带过重力补偿的比例导引制导律参数设计与辨识

研究以增大导弹落角为目标的过重力补偿比例导引律及其工程应用。将重力补偿信号作为加速度补偿指令引入线性比例导引回路,从而建立了仿真数学模型,分析了重力补偿系数、比例导引系数等参数对制导系统性能的影响,并根据遥测数据给出实际系统的过重力补偿系数、比例导引系数的辨识结果从而验证了理论设计结果,得到过重力补偿比例导引律的一般设计方法。     

关于配网的无功补偿及电容器的运行保护

本文就无功功率对电压质量的影响，阐述如何进行无功补偿，对电容器的选使用及运行要求。     

低压补偿电容的调试与维护

低压电容器用于补偿工频电力系统感性负载的无功功率,以提高功率因数,改善电压质量,降低线路损耗,提高系统输送功率,具有有功损耗小、价格低廉、安装简单、运行维修方便等优点,因此,在电力系统中应用极为广泛。     

谐波抑制和无功补偿新方法

探讨了谐波抑制与无功补偿的现状、存在的主要问题,努力寻求新的方法。瞬时无功功率理论是一个划时代的全新概念,为解决电力系统中谐波抑制与无功补偿问题奠定了理论基础,它将带来电力系统谐波抑制与无功补偿的一场重大变革,最终真正解决谐波抑制与无功补偿的问题,研究它和将其运用于实际,有着重大的意义和美好的前途。     

自适应无限冲激响应陷波器抑制窄带干扰的误差补偿算法

考虑到直接序列扩频(DS-SS)系统中无限深度格型陷波器在去除窄带干扰的同时对扩频信号的损伤,在无限深度格型陷波器上添加一自适应横向滤波器,其输出作为对受损扩频信号的误差补偿.仿真结果证实,新设计的误差补偿滤波器改善了无限深度格型陷波器的性能,而系统计算复杂度只有少量增加.     

多变量模糊控制系统的前馈解耦

为实现多变量模糊控制系统的动态解耦，基于前馈解耦思想和神经网络理论，提出了一种多变量模糊控制系统解耦的新方法——模糊前馈解耦法,模糊控制器和解耦部分独立设计，解耦由两层神经网络实现，节点少，其活化函数采用分段线性函数．利用简化的学习算法，根据系统输出误差，在线调整网络权值，从而实现动态解耦而无需辨识被控对象的模型，该方法结构简单且计算量小，适于实时多变量过程控制，仿真证明了该方法的有效性。     

基于人工神经网络的城市航空遥感图像植被分类研究

研究了一种基于模糊量化与多层前馈神经网络相结合进行多类别遥感图像植被分类的新方法.对分类指标 进行π隶属函数模糊量化之后,进行多层前馈神经网络(MLP)训练,再用训练后的MLP网络构成监督分类器,并 以宁波市彩红外航空遥感图像资料为数据源,选取园林区为试验区,对植被进行监督分类,分类精度达78%.研究 成果表明,该方法适用于多类别的遥感图像植被分类,其分类效果也较好.     

川口油田北区长6油层组沉积微相分布及其演化

目的 为使沉积微相分析的精度与可靠性较传统沉积微相研究有明显的提高。方法 运用MATLAB语言编制了软件包，定量研究了长62分流河道微相向长61曲流河道微相演化的过程。结果 对长6沉积微相进行了精细解释，识别出河道微相、天然堤微相、决口扇微相和分流间湾微相。结论 川口油田北区长6油层组沉积微相的形成，代表了一种由三角洲前缘向三角洲平原然后再向曲流河过渡的沉积演化类型。     

瞬时无功功率理论在谐波电流检测中的应用

为解决谐波电流长延时问题，根据三相电路的瞬时无功功率理论推导，采用三相／两相坐标变换方法，实现了一种有源电力滤波器的谐波电流实时检测方法。计算结果表明，该方法可以准确，实时地检测出谐波电流。     

非线性时间序列的重构及预测

采用自适应前馈网络算法(AFN)进行非线性时序预测，对网络结构设计进行详细的探讨，并应用该方法对经典非线性时间序列数据进行预测，与传统预测方法(TAR)比较，结果证明此种方法具有较好的效果，网络的结构得到了简化。不仅满足了误差目标的要求，而且提高了网络的推广能力。且AFN方法可以对时间序列数据间的关系给出一种基于贡献率的解释。