基于△u模式和RBF网络的局部放电模式识别

局部放电（PD）模式识别是诊断高压电气设备内绝缘缺陷的重要方法之一．采用了一种△u模式参量作为局部放电的图谱特征，并采用不变矩作为放电特征；同时，采用了径向基函数神经网络（RBFNN）对局部放电△u模式参量构成的图谱特征进行识别．结果表明采用正交最小二乘法（OLS）训练的RBFNN对△u模式中的不变矩特征参量进行识别，RBFNN收敛速度快且稳定性强，识别率达到85．7％以上，能够很好地识别由5种人工绝缘缺陷模型产生的局部放电信号，在实际应用中具有良好的应用前景．     

基于径向基概率神经网络模型的小儿厌食症状辅助诊断

结合了径向基神经网络较强模式分类能力与概率神经网络运算简单的优点,提出了一种径向基概率神经网络模型,并应用于小儿厌食症的辅助诊断,通过对119例样本数据的处理,获得了92.4%的准确率.此外,偏最小二乘法的分析结果表明,Zn元素与小儿厌食症关系最为紧密.     

直齿锥齿轮齿圈径向跳动误差分析

直齿锥齿轮的齿圈径向跳动是重要的检验项目，是影响齿距累积误差和齿距误差的重要因素。介绍了齿圈径向跳动出现的几种情况，探讨了齿距累积误差以及齿距误差的影响因素及调整方法。     

二维混合势的能级与波函数

在二维非球谐混合势V(r)：ar^2 br^-4 cr^-6的情况下，运用函数变换求径向本征函数，得到非相对性薛定谔方程一个完备的精确解，其中此势的参数a，b，c满足一些约束关系。     

Monte Carlo法计算Zr13.8Ti41.2Cu12.5Ni10-Be22.5大块非晶合金径向分布函数

利用日本SPring-8同步辐射光源和高压装置进行了常压和11.6 GPa高压下Zr_41.2Ti_13.8Cu_12.5Ni₁₀-Be_22.5大块非晶合金的原位能量色散X射线衍射测试, 得到了不同角度下的衍射数据. 基于Monte Carlo方法的思想, 结合计算大块非晶合金径向分布函数的基本原理, 利用Fortran语言编写程序对以上衍射数据进行了分析, 得到了常压和高压下大块非晶合金的全双体分布函数. 常压下原子最近邻区间与所有可能原子对的距离匹配; 同常压相比高压下对应各峰的位置均向原点处移动, 第一近邻的两小峰峰值分别从r₁₁ = 2.5Å, r₁₂ = 3.11 Å变成r′₁₁ = 2.32Å, r′₁₂ = 3.08 Å; 高压下峰形也发生了很多变化, 第二近邻峰由原来的单个衍射峰分解为紧挨的3个小峰. 根据高压下最高峰值相对于常压下的变化得出了大块非晶合金的压缩率为97.15%, 与已有经验公式计算的结果97.50%完全吻合. 结果表明用Monte Carlo数值模拟方法计算大块非晶合金的径向分布函数是可行的, 编写的程序可靠, 可移植性强. 该方法是一种有效的同步辐射数据分析手段, 适合求高温、高压以及两者协同作用等条件下非晶的结构信息.     

基于LS-SVM的燃料电池控制建模的研究

由于直接甲醇燃料电池数学模型的复杂性难以满足工程上对DMFC控制系统的设计，提出一种基于最小二乘支持向量机建模算法，用具有RBF核函数的LS-SVM离线建立DMFC电堆的非线性模型；仿真和实验结果表明了该建模方法具有建模简单、模型精度高等优点，亦证明了该算法的有效性和优越性。研究结果对直接甲醇燃料电池控制系统的建模和控制具有一定的实用价值。     

一种新型径向柱塞泵的比例排量控制

结合一种新型径向柱塞泵的液控伺服变量机构,设计了直动式比例减压阀,完成了柱塞泵的电液比例排量控制,并建立了系统的传递函数数学模型.     

地球物理测井多参数综合识别储层流体类型的新型神经网络

建立了一种基于引力的新型神经网络模型 ,引入了合力作用机制 ,解决了储层流体类型划分的判定半径问题 ,克服了以往神经网络对任何输入数据都要产生响应 ,并给出一个分类结果的缺陷。改进了传统的距离计算方法 ,克服了传统方法易受单个参数突变的影响而引起误判的缺点。利用新型神经网络方法并结合测井资料 ,对某油田的储层流体性质及类型进行了识别 ,获得了很高的识别率。与径向基神经网络的判别结果相比 ,该神经网络的识别率明显提高。     

高压端出流条件对多级泵径向力的影响

为了降低节段式多级泵叶轮所受的径向力,提高多级泵运行时的稳定性,采用剪切应力传输κ-ω湍流模型对高压双壳体多级泵末级导叶出口有出口压盖和无出口压盖2种情况分别进行了全流道非稳态数值计算,比较了2种情况在设计与非设计工况下末级叶轮及整个叶轮所受的径向力。研究结果表明,1个旋转周期内,末级叶轮径向力波动周期与末级导叶叶片数(即反导叶数)相同,整个叶轮的波动周期与正导叶叶片数相同。此外,添加出口压盖后,末级叶轮及末级导叶流道内流线分布更均匀,旋涡区明显减少,径向力幅值及主频也明显减小。