基于神经网络的无刷直流电机预测控制的仿真研究

在无刷直流电动机高性能速度跟踪系统中，由于PI控制的滞后性，无法根据未来动态行为产生较为理想的PWM波形。针对PWM发生器一无刷直流电动机系统，提出基于神经网络的PWM预测控制方法。采用离线训练和在线修正的方法，通过对PWM发生器-无刷直流电动机系统动态行为的在线估计，建立了系统的神经网络模型。最优控制器根据神经网络模型的输入、输出响应产生合适的PWM波形。在Matlab／Simulink环境建立了模型并进行了仿真，结果表明，较之PI控制器，神经网络预测控制具有更好的动态响应性能。     

气相法制备N－乙基苯胺催化剂的研究进展

对苯胺、乙醇气相Ｎ－乙基化反应催化剂的制备及其活性进行了评述，特别是对近十年来的发展作出了较详细而深入的论述，指出研制这类反应催化剂的重要性和今后的发展方向。     

灰色预测和时序预测的探讨

本文讨论了灰色模型,特别是GM(1,1)模型的特点和适用范围,并将GM(1,1)模型和时序AR(n)模型结合起来(称为组合模型),对我国轻工业产量发展指数等三个项目分别进行了组合模型预测。结果表明,在一般GM模型中引入AR模型可显著提高预测的准确度;在非平稳时序建模中引入GM模型,可作为提取趋势项的另一种方法。文中还从预测的角度将灰色模型和时序模型进行了比较和分析,对“灰”的物理概念进行了初步探讨。     

冠状动脉粥样硬化病变中微量元素的X射线显微分析

本文应用EDAX-9100能谱仪,对家兔冠状动脉粥样硬化病变部位的微量元素进行显微分析,发现Zn/Cu比值大于1,提供了冠心病病因中“Zn/Cu假说”的实验论证。     

模糊集合论在矿山控制网布设和图纸质量评定中的应用

应用模糊数学方法研究和处理矿山测量中存在的具有“模糊性”的问题。例如控制网布设方案及矿山测量图纸质量的综合评判。它能更准确地描述用精确数学模型难以描述的问题。     

FMS生产计划的柔性研究

通过对影响FMS利用率的因素进行分析,本文提出了FMS生产计划的柔性的概念,建立了柔性的指标体系,并对柔性的归一化和综合评判等问题进行了研究.需要特别指出的是,本文首次将系统可靠性理论引入FMS生产计划,并根据其不同运行阶段系统可靠性的变化情况,对制定生产计划提出了建议.     

凹坑板式空气预热器的传热特性及多目标优化

以全焊接型凹坑板式空气预热器为对象,基于最优设计试验方案,运用Workbench Fluent软件数值模拟凹坑板片特征结构参数对传热流阻性能的影响。基于参数敏感度分析,得到单因素作用下对传热流阻性能的影响程度为凹坑的纵向间距>长轴>横向间距>深度。基于响应曲面法分析,得到多因素协同作用时,凹坑之间的结构参数横纵距对性能影响比凹坑自身的结构参数深径比大。基于遗传算法以摩擦因子f最小、努塞尔数Nu与综合换热因子J_F最大为优化目标,得到给定范围内的3组较优结构组合。     

正交激励超声切削装置的椭圆轨迹偏转与校正

为研究超声椭圆振动切削（ultrasonic elliptical vibration cutting,UEVC）刀尖轨迹形成及控制,解决刀尖轨迹非正椭圆问题,建立二维正交柔性导波UEVC装置刀尖轨迹的运动学模型;分析90°相位差下非正椭圆轨迹产生原因,建立刀尖轨迹校正模型,并推导出基于正椭圆轨迹下的刀尖轨迹偏转模型。通过实验对刀尖轨迹校正模型进行验证,校正后轨迹偏离坐标轴1.67°,小于校正前偏离角度。实验结果表明,该模型能够有效地校正刀尖轨迹,可在轨迹控制方面为后续研究刀尖轨迹偏转及变刀尖轨迹超声振动加工提供理论基础。     

紧邻浅埋暗挖地铁隧道地下密集管线及土层变形

针对地铁隧道施工影响下紧邻密集管线保护问题,依托南昌地铁实际工程,采用ABAQUS软件建立土体-密集地下管线-隧道暗挖三维有限元模型,结合现场实测数据与数值模拟结果,分析了隧道CRD (cross diaphragm)工法施工时的地层变形规律、地下管线应力特性与地下管线变形规律,并对管线周边土体有无注浆加固时的管线力学特性进行了对比。研究结果表明：(1)隧道开挖引起的管线变形以沉降为主,管土刚度差异对管线变形和应力影响显著。(2)管土刚度差异越小,管线变形趋势与土体变形趋势越接近;管土刚度差异越大,管线对地层变形的抵抗作用也越强会产生较大应力。(3)隧道左右导洞上方管段是危险区域,需重点保护。(4)密集地下管线主要表现为管线材质、管线几何特性、管线与隧道的空间位置关系不同,保护地下管线的核心在于控制地层沉降,地下管线保护关键阶段是隧道掌子面接近管线,此时应确保超前注浆效果和初期支护快速封闭,并加强对管线变形的监测。     

一种新的模糊决策树算法 ——基于加权毕达哥拉斯模糊熵

传统的模糊决策树虽然可以从模糊数据中抽取模糊分类规则,但只能获取节点的隶属度信息,无法得出样本数据对于节点的非隶属度和犹豫度信息,导致数据分类的准确率不高。针对此,基于毕达哥拉斯模糊集理论,提出了一种新的加权毕达哥拉斯模糊决策树算法（Weighted Pythagorean Fuzzy Decision Tree,WPFDT）。首先,通过改进的K-means聚类算法得到连续属性数据的聚类中心,并结合三角模糊数对连续数据进行模糊处理;其次,定义并计算每一个属性的加权毕达哥拉斯模糊熵,选择加权毕达哥拉斯模糊熵最小的属性作为决策树根节点,在根节点下递归选择模糊熵最小的属性作为分裂节点,同时通过阈值控制树的规模,得到从根节点到叶子节点路径的模糊规则以及模糊规则的隶属度、非隶属度以及犹豫度,并完成预测分类,直至生成WPFDT模型;最后,选取UCI上的3个医学数据集（Haberman、Breast Cancer、Parkinson）进行实验,在分类准确率和得出模糊规则的数量与3种传统决策树算法（模糊ID3算法、C4.5算法、CART算法）比较,实验结果表明：WPFDT在分类精度和树大小上都优于其他传统决策树算法,并且有较高的召回率和精确率。