迭代寻优,从而改进了果蝇优化算法的寻优性能,进而避免了在寻优过程中陷入局部最优。该方法利用改进果蝇优化算法优化广义回归神经网络的径向基函数扩展参数,然后用训练好的广义回归神经网络预测模型进行预测,最后通过订单预测算例进行实证研究。实证研究结果显示,该方法在解决订单预测问题中与未改进的果蝇优化算法优化广义回归神经网络和传统的广义回归神经网络方法对比,具有更高的预测精度和更好的非线性拟合能力。     

基于Lyapunov-Elman的网络控制系统时延预测方法

网络控制系统中的时延是影响系统性能的重要参数,针对基于Internet的网络控制系统中时延预测问题,提出一种最大Lyapunov指数与Elman神经网络结合的预测方法.首先对时延序列进行相空间重构,得到嵌入维数与延迟变量,然后通过最大Lyapunov指数方法与Elman神经网络对时延分别进行一步预测,将两种预测方法的预测结果通过不同的权值系数进行叠加得到最终的时延预测值.最后针对权值系数的寻优问题,提出一种改进的自由搜索算法,其收敛精度与速度都优于标准的自由搜索算法.仿真实验表明,相对于其它预测方法,本文的基于Lyapunov-Elman的时延预测方法具有较高的预测精度与较小的预测误差.     

基于预测滤波器的故障诊断方法研究

提出了基于预测滤波器的非线性系统的系统故障诊断的方法, 并且给出了这种方法的故障可检测性条件, 故障的误检率和漏检率, 以及故障检测时间的上界. 通过对一个二阶非线性系统进行的仿真验证了这种方法的有效性. 结果表明预测滤波器用于故障诊断时, 具有较快的速度、较低的误检和漏检率, 并且在故障发生后仍然具有对系统状态的跟踪能力. 该方法提供的实时故障估计还可以用于在线故障补偿.