通过将迟滞特性引入神经元激励函数的方式，构造了一种前向型迟滞神经网络模型.结合卡尔曼滤波方法，将其应用于风速时间序列的预测分析中.在原始风速时间序列的基础上，构造出风速变化率序列.采用迟滞神经网络分别对两种序列进行预测分析，并将预测结果利用卡尔曼滤波方法进行融合，从而得到最优预测估计结果.仿真实验结果表明，迟滞神经网络具有更加灵活的网络结构，能够有效改善网络的泛化能力，预测性能优于传统神经网络.采用卡尔曼滤波方法对预测结果进行融合后能够进一步提高预测精度，降低预测误差

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

本文将湍流运动方程和k—ε湍流双方程模型结合,提出了顶吹气体射流冲击下熔池中液体流动的数学模型,并采用Spalding等人提出的方法解这一非线性偏微分方程组。同时,还用激光测速方法得到实验测定的流场速度分布。在计算结果及实验数据的基础上,分析、研究了流场的性质和特点。由于用k—ε湍流模型代替k—ι模型以及在边界条件及计算方法上的一些改进,使数学模型预报的结果比前人的相应结果更符合实际。而且,本文提出的数学模型适用于大气体流量射流冲击下液体流场的计算,这是对前人工作的一个突破。总之,我们的工作可以认为是Szekely和李有章等人相应研究的继续和深入

研究了双层网络学习控制系统的带宽调度优化问题.为了合理分配子系统的带宽，引入了网络定价体系和动态带宽调度方法，建立了非合作博弈模型，从而将网络控制系统的网络资源分配问题转换为非合作博弈竞争模型下的Nash均衡点求解问题.在此基础上，采用粒子群优化算法得到此框架下的纳什均衡解，并进一步给出了网络控制系统的时间片调度方法.仿真结果表明了所提方法的有效性

二、寻求估计量的方法 1.矩估计法 2.极大似然法 3.最小二乘法 4.贝叶斯方法 这里我们主要介绍前面两种方法

免疫学检测方法主要包括酶联免疫吸附 检测和放射免疫技术该方面的研究取得 了长足的发展。由于该方法操作简单, 前处理简化,检测快速、准确、敏感, 检验成本低,检测容量大,可同时进行 大批量样品检测。因此.具有潜在的广 泛应用价值

针对H型钢辊式矫直过程残余应力的主动控制,基于工程弹塑性理论建立一种矫直过程应力演变的分析模型;采用离散解析实现对模型的快速数值求解;继而基于该分析模型建立一套能够实现残余应力主动控制的工艺参数主动设计方法;运用该方法对典型规格H型钢矫直工艺参数进行工艺设计.建立的分析模型运算结果与有限元结果吻合且计算成本得到有效控制,模型能够实现有限时间内整个矫直工艺参数域内残余应力演变结果的分析;工艺设计方法能够得到一定目标参数和约束条件下的残余应力主动控制工艺参数

通过实验验证和理论分析,证明了混煤哈氏可磨性指数与配比是非线性相关的,并利用微磨球效应理论进行了解释.通过实验测定了五组混煤的可磨性指数,由于各组数据变化区间不完全一致,无法直接比较,利用相对可磨率的定义对实验数据进行归一化处理,实现了在统一区间内比较各组实验数据.结果表明:可磨性指数不同的任意煤种混合,混煤的相对可磨率随配比的变化是一致的.利用分段式最小二乘多项式拟合得到混煤相对可磨率的计算公式,结合其定义式,提出了基于非线性假设的混煤可磨性指数计算方法.实际应用表明,该方法比线性假设公式精确性明显提高

一、实验目的 1 掌握集成J-K触发器逻辑功能的测试方法 2 了解并验证触发器的逻辑功能及相互转换的方法 3 学习用J-K触发器构成简单时序逻辑电路的方法 4 熟悉示波器的使用

行星齿轮箱振动信号包含多种频率成分和噪声干扰，频谱具有复杂的边带结构，容易对故障识别造成误导甚至引起错判.在不同故障状态下，行星齿轮箱振动信号的多域特征量将偏离正常范围且偏离程度不同，根据这一特点，提取振动信号的时域、频域特征参量用于故障识别.为了避免传统分析方法中负频率及虚假模态问题，增强对噪声干扰的鲁棒性，采用局部均值分解法将信号自适应地分解为单分量之和，提取时频域单分量瞬时幅值能量.针对多域特征空间构造过程中出现的高维及非线性问题，采用流形学习对数据进行降维处理.提出基于改进的虚假近邻点的本征维数估计及最优k邻域确定方法，并通过等距映射对多域特征空间进行降维分析.对于行星齿轮箱实验信号，根据样本流形特征聚类结果，分别识别出了太阳轮、行星轮和齿圈的局部故障，从而验证了上述方法的有效性