接触网零部件疲劳试验机的自寻优控制

针对接触网零部件疲劳试验机的数字控制进行研究,提出了自寻优控制策略,实现了控制参数的在线自寻优,补偿了执行机构的非线性环节,使得控制系统的增益能够根据负载刚度自动调节.试验结果表明,采用自寻优控制策略数字控制器的疲劳试验机,使上百种零件的动态力控制误差均小于2%,完全满足设计要求,现已投入生产运营.     

基于自抗扰控制技术的高压大功率异步电机直接转矩控制系统

针对异步电机的非线性特点,设计一种新颖的级联型多电平逆变器供电的高压大功率异步电机直接转矩控制系统.在定子坐标系内对定子磁链与电机转矩进行闭环控制得到定子磁链增量,包括定子磁链的幅值增量和相位增量.由定子磁链增量计算异步电机定子电压矢量,定子磁链和电机转矩采用自适应观测器估计.采用自抗扰控制技术设计速度、转矩和定子磁链控制器,这些控制器具有鲁棒性强的特点.研究结果表明:通过速度控制器对负载扰动进行估计和补偿,消除了负载扰动可能带来的稳态跟踪误差;逆变器的开关信号利用载波移相脉宽调制方法生成,从而减少了转矩和定子磁链幅值的脉动;系统具有良好的动态和稳态性能.     

分布式数据采集监控系统的设计与实现

探讨了基于MCS-51单片机的分布式数据采集监控系统,设计了下位机既可单机工作又可多机与上位机联网的具有强大功能的控制系统,实现了远程采集、监视和控制等功能。     

一种通用状态机引擎设计与应用

易复用的软件框架可降低软件维护成本并提高开发效率。基于层次状态机,设计并实现了一个面向对象的高扩展、易复用的状态机引擎。它采用基于事件驱动的状态驱动模型,提供资源管理、异常处理以及一个基于模版的代码生成器。文中首先介绍了状态机引擎的整体框架设计,然后描述并实现了引擎框架中采用的关键机制,最后将其应用到实际项目中。     

基于客户不满意度的单机干扰管理模型研究

针对干扰事件导致单机调度难以顺利实施这一难题,运用干扰管理思想,建立了字典序的多目标干扰管理模型.模型从客户不满意度的角度对单机调度系统承受的扰动进行了度量,并采用改进的蚁群算法对该模型求解.实例证明,该模型与已有的解决干扰事件的重调度模型相比,得到的调整方案可以使调度系统承受的扰动更小.     

结构半主动变阻尼器地震反应控制数值模拟

针对半主动变阻尼器地震作用下多层建筑结构基于支持向量机（SVM）的半主动控制算法,选用四条地震波即El-Centro波、Hachinohe波、Kobe波以及上海人工波,并将峰值地面加速度均调幅至0.1gal.结果表明：总体上基于SVM半主动变阻尼器能够提高对结构层间位移和速度的控制效果;特别,消除了受控结构局部加速度放大现象.     

回归函数的小波支持向量机鲁棒估计法

小波网络具有小波的多尺度特性和神经网络的自学习功能,在回归估计中得到广泛的应用,但其性能受到样本中粗差的严重影响.虽然以M-估计作为目标函数可以解决这个问题,但由于其对应的影响函数由残差绝对值决定,因此如何选择初始参数值成为一个关键问题.为此,提出回归函数的小波支持向量机鲁棒估计方法(小波支持向量回归,WSVR,Wavelet Support Vector Regression).该方法中首先提出并证明了一种新的小波支持向量机(WSVM,Wavelet Support Vector Machine),用于确定初始参数值方法,这种方法能够确定合理的网络结构和合适的初始参数值,保证含有粗差的样本点的残差绝对值较大;然后使用一种构造的M-估计作为目标函数,并提出了自适应确定阈值方法.仿真结果表明,使用这种方法得到的回归模型不仅具有良好的多尺度逼近特性,而且有较好的鲁棒性和较高的推广性能,具有较高的理论和应用价值.     

极限学习机的快速留一交叉验证算法

针对回归和分类问题,提出一种极限学习机(Extreme Learning Machine, ELM)的快速留一交叉验证算法,并从理论和数值仿真两方面说明其有效性.结果表明,该算法避免了以训练样本数量N次的ELM模型的显式训练,其计算复杂度与N仅呈线性趋势增长,即O(N).即使在处理大型数据集建模问题时,该算法仍然可以快速地进行ELM模型的选择和评价.通过人工和实际数据集上的仿真实验,验证了该快速留一交叉验证算法的有效性.     

微型五坐标测量机激光测头安装误差的标定

针对非接触式五坐标测量机激光测头安装位置误差较大且不易调整的缺点,建立了该五坐标测量机激光测头安装误差的数学模型.选取激光测头的不同姿态,通过测量实物基准的空间位置,给出了误差模型待标定参数的无约束最优化目标函数的外点法惩罚函数.通过计算个体之间的欧氏距离,剔除掉那些相似的个体,从而有效地避免了遗传算法易早熟的问题,完成了对误差模型的求解.实验结果表明,所建立的激光测头安装误差模型不仅适用于扫描测头,而且对触发测头也同样适用,可把该机的空间测量精度从(11.82+L/1 000)μm提高到(1.96+L/1 000)μm.     

基于灰色关联度分析和支持向量机 回归的沥青路面使用性能预测

沥青路面使用性能多因素预测是一个复杂的非线性问题,传统预测模型存在很多不足。为弥补传统模型的缺陷,建立一个高精度、长周期、多因素的预测模型,通过灰色关联度分析对各因素进行降维处理,选择与沥青路面使用性能关联度较大的影响因素进行支持向量机回归非线性预测,提出了基于灰色关联度分析和支持向量机回归(GRA-SVR)的沥青路面使用性能预测模型。最后选用广云高速实测车辙指数(RDI)值进行实例验证,并同GM(1,1)和PPI两种模型的预测结果进行了对比分析。结果表明:基于GRA-SVR建立的多因素预测模型具有很好的精度和可操作性,可在长周期过程中使用,为大数据养护决策提供了模型参考和依据。