混合动力汽车电机驱动系统传感器故障重构控制

针对混合动力汽车感应电机驱动系统可能存在的传感器故障模式,设计了一个主动容错重构控制系统.该系统能充分利用无故障的传感器信息,最大限度地维持驱动系统的控制性能,并在重构切换过程中,考虑电机转矩和转速的平滑过渡问题.此外,为提高车用感应电机驱动系统的性能,基于传统磁场定向控制(FOC)思想设计出一种新型鲁棒性PI控制器来实现电机转矩跟踪;利用滑模控制技术,设计了转子磁链-速度自适应观测器.为进一步提高交流电流传感器故障状态下电机驱动系统的容错能力,提出了用直流电流重构交流相电流的新思路.仿真研究表明,在发生传感器故障时,所设计的电机驱动系统仍能有效地保证车辆行驶过程中的转矩和速度跟踪性能以及系统的稳定性.     

α稳定分布噪声下基于EM算法的多径时延估计算法

实际应用中大量非高斯信号和噪声具有显著的尖蜂脉冲特性.这类信号带宽较窄,采用传统高斯模型下基于相关运算的多径时间延迟方法进行时延估计时,会因各个峰值的相互重叠而带来较大的估计误差.为此,根据信号噪声特性,在α稳定分布模型下,提出一种基于EM方法的高分辨率多径时延估计算法(P-EM算法).新算法基于分数低阶统计量理论,采用p阶相关思想,具有在脉冲噪声环境下,比较准确估计多径时间延迟的能力.理论分析和计算机仿真表明了该算法的韧性.     

进化算法时间复杂度估算的一般流程

进化算法的时间复杂度分析是当前进化计算领域研究的热点难题。通过总结最新进化算法理论研究,介绍了进化算法时间复杂度分析方法,并讨论了分析关键之处:距离函数的确定方法。最后,给出了进化算法时间复杂度分析的一般流程,且以分析范例演示了方法的执行过程。     

在非视距环境下数据融合的无线定位算法

从数据融合以及增加测量参数两个不同角度分别介绍了非视距环境下定位的方法.数据融合基于基站选择的方法,通过3层融合得到位置估计,而增加测量参数则是基于经典TDOA/AOA混合定位,在测量方程中加入校正因子,通过逐步迭代的方法逐步减小非视距影响,从而提高定位精度.仿真表明:非视距环境下,增加测量参数的定位精度要高于数据融合,并且方法比较简单.     

基于文化算法的KPCA特征提取方法

如何选择最优或接近最优的核函数使分类错误率降低,是KPCA(Kenel Principle Com-portent Analysis)应用于特征提取的关键.本文在研究了文化算法(Cultural Algorithms,CA)相关文献的基础上,提出了一种训练核函数参数的文化算法流程,实现了KPCA和CA的集成,有效地提高了核函数的优化选择.仿真结果表明该方法具有较好的结果和更少的计算量.     

基于机器学习的油气水层随钻识别模型优选

为了解决基于测井数据对油气水层的实时识别这一技术难题,利用计算机科学与现代数学,结合随钻测井技术与机器学习算法进行油气水层的随钻识别。首先,对训练集数据进行相关性分析,剔除弱相关或冗余数据;其次,选择一对多支持向量机、一对一支持向量机以及随机森林算法分别建立油气水层分类识别模型,并使用网格搜索方法及10折交叉验证法对3种分类识别模型参数进行优选;最后,运用参数优选后的各分类识别模型,对随钻测井数据进行油气水层的识别。研究结果表明,3种分类识别模型对研究区块油气水层随钻识别的准确率均达到75%以上。在训练样本较少的情况下,优先选用一对一支持向量机分类识别模型进行油气水层的随钻识别。     

492QS射流燃烧室汽油机用活塞材质试验

讨论了用混合稀土对Ａｌ－Ｓｉ共晶合金的变质工艺,测定了合金的热抗拉强度、线膨胀系数和活塞的尺寸稳定性。结果表明：加入混合稀土１％后,ＺＬ１０８号合金铁热抗拉强度提高了２６％,线膨胀系数降低,活塞的尺寸稳定性增加。     

关于F.Smarandache函数与素因数和函数的一个混合均值

对于任意正整数n,若它的标准分解式是n=Pα11 Pα22…Pαkk,著名的F.Smarandache函数S(n)定义为:存在最小的正整数m,使得n|m!,即:S(n)=min{m∶n |m!,m∈N},素因数和函数定义为:(ω-)(n)=P1+P2+…+Pk,利用初等及解析的方法研究了F.Smarandache函数S(n)与素因数和函数(ω-)(n)的加权均值分布,得到了新混合函数S(n)(ω-)(n)的均值性质,并给出一个有趣的加权均值分布的渐近公式.     

超混沌Liu系统的非线性反馈混合追踪同步

在驱动—响应系统的框架下,提出了一种新的混沌同步形式——混合追踪同步.这种同步要求响应系统的维数大于驱动系统的维数,它实现了响应系统的部分变量与驱动系统的同步,同时其余变量追踪到指定的状态函数.基于非线性反馈控制技术研究了超混沌Liu系统的混合追踪同步.运用Lyapunov稳定性定理从理论上证明了结论,并通过数值仿真验证了所给方法的有效性.     

求解多目标数值优化问题的量子演化算法

为提高多目标数值优化问题解的收敛速度并保持解的多样性,基于多目标优化和量子计算原理,提出了一种量子演化算法.首先,根据多目标优化特点,使用多目标密度比较算子对量子种群进行排序和筛选;然后,应用非均匀变异算子对观测种群进行变异以保持解的收敛性并提高局部搜索的能力;最后,使用多样性保持算子对观测种群进行删减以保持解的多样性. 实验结果表明,与NSGA-II算法相比,文中算法具有更高的收敛速度和更好的种群多样性.