基于改进PID神经网络算法的AUV垂直面控制

针对一类小型低速自主水下航行器(AUV)的垂直面运动控制问题,设计了一种改进的PID神经网络控制器,实现对水下航行器在垂直面内深度和俯仰角的全局控制。利用REMUS水下航行器模型搭建了Simulink下AUV垂直面仿真控制系统,仿真结果表明,改进的控制方法克服了原方法中饱和区过大的问题,具有良好的动态性能同时能够适应不同的学习速率和网络初始权重,对水下航行器的工程实际应用具有一定参考价值。     

冲击碾压对路堤进行增强补压的实践

应用冲击压实技术对填石及土石混填路堤进行检测性增强补压,介绍冲击压实机及其作用机理和冲击压实技术,总结冲击碾压施工工艺、施工程序、施工质量控制,从冲击碾压的路用效果,分析冲击压实在山区路的实用价值。     

关于治理黄土高原及黄河的几点设想

中华民族漫长的历史中,黄河一直水患不断,加之中上游黄土高原严重的水土流失,造成下游大量泥沙淤积,每年输入黄河泥沙达16亿吨,其中4亿吨淤积在下游河道中,使黄河成为举世闻名的"地上悬河",洪灾威胁一直是两岸人民的心腹之患。2003年国家决定投资830.6亿元全面启动淤地坝工程建设,但对利用路桥和在大支流上筑坝均未立项,深感不足。如果全国都利用路桥改修淤地坝,将很快减少江河泥沙和泥石流之害,淤出很多土地,且节省投资以数百亿计。除此之外,还可以在黄河入海口拉深河床,从而形成上游拦,下游冲,使黄河问题逐步得到解决。     

多变量无模型预测神经网络线性自抗扰控制

对难以建模的多变量非线性系统的控制难题,提出改进的具有辅助向量的多变量全格式动态线性化方法,采用其逼近非线性系统,用其构成预测模型,将其转化为具有耦合的若干个子系统,利用直接极小化指标函数自适应优化算法辨识其参数,将多变量线性扩张观测器的线性控制输入项改进为关于观测状态和控制输入向量及其微分的向量函数,并由该向量函数的逆向量函数构建当前控制输入向量,因其未知,使用对角回归神经网络逼近控制输入向量函数,采用多变量非线性递推最小二乘法优化对角回归神经网络连接权及多变量线性自抗扰控制参数,综上研究提出在线优化参数的多变量无模型预测神经网络线性自抗扰控制算法。仿真研究表明系统响应精度高,性能好,优于传统的线性自抗扰控制算法。     

矩量积分的推广及其若干应用

利用q-差分方程方法推广两个矩量积分等式,并利用矩量积分的方法给出了Rogers-Szeg? 多项式、Hahn多项式以及Al-Salam-Carlitz多项式的生成函数.     

混凝土单轴直接拉伸受力分析

对3种直接拉伸试验方式(内埋式、外夹式和粘贴式)下混凝土试件各点的应力分布状况进行了有限元数值分析,对获得混凝土单轴直接拉伸应力-应变全曲线所需的条件进行了探讨,并对试件在两端粘贴受力方式下辅以刚性架装置后刚性架拉杆刚度、位置对试件受力的影响进行了研究.结果表明:两端粘贴加载方式可使试件各点应力分布更加均匀,应力集中程度较低;减小刚性架的高度、增大刚性架的截面积有利于获得完整的应力-应变全曲线.     

无限长空间板在轴对称荷载作用下的位移和应力分析

运用汉克尔变换导出了无限长空间板在轴对称荷载作用下的位移和应力解答,并通过与完全位移约束下的有限深地基模型、半无限大弹性地基模型和文克尔地基模型进行比较,分析它们之间的异同.分析结果表明:当H→∞时,无论底部是光滑刚性支承约束还是完全位移约束,在法向集中力作用下得到的水平面位移结果与半空间体的布希涅斯克位移解答在水平面上的位移是一致的;当H→0时,底部是光滑刚性支承约束与底部是完全位移约束取极限得到的文克勒地基基床系数是不同的.     

常用量和单位使用错误解析

学术期刊的标准化、规范化工作之一就是正确使用法定的量和单位,但在作者和编辑的实际工作中时常发生一些错误.通过实例介绍已废弃的非法定单位和量的符号,浓度、化学元素符号和SI词头的错用,以引起作者撰写论文时注意.     

改进思维进化算法优化BP神经网络的瓦斯涌出量预测研究

为了保证煤矿安全开采,并提高煤矿瓦斯涌出量的预测精度,提出了改进思维进化算法优化BP神经网络的模型预测新方法。在思维进化算法中加入精英反向学习策略增加算法的全局搜索能力,在趋同操作中引入粒子群算法避免重复搜索,以此实现对BP神经网络的初始权值和阈值的全局寻优,并通过矿井监测到的各项历史数据进行验证。结果表明：与BP神经网络模型和MEA-BP神经网络模型相比较,该模型的预测精度更高,泛化能力更强。该模型的平均相对变动值为0.00116,平均相对误差为0.81%,均方根误差为0.0576,有效提高了对瓦斯涌出量的预测精度,提升了煤矿安全生产技术。     

基于PSO-FCM的长输管道泄漏检测方法

为了提高长输管道泄漏检测的准确率,将改进模糊C均值算法应用于长输管道泄漏检测研究.在传统模糊C均值算法的基础上引入粒子群算法,对其寻找聚类中心的迭代过程进行优化,用粒子群算法替代模糊C均值的梯度下降法,以提高模糊C均值算法的聚类效率和准确率.然后分别用所得的基于粒子群优化的模糊C均值聚类模型、传统模糊C均值聚类模型以及...