带液芯控制的异型坯连铸二冷区动态控制模型

本文以马钢三炼钢异形坯连铸机为目标机型 ,在凝固传热数学模型的基础上 ,自行开发了一种带液芯控制的异型坯连铸二冷区动态控制模型。采用切片法进行目标温度的动态跟踪 ,通过计算机仿真验证了模型的可靠性     

架空索道缆索的挠度研究

本文从架空索道缆索及车厢振动系统的动力学分析的角度出发研究了架空索道缆索的挠度。它为挠度计算提供了新的更精确的算法,同时编制了可直接使用的计算机程序,提出了新的静态挠度公式及张力计算公式,列出了缆索及车厢的动力学方程并用数值方法求解,同时用单线循环式架空索道做了实验。在给定的条件下,实验结果与计算结果吻合较好,缆索最大挠度完全可以用数值计算结果代替实际值。     

UG二次开发及MFC在虚拟仪表仿真设计中的应用

UG具有强大的建模、装配、分析功能，但缺少动态仿真功能，着重论述了利用UG／OPEN API、MFC(Microsoft fundament class)及UG／Open MenuScript开发虚拟仪表动态仿真系统的方法，并以一个完整的应用实例对该方法加以说明，该方法在产品设计及评价中有重要意义。     

面向动态时间弯曲距离的灰关联聚类方法研究

灰色关联聚类是灰色系统分析的重要研究领域.现有的灰关联聚类方法在处理不同长度序列数据时,通常采用补齐或删除数据方式进行处理,增加了系统的不确定性.在动态时间弯曲距离基础上,提出了一种新的灰关联聚类方法,通过计算序列间距离矩阵的最短路径来度量相似程度,最终完成序列的灰关联聚类.该方法无需对序列数据进行人工干预,具有更强的鲁棒性.实验结果表明,在处理不同长度数据序列时,聚类结果更为准确.     

“顶吸基隔”结构非平稳随机地震反应分析新方法

为了有效抑制基础隔震结构的隔震层及主结构的过大位移,设计了"顶吸基隔"减震结构并提出了相应的非平稳随机反应分析新方法.通过在基础隔震结构的顶部布置调谐质量阻尼器来构建减震结构,分别采用Bouc-Wen模型及其刚度退化模型模拟隔震层及各楼层的滞回特性.通过在精细积分法中引入复化Cotes积分,并结合虚拟激励法,提出了求解减震结构非平稳随机反应的CCIM法.依据首次超越破坏准则,建立了以结构层间位移角为评价指标的动力可靠度极限状态方程.通过分别采用CCIM、蒙特卡罗法和时域显式蒙特卡罗法对减震结构进行随机反应分析,验证了CCIM具有高效率和高精度的特点.以一座30层钢框架结构为算例,分别计算了减震结构、基础隔震结构和未控制结构在8度和9度罕遇地震作用下的随机反应.结果表明:本文提出的"顶吸基隔"减震结构的整体可靠度比基础隔震结构和未隔震结构的都要高,该减震结构具有极大的工程推广价值.     

环氧沥青道面高温足尺加速加载动力响应

利用MLS66加速加载试验系统对某军用机场试验段2种典型的环氧沥青道面进行足尺加速加载试验.考虑到高温环境影响,将道面加热至60℃,研究2种道面的环氧沥青面层以及沥青混凝土下卧层的动力响应特性.环氧沥青面层响应在加载初期均为拉压交替变化,而加载后期半刚性基层道面以拉应变为主,复合道面以压应变为主;沥青混凝土层均以压应变为主.通过响应结果分析可知,在高温条件下受沥青黏弹性和流变性影响,道面的力学行为和状态随加载次数的增加发生变化;不同力学响应导致环氧沥青道面结构高温条件破坏机理不同,因而设计控制指标亦不同,复合道面控制压应变,半刚性基层道面控制拉应变.     

机场道面使用性能的动态自回归预测模型

针对我国机场道面性能观测时间短,观测数据少,使用现有模型预测精度低,不能根据观测值动态更新预测模型等现状,提出了将卡尔曼滤波应用于时间序列预测的方法,建立了动态自回归预测模型,进行机场道面使用性能的预估.选取我国华东某机场的实测道面状况指数为基础数据,进行时间序列建模,应用卡尔曼滤波算法实现时间序列模型参数的实时更新,分析模型的预测效果.时间序列数据较少时,难以建立高精度的自回归模型,通过卡尔曼滤波处理建立的动态自回归预测模型精度明显提高.     

面向液力变矩器负载的泵轮动态转矩估计模型

为解决传统液力变矩器泵轮转矩静态模型与其实际载荷特征的非关联性问题,实现液力变矩器在初始配置设计中与发动机的动态性能匹配,提出面向液力变矩器负载特征的泵轮动态转矩估计模型.在对现有液力变矩器模型分析的基础上,得出一元束流理论模型比质量弹簧阻尼系统模型更全面,其泵轮动态转矩考虑了液力变矩器的载荷特征,以此提出液力变矩器泵轮转矩模型的载荷波动项概念;通过基于控制变量法的载荷波动项解析,与全面流体动力学仿真试验结果的比较,证明了面向液力变矩器负载特征的泵轮动态转矩估计模型的有效性.该模型对液力变矩器在关联整机载荷特征的动态初始配置设计中具有较好的指导作用.     

基于动态混沌神经网络的预测研究——以马铃薯时间序列价格为例

针对农产品价格波动的非线性特征明显、传统时间序列方法在预测农产品价格短期波动存在不足等状况,本文将混沌理论和神经网络技术应用到农产品价格短期预测研究中,充分利用相关技术优势,设计了动态混沌神经网络时间序列预测模型.在此基础上,选取2008年1月21日-2012年7月1日的中国马铃薯日度价格为研究对象,对所构建的动态混沌神经网络时间序列预测模型进行学习、训练和测试,并用统计分析方法对模型性能进行评价与分析,最后,将所构建模型的预测结果与传统预测方法预测出的结果进行比较研究.结果显示:整个动态混沌神经网络结构为27-12-1,所设计的基于动态混沌神经网络的马铃薯价格时间序列预测模型在预测精度和性能上较ARMA模型均具有明显优势,这一预测模型在农产品价格时间序列短期预测研究上将具有广阔的应用前景.     

具有选择与补偿机制的加权集合序贯极端学习机及其应用

针对集成在线序贯极端学习机(EOS-ELM)预测精度不高和动态适应性差的问题,提出一种具有选择与补偿机制的加权集合序贯极端学习机.该加权集合序贯极端学习机在序贯学习过程中,通过对当前预测模型精度的判断决定是否进行递推更新操作,同时为提高预测模型的动态跟踪能力,在加入新样本的同时对旧样本进行剔除;然后,利用EMD对残差序列处理后进行预测,并将初始预测结果与残差预测结果相加得到最终预测模型.通过对上证指数的预测,结果表明所提方法具有更好的泛化性能,预测精度相比EOS-ELM提高了近36.1%.