变化海流环境下AUV能量最优三维路径规划

为获取变化海流环境下自主水下航行器(autonomous underwater vehicle, AUV)的能量最优路径, 基于最优控制理论提出一种用于AUV的三维能量最优路径规划算法。首先, 为了有效抑制海流对路径规划的影响, 将海流向量加入到AUV运动学模型中。其次, 在已知俯仰角及AUV位置的情况下, 利用庞特里亚金极小值原理, 获得能量最优控制律。最后, 利用线性定常系统的状态空间理论, 计算得到初始艏向角、航速以及能量消耗。在仿真环节, 通过与负反馈控制策略相比较, 说明所提算法能够规划出三维能量最优路径, 而且可以有效降低AUV的能量消耗。     

基于免疫粒子群优化的移动Sink路径规划算法

为了减少能量空洞和延长网络生命周期，在无线传感网中采用移动 Sink 的方式收集节点采集的数据是解决能 量效率问题的有效措施．采集路径的规划问题类似于旅行商问题，无法得到多项式时间的解．提出了将人工免疫算法和粒子群算法相结合，针对移动 sink 数据收集的路径规划问题寻求近似最优解，仿真结果表明: 与其他算法进行性能比较，所提出的优化算法能够有效减少能耗和缩短遍历路径．     

基于重抽样分布的一类模糊累积和控制图

过程变量在代表产品或服务过程信息时并非完美，而使用模糊数可能是另一较好途径。文章进一步完善模糊累积和控制图，其中使用中心和扩展具有重抽样分布的模糊随机变量，并给出模拟例证。     

浅论高校图书馆的财务管理

结合工作实际,阐述了图书馆财务管理的基本内容及其重要性,探讨了图书馆财务工作的基本规范化管理,强调了加强馆内财务预算管理的问题.     

页岩气低伤害超临界CO2凝胶压裂液研究

针对常规水压裂液会对页岩造成伤害，容易产生水锁，不易返排，还造成水资源消耗和污染环境等问题，制备了低伤害二氧化碳凝胶压裂液。将自备的F2EU和F4EU增稠剂加入到超临界CO₂基液中，探究两种增稠剂的加入量对CO₂凝胶压裂液黏度的影响，综合考虑成本与效果，优选了2%的F4EU增稠剂，可将CO₂的黏度增至15.4 mPa·s。研究了温度、压力以及剪切速率对凝胶压裂液黏度的影响。实验结果表明，随着温度升高黏度总体降低，但中间出现一个短暂升高阶段；随着压力上升压裂液黏度增加；随着剪切速率的增加压裂液黏度下降，属于一种典型的剪切变稀的假塑性流体。F4EU超临界CO₂凝胶压裂液的平均伤害率为1.39%，远远小于常规压裂液对岩芯的伤害率。实验表明，F4EU超临界CO₂凝胶压裂液在页岩气压裂开采中具有良好的应用前景。     

中职教学中FANUC系统数控车床对刀方法研究

在数控生产中,对刀是十分重要的一个环节.哪怕是有了正确的加工程序,也会因为不会对刀而加工出废品.加工质量的好坏与对刀的精度有着直接的关系,对刀的效率也极大地影响着加工效率,从而影响生产效率,影响生产成本.在学生的日常数控实习实训中,也总会出现很多对刀带来的问题.该文就以FANUC Oi 系列数控车床为例,通过原理和实例结合,研究常用的对刀方法.     

解决一类优化问题的变分迭代法

考虑利用变分迭代方法求解最优化问题,分别给出了求解一般的有约束和无约束最优化问题的基本步骤,并通过实例说明了所给方法的有效性.     

基于交通信号灯信息的混合动力汽车节能预测控制方法

针对传统混合动力汽车控制方法不考虑已知道路交通信号灯信息对车辆能量管理影响的问题,提出了基于交通信号灯信息的混合动力汽车节能预测控制智能优化策略。通过建立混合动力汽车系统的简化模型,并采用连续广义最小残量方法求解模型预测控制问题。运用MATLAB/Simulink进行仿真,仿真结果验证了交通信号灯信息模型的有效性,以及所设计的模型预测控制算法大幅度提高混合动力汽车的燃油经济性的能力和实时控制性能。研究结果表明所提出的控制策略可以实现车辆行驶轨迹的优化控制,显著提高了车辆的燃油经济性,并满足系统的实时最优控制要求。     

冷轧带钢局部高点卷取过程起筋控制的建模与仿真

为了研究带钢局部高点卷取起筋的控制方法，利用三维弹塑性变形基本理论，并引入带钢塑性流动因子，建立了弹塑性卷取应力和起筋量模型.基于应力函数假设、S. Timoshenko最小功原理和伽辽金虚位移法建立了起筋带钢的应力场分布和可用于在线计算的起筋临界卷取张力设定模型.仿真结果表明：局部高点在径向累积叠加所引起的带钢张力不均匀分布和轴向压应力是导致带钢起筋的主要原因；起筋量随局部高点高度、卷径和卷取张力增加而增大，薄带钢比厚带钢起筋量增幅明显；临界卷取张力随卷径、带钢厚度和局部高点高度增大而减小.     

一种自适应步长的复合梯度加速优化算法

自适应步长加速(Adam)类算法由于其计算效率高、兼容性好的特点，成为近期相关领域的研究热点.针对Adam收敛速度慢的问题，本文基于当前梯度、预测梯度以及历史动量梯度，提出一种新型Adam类一阶优化算法——复合梯度下降法(C-Adam)，并对其收敛性进行了理论证明.与其他加速算法的区别之处在于，C-Adam将预测梯度与历史动量区别开，通过一次真实的梯度更新找到下一次迭代更精准的搜索方向.利用两组常用测试数据集及45钢静拉伸破坏实验的实验数据对所提算法进行验证，实验结果表明C-Adam与其他流行算法相比较具有更快的收敛速度及更小的训练损失.