针对认知无线电网络中出现的两种自私行为问题,结合分簇式认知无线电网络体系结构,提出两种相应的安全解决方案.对路由发现阶段,由信道协商过程产生的隐藏可用信道信息的自私行为,首先通过可信簇头发现自私节点,然后由簇头向目的节点发送转发节点的可用数据信道信息来避免自私行为.对拒绝转发数据包的自私行为,通过节点监视机制确定自私节点,从而避免在路由过程中将自私节点作为转发节点.为了便于检验两种安全解决方案的有效性和可行性,设计了一种分布式认知无线电网络按需路由协议.理论分析和仿真实验表明,这两种自私行为问题可严重降低网络通信性能,相应的安全解决方案是有效和可行的,可分别显著提高合作节点的平均吞吐量和网络吞吐率

将齿轮的轧制成形与传统的楔横轧原理相结合,在轧制成形轴类零件的同时实现齿形部分的轧制成形,不仅可以实现齿轮轴零件的近净成形,而且可以提高齿的承载能力及使用寿命.在轧制齿形部分的过程中,对轧件的进给采用分段阶梯式进给方式,轧件在模具的带动下以自由分度方式进行轧制.通过数学模型和实验,给出了轧制各阶段模具齿距的计算方法和变化规律、模具的齿形设计方法、模具对轧件首次分度时最小进给量的计算方法以及轧制各阶段进给量的变化规律.用De-form-3D数值模拟仿真软件模拟轧制过程,在H630轧机上轧制出模数m=2,齿数z=20,压力角a'=20°的齿轮轴上的齿形,实验证明在楔横轧机上轧制齿轮轴上的齿形是可行的

根据电压型PWM整流器在同步旋转dq坐标系中建立的整流器功率控制数学模型,基于功率前馈解耦,解决了有功功率和无功功率互为耦合问题.为克服整流器电流控制策略、直接功率控制策略及非线性控制策略的不足,提出了采用功率内环、直流电压平方外环电压型PWM整流器的新控制策略.由于采用直流电压平方外环,提高了整流器直流电压跟踪和功率跟踪能力,使系统具有响应快、稳定性好、抗负载扰动能力强及结构简单的优点.给出了系统控制器的设计方法.通过正常负载及负载扰动情况下的计算机仿真,证明了新控制策略的可行性

为实现避难硐室内良好生存环境，提高人员生存环境质量，并为今后避难硐室的设计提供指导性依据，基于数值模拟软件FLUENT仿真平台，以压风供氧方式下的避难硐室生存区为研究对象，对主要扰动源进行分析，建立两种压风供氧管路方案下的避难硐室三维模型.通过控制方程组、RNG k-ε湍流模型、有限容积离散方法和SIMPLE算法相结合的方式，实现避难硐室空气分布可视化.得出在压风供氧下，以九个布气孔弥散式均匀布气的管道布置及尺寸设计最优方案，以及硐室内氧气和二氧化碳体积分数的主要分布规律.通过现场载人试验验证了数值模拟的可靠性

针对现有六辊轧机对使用两组弯辊力进行四次板形控制的理论不足，提出了弯辊力组合板形控制策略.利用Marc有限元仿真计算软件建立辊系-轧件耦合模型，分析工作辊弯辊力与中间辊弯辊力板形调控特性的差别.在此基础上通过理论推导，建立了弯辊力组合板形控制策略的两种实现方式——在线闭环控制模型与基于弯辊力组合系数的设定参数在线调节方法.现场应用结果表明，弯辊力组合板形控制策略能够充分利用工作辊弯辊力与中间辊弯辊力板形调控特性的差别进行配合调节，对长期困扰生产的四次板形缺陷实施快速精确的控制

在流控传输协议(stream control transmission protocol,SCTP)中,多路径并行传输利用多家乡特性实现数据在关联的多条端到端路径中的并行传输.然而,受不同路径性能差异的影响,多路径并行传输将带来接收端的数据乱序.为了减轻数据乱序的程度并提高网络吞吐量性能,需要尽可能准确地估计每条路径的实时带宽与往返时间(round trip time,RTT).本文利用扩展矢量卡尔曼滤波对多路径并行传输中每条路径的可用带宽与往返时间进行联合预测,同时提出了一种综合考虑发送端未经接收端确认的数据的路径选择算法.仿真结果表明,通过实时准确地预测可用带宽和往返时间,路径选择算法能够减轻接收端数据乱序的程度.对于带宽敏感的多路径应用场景而言,该算法的收敛速度比Kalman-CMT算法更快,对网络吞吐量性能也有一定程度地提高;对时延和带宽都敏感的多路径应用场景来说,算法在收敛速度与吞吐量两方面优势明显

为实现无人软翼飞行器的直线航迹跟踪控制,提出一种基于模拟对象的可变增益鲁棒反步控制方法.基于模拟对象方法建立软翼飞行器的航迹跟踪误差模型,并设计了可变增益反步跟踪控制器,通过合理设计增益参数,消除了部分复杂非线性项,避免了传统反步法中虚拟量高阶导数问题,简化了控制器形式,更有利于工程实现.根据Lyapunov理论设计的鲁棒反馈补偿项,在保证稳定性的同时提高了系统的鲁棒性.将控制器应用于无人软翼飞行器平面直线航迹跟踪控制中,仿真实验表明,所设计的控制器可以实现直线航迹的精确跟踪,且具有很好的鲁棒性

为解决强背景信号下冲击特征的提取问题,提出了一种自适应多尺度形态学分析方法.对于实际的待分析信号,分别定义长度尺度和高度尺度来确定多尺度形态学分析的结构元素,并基于信号的局部峰值实现自适应多尺度形态学分析.数值仿真实验分析表明,自适应多尺度形态学分析方法较单尺度形态学分析方法更利于提取信号的形态特征,避免了单尺度形态学分析在结构元素选择时的盲目性和对相关先验知识的依赖性.本文所提出的方法应用于轴承故障诊断,结果表明这种方法可以清晰地提取出各种特征信号

从安钢电极控制的实际应用出发,应用数据挖掘技术建立了电极预测模型并应用于电极控制系统的参数整定.首先介绍了建立电极预测模型的数据挖掘过程;然后在数据挖掘算法中提出了一种新的变结构遗传Elman网络方法,该算法用改进的混合遗传算法对网络结构和权值及自反馈增益同步动态寻优.将基于BP算法的Elman网络和本文提出的变结构遗传Elman网络都应用于安钢交流电弧炉的电极预测模型中进行比较.通过基于安钢现场数据的计算机仿真实验表明:采用变结构遗传Elman网络的数据挖掘算法比BP算法具有更好的动态性能、更快的逼近速度和更高的精度.在此基础上,把建立的模型应用于安钢电极控制系统的参数整定,取得了良好的控制效果

针对线性自抗扰控制器参数难于整定的问题,提出了一种基于动态响应过程时序数据挖掘的参数自整定算法.算法以线性自抗扰控制器中线性误差反馈律的两个增益信号回路的动态响应为参数调整对象,通过改进变收缩系数的随机搜索算法进行参数整定,记录动态响应过程数据,基于关联关系挖掘得到控制参数调整策略应用于线性自抗扰控制器的参数自整定.为验证本文提出的参数自整定方法的实际效果,以液压自动位置控制系统为控制对象,分别采用阶跃响应仿真和Monte Carlo实验进行对比研究.结果表明,基于数据挖掘参数自整定的线性自抗扰控制器动态响应较好,鲁棒性较强,改进了变收缩系数随机搜索算法调整时间较长以及传统线性自抗扰控制器超调较大的缺点,是一种具有实用性的线性自抗扰控制器参数自整定方法