定侧压下大坝原级配混凝土强度和变形试验研究

利用大连理工大学自行研制改造的液压伺服静动态三轴试验系统进行了不同骨料级配和尺寸的混凝土试件定侧压下的双轴压强度和变形性能试验.试验所用试件有3种:采用大坝原级配最大骨料粒径为80mm的立方体试件以及相应的湿筛混凝土试件,尺寸分别为250mm×250mm×250mm、150mm×150mm×150mm、100mm×100mm×100mm.试验过程中,测得了所有试件两个加载方向的应力和应变,并根据试验结果,系统地探讨了不同级配混凝土在定侧压下的极限强度和变形、应力-应变曲线以及破坏形态的变化规律,发现大骨料混凝土在定侧压下的极限强度和变形能力要比相应的湿筛小骨料混凝土提高更多;最后分别在主应力空间、主应变空间和八面体应力空间建立了不同级配混凝土的破坏准则,为水工大体积混凝土按多轴强度理论进行设计提供了试验依据.     

塑性理论的屈服准则统一形式

建立了塑性理论的屈服准则的统一形式, 讨论了屈服线形状同实验资料的比较。该屈服准则统一形式包含了塑性理论中３ 个常用屈服准则,适用于所有金属材料。     

基于神经网络的有源电力滤波器预测控制方法

提出了一种基于神经网络的有源电力滤波器预测控制方法。此方法将神经网络内模控制技术应用到有源电力滤波器（ＡＰＦ）的控制系统中,同时针对ＡＰＦ控制系统中神经网络计算时延问题,引入了一个神经网络预测模型。仿真分析表明,这种控制方法补偿了系统滞后,能充分利用神经网络的自适应特性,有很好的控制效果。     

基于Laguerre函数模型的预测控制算法

在简述基于Ｌａｇｕｅｒｅ函数近似模型的自适应预测控制原理、算法及其特点的基础上,将现有的多步预测、单步优化的控制算法扩展为多步预测、多步优化的控制算法,并与传统的广义预测控制（ＧＰＣ）作了比较研究,结果表明基于Ｌａｇｕｅｒｅ函数模型的预测控制方法对变时延、变阶次被控对象的控制鲁棒性明显优于广义预测控制     

基于神经网络的非线性前馈补偿广义预测自校正控制器

采用多层前馈网络结构进行动态建模,并用Ｄａｖｉｄｏｎ最小二乘法作为在线学习算法,将辨识后得到的模型进行线性化．基于线性化模型设计广义预测控制器。将其与非线性前馈相结合,建立了一种适合于非线性系统的前馈补偿广义预测自校正控制器．仿真结果验证了本控制器对非线性系统控制的有效性     

有约束数控铣削恒力控制

研究数控铣削过程的有约束广义预测控制方法,首先综合考虑伺服系统动特性和加工过程中刀具变形等因素,建立数控铣削过程开环模型,共次进行无约束广义预测控制律设计,最后针对数控铣削过程的特点,构造了两种约束条件,计算机仿真和实验结果表明,无约束算法相比,闭环系统的性有可得到显著改善。     

带模型预测的工业锅炉专家控制系统

本文提出的是工业锅炉汽包水位、蒸汽压力和炉膛压力等的控制方案,本方案集预测控制和专家控制的优点,避二者的缺点,使锅炉这样一个大滞后系统得到实时有效的控制。仿真结果表明,该方案对参数变化、阶变化及干扰均有很好的鲁棒性,且控制品质良好。     

CDMA中智能天线与多用户检测联合抗MAI的研究

阐述了智能天线的基本原理,指出码分多址系统基站中采用智能天线技术可以抑制多址干扰。在总结分析了目前各种波束形成技术的基础上,着重介绍了一种适用于移动无线通信环境的阵列权值调整准则———最大接收信号准则。利用此准则和相应算法,提出了一种带智能天线的新型最小均方误差多用户检测器。理论分析证明了采用新型检测器后系统容量显著增加。仿真实验表明,新型检测器的误码性能大大优于改进前的检测器。     

模糊贴近度在储层识别中的应用

为了克服测井解释中通常采用的最大隶属原则进行决策分析导致信息丢失所引起的判别结果的偏差,将模糊数学中的非对称贴近度分析法与神经网络结合起来,充分利用各分量信息建立了一种基于模糊贴近度的神经网络识别法。通过临盘油田实际资料解释表明,在储层识别中采用该方法可大大改善解释效果。     

纳米硅水泥土本构模型研究

在试验的基础上,以塑性理论为指导,采用相关联的流动法则,假定塑性功硬化规则,推导出纳米硅水泥土材料的弹塑性本构关系;给出了硬化模量的一般形式,可结合试验资料,方便地求出硬化模量。