基于Simulink的液压起升机构仿真研究

探讨了基于Simulink平台的液压起升机构建模与仿真方法。利用Simulink的SimMechaics模块集建立了起升机构的机械模型,采用改进的节流流量模型,基于节点法建模思想建立了易于计算机求解的液压系统模型,根据液压、机械系统的参数关联关系将两个系统模型有机集成起来,得到较为完整的液压起竖机构仿真模型,并给出了仿真结果,对起升机构的性能分析和智能控制算法的应用研究具有实际意义。同时指出,该方法能够实现机械、液压、控制系统仿真模型的有机集成,对复杂机电液一体化系统的仿真与优化研究具有借鉴意义。     

多渠道分销库存系统成本模型

考虑由一个制造商、多个分销中心、多个零售商组成的多级分销系统。针对多渠道分销问题,在周期检查库存策略的前提下,分别建立分销中心持有库存和分销中心不持有库存两种情况下,零售商具有随机需求及相关需求的多级库存系统成本优化模型。最后,通过算例,从系统总成本最小的角度出发,给出了这两种条件下库存成本随需求相关系数的变化情况,证明了此模型可用于库存决策。     

用神经网络实现线性系统状态估计

本文研究了一种用神经网络解决线性动态系统状态估计问题的方法。使用了动态优化技术设置Ｈｏｐｆｉｅｌｄ网络的加权矩阵。仿真结果显示本文研究的方法具有广泛的适用性。此方法对于大型系统实时估计具有很大的应用潜力。     

Multi-label dimensionality reduction and classification with extreme learning machines

In the need of some real applications, such as text categorization and image classification, the multi-label learning gradually becomes a hot research point in recent years. Much attention has been paid to the research of multi-label classification algorithms. Considering the fact that the high dimensionality of the multi-label datasets may cause the curse of dimensionality and wil hamper the classification process, a dimensionality reduction algorithm, named multi-label kernel discriminant analysis （MLKDA）, is proposed to reduce the dimensionality of multi-label datasets. MLKDA, with the kernel trick, processes the multi-label integrally and realizes the nonlinear dimensionality reduction with the idea similar with linear discriminant analysis （LDA）. In the classification process of multi-label data, the extreme learning machine （ELM） is an efficient algorithm in the premise of good accuracy. MLKDA, combined with ELM, shows a good performance in multi-label learning experiments with several datasets. The experiments on both static data and data stream show that MLKDA outperforms multi-label dimensionality reduction via dependence maximization （MDDM） and multi-label linear discriminant analysis （MLDA） in cases of balanced datasets and stronger correlation between tags, and ELM is also a good choice for multi-label classification.     

基于储备容量的交通网络潜在瓶颈路段识别

交通网络潜在瓶颈路段是随着需求变化将来可能会成为瓶颈的路段.准确识别出潜在瓶颈路段并进行优化管理,可以更好地适应未来交通需求的变化.基于交通网络储备容量模型,提出了交通网络潜在瓶颈路段识别方法,并设计了储备容量模型的求解算法.算例分析比较了现状需求和路网可容纳最大需求下的交通均衡流量模式.结果表明,不能简单地根据现状需求去推断潜在瓶颈路段,而论文提出的方法可以识别出路网达到最大需求时的潜在瓶颈路段.此外,利用交通网络储备容量模型设计了一种次要潜在瓶颈路段识别方法,次要潜在瓶颈路段是在优化潜在瓶颈路段之后随需求增长新出现的瓶颈路段.算例表明该识别方法具有一定的适用性.     

基于小世界网络的微博谣言传播演进研究

刻画谣言在微博上的快速传播状态,研究影响谣言传播的关键因素。基于传染病的基础模型,将受众扩展为5类(无知者、接触者、传播者、沉寂者、失去兴趣者),引入兴趣衰减系数描述个体多次接触谣言时转发兴趣降低状态,同时考虑了个体只会转发一次的现实状况。为验证模型的有效性,对模型进行了多主体仿真,并将仿真数据与两个真实案例的数据对比,发现构建的模型可以较好地拟合现实情况。通过仿真实验,对不同因素的系数进行对比分析,发现改变兴趣衰减系数、首次转发概率以及小世界网络的属性都显著影响了微博的传播演进过程。     

MIMO-OFDM系统中联合时域和空间域信号处理的改进PTS算法

为了降低多输入多输出正交频分复用(multiple input multiple output orthogonal frequency division multiplexing, MIMO-OFDM)系统中传统部分传输序列(partial transmit sequence, PTS)算法的计算复杂度,提出了联合时域和空间域信号处理的改进PTS算法。在时域信号处理部分,通过信号子块循环移位实现备选序列的增加;在空间域部分,利用天线间信号子块交换实现峰均功率比(peak to average power ratio, PAPR)抑制。同时在接收端 ,利用子块相位旋转引起的相位差异,本方法通过比较接收信号与星座点的距离,可以实现信号的盲检测,从而有效高MIMO-OFDM系统的频谱利用率。仿真结果表明,提出的方法能有效地抑制MIMO-OFDM信号的PAPR,而且明显降低了传统PTS算法的计算复杂度,同时可获得跟传统PTS方法已知边带副信息时相似的比特误码率(bit error rate, BER)性能。     

基于密度分类的JPS+移动机器人全局路径规划算法

针对传统全局路径规划中扩展节点多、寻路时间长等问题,提出一种基于JPS+(jump point search plus)算法的全局路径规划算法,旨在提高机器人在复杂环境的智能性、高效性的要求。首先引入了一种基于密度的判断障碍物角点规则,实现对于主要跳点的识别数目,减少搜索路径过程中的可扩展节点,同时在路径求解过程中对目标跳点的判定规则进行了修改,最终实现了减少计算量、缩短计算时长的目标。为验证所提改进型JPS+算法的有效性,将A~*、JPS+算法在不同类型地图中与改进型JPS+算法进行了比较。仿真结果表明,改进型JPS+算法与A~*算法相比,在路径长度、寻路时间和扩展节点数量上都有明显改进;在生成相同路径的基础上,与传统JPS+算法相比,在障碍物占比33.25%的地图中搜索时间降低了7.58%,节点扩展数量减少了9.38%,能够满足移动机器人快速全局路径规划的要求。     

盐渍对鲍鱼微波真空干燥过程和品质的影响

盐渍是鲍鱼微波真空干燥过程前处理的关键因素. 以不同浓度盐溶液-0, 5%, 7 5%, 10%, 15%和饱和盐溶液-盐渍鲍鱼,在微波功率2 000 W、真空度-80 kPa条件下进行微波真空干燥. 以其微波真空干燥特性、干燥后色泽、复水性及复水后质构特性为指标,考察盐渍对鲍鱼干燥过程和品质的影响. 结果表明：蒸馏水浸泡和盐浓度大于15%的盐溶液盐渍都不利于鲍鱼微波真空干燥的进行和干制后的品质. 当食盐浓度为7 5%~10%时,鲍鱼的微波真空干燥速率明显加快,复水率和复水比均较好,复水后呈现较佳咀嚼性,且色泽为均匀的淡黄色. 综合考虑,经过7 5%盐溶液浸渍24 h后,沸水煮2 min的鲍鱼进行微波真空干燥效果较佳.     

氯化石蜡-70的催化合成

本文介绍以PC-05为催化剂的催化合成氯化石蜡-70的新方法.着重讨论催化氯化反应机理,催化反应速度和各因素对氯化过程的影响规律,并探讨催化法的优化条件.反应条件:氯化温度50～60℃,反应时间70～90分钟,氯气流速18～20〔克/公斤·分〕,催化剂浓度0.03～0.05%(重量).研究工作表明,催化氯化法具有反应速度快,生产周期短,产品质量好和工艺先进等优点.