内流场环境的方程式赛车进气歧管优化设计

发动机进气系统作为制约整车动力系统主要性能的子系统,成为进行车辆动力性能提升中设计优化的关键之一。基于此,研究开展了赛车环境下进气歧管相关尺寸参数对进气效果的分析。基于已有发动机实体,研究首先构建了完整的发动机数字分析模型获得理论分析的基准尺寸参数,而后耦合发动机其他性能指标参数,通过发动机台架试验验证仿真结果的准确性。最后,通过单因素变量控制法定量分析进气歧管长度与内径等几何参数变量对进气歧管在发动机设计性能影响的具体关系。结果表明基于数字模型分析的结果具有较高的力学逼真度,研究可以为后续赛车以及乘用车设计中发动机行性能提升提供参考。     

模糊神经网络控制系统

介绍了将神经网络和模糊控制相结合,即用人工神经网络算法产生模糊推进规则和隶属函数,再基于这些模糊推理规则和隶属函数产生模糊逻辑控制的一种新颖控制策略-模糊神经网络系统的组织结构及其神经网络的设计。     

基于免疫和模糊逻辑的自适应入侵检测

随着网络入侵方法和网络计算环境的变化,入侵越来越难以被检测和防范.本文针对当前入侵检测中存在的问题给出了一种基于生物免疫机制和模糊逻辑的自适应入侵检测模型,分别对正常行为模式和待检测行为模式建立模糊关联规则集,通过比较待检测行为模式的规则集与正常行为模式的规则集的相似度,确定是否有入侵事件发生;此外,模型还可以自适应在线升级自身的抗体规则,从而提高了抵御新型攻击的能力和自适应性.经过仿真测试,证明该模型可以有效地检测异常攻击事件.     

粮库自动化系统设计与实现

提出了一种粮库自动化系统设计方案，包括控制系统和仓储信息管理系统。控制系统采用上下两级控制。上位机起监控作用，采用了组态软件编写；下位机以PLC为核心，完成现场设备的顺序控制。控制系统具有完备的故障处理功能，其程序设计基于面向设备和分级的原则。仓储信息系统采用VisualC 开发而成，具有图像清晰、操作方便、稳定可靠的特点。     

一种虚拟仪器软件的加密方法

为了保护虚拟仪器的软件不被侵权，针对基于便携式PC(Personal Computer)的虚拟仪器软件易于被复制的问题，分析了几种硬件加密方法的特点和效果，提出了采用以复杂可编程逻辑器件芯片为核心来设计加密卡，把硬件和软件结合起来进行加密的方法，并付诸实施。因此，减少了硬件故障率，节省了印制电路板的面积，降低了加密成本，通过灵活选择加密算法，并配置到加密卡芯片的办法，造成各加密卡在内部算法上不完全相同，因此增加了破解的难度，提高了对虚拟仪器软件的保护性。     

激光水下通信中图像数据压缩的模糊控制

提出了一种用模糊逻辑算法实时控制图像编码比特率的方法．研究了模糊集的建立及量化控制的模糊逻辑算法；确立了计算量化增益因子的模糊控制规则；设计了带有模糊控制的图像压缩系统．对20幅不同内容的图像进行实验，实验结果表明，所提出的模糊逻辑算法能够显著减少不同图像的编码比特率差别，具有推理量小、速度快、对不同图像有较强的适应性等优点．     

数字仿真模型的校核、验证和确认

论述了数字仿真模型校核、验证、确认的重要性,以实例说明了模型校核、模型验证、结果确认的实施方法,分析了影响数字仿真结果正确性的主要因素,探讨了仿真建模与可信度之间的关系.研究结果表明:影响仿真结果的主要因素是仿真建模;为了确保仿真模型的准确性,必须对其进行校核、验证和确认.     

基于液芯柱透镜测量随浓度变化的液相扩散系数：方法综述

液相扩散系数是溶液浓度的函数D(c),通常采用浓度配对法、Boltzmann-Matano(BM)图解法、Hall解析法和多项式数值逼近等方法测量D(c)关联式.文章在综述以上几种测量方法的基础上,重点介绍了测量D(c)关联式的一种新方法,即BM半解析法. BM半解析法基于液芯柱透镜测量扩散过程中溶液浓度的空时分布函数cexpt(x, t)s,结合Hall解析法以及BM图解法,能够快速、准确、稳定地测量D(c)关联式.用BM半解析法测量了葡萄糖水溶液在室温下的D(c)关联式,采用时域有限差分法(FDTD)求解Fick扩散方程,计算了不同D(c)关联式下扩散浓度的空时分布函数,计算结果与实验浓度分布函数cexpt(x, t)s进行了分析比较.结果表明,采用FDTD计算并比较实验扩散浓度空时分布的方法,为实测D(c)关联式的正确性提供了一种有效的判断手段.     

改进型补偿模糊神经网络故障诊断系统

在模糊逻辑与神经网络融合的基础上,引入补偿运算单元,构成补偿模糊神经网络,使网络从初始定义的模糊规则进行训练,再动态的优化模糊规则,提高网络的容错率和稳定性.针对网络训练的不同阶段对学习速率的不同要求,提出一种具有分段可变学习速率的补偿模糊神经系统,可以提高网络的整体性能,实现动态的、全局优化的运算.故障诊断仿真研究表明:模型具有更好的收敛特性,能够大大的缩短训练时间,减少训练步数,提高误差精度.