针对连续系统的有限时间目标轨迹预见跟踪控制问题,给出了基于轨迹协调误差和切换规则的预见跟踪控制方法.该方法首先将轨迹协调误差和位置跟踪误差连同状态变量的微分组成新的系统状态变量,把跟踪问题转化为调节问题,设计了基于协调误差的带有目标值预见的跟踪控制系统.然后针对复杂目标轨迹跨过不同坐标轴的情况,采用切换系统方法,实现了目标轨迹的全程预见跟踪控制.本文同时是子系统为时变系统的切换系统的典型范例.数值仿真说明了该方法的有效性

针对自主研制的自由框架丝栅式高温应变片,建立高温应变片参数高精度标定装置,提出适合可行的标定方法,确定影响高温应变片测量结果的关键参数.根据提出的关键参数标定方法,可以得到高温应变片的灵敏度系数、热输出、零漂和蠕变特性随温度变化的曲线,建立应变测量的精度补偿模型,最终通过应变测量补偿验证并取得可信的结果,表明提出的标定方法准确可行,并可推广到其他形式的高温应变片参数测量中

下面的内容将主要介绍几种最流行、最常用的接发方法。我 们要时刻关注行业出版物,学习一些不断发展的新方法 头皮外编辫,散发束/纤维 头皮外编辫使用的是标准的三股辫技术来吸纳松散的发束 或纤维。方法是将头发或纤维混合到自然头发中一起编辫子。既 可在辫子的一股头发中使用额外的头发或纤维,也可在两股中使 基面的大小取决于所需辫子的厚度。将基面划分为三个分 区,然后决定接发用的头发的长度和密度

为准确掌握超宽冷轧机不同宽度带钢的板形特征,以某2180 mm超宽冷轧机1900 mm宽度带钢实测板形数据为研究对象,借鉴‘大数据’的思想,结合数据挖掘领域中聚类分析方法,提出基于网格和密度的板形特征聚类方法,并以此方法对几种典型带钢宽度的大量板形实测数据进行分析,得到不同宽度带钢的板形特征.以分段函数对板形特征进行多项式表达,得到不同宽度带钢的板形特征参数化分析结果.提出的基于网格和密度的板形特征聚类与分析方法,能够快速准确地对大量板形实测数据进行分析,提取出长期生产过程中板形缺陷特征并得到参数化表达,从而为冷连轧机,特别是超宽带钢冷连轧机的辊形改进和控制策略优化提供数据基础

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

本文用薄晶体电镜,x射线衍射形貌和金相腐蚀坑法研究了氢区熔硅单晶热处理缺陷形成机理。通过变温热处理,发现氢区熔硅单晶热处理缺陷主要是由氢沉淀引起的。沉淀过程可能首先是Si-H键分解,然后是氢的扩散聚集,测出沉淀过程激活能是56.000±3000卡/克分子,它可能是Si-H键的分解激活能。沉淀物的析出面是{111}晶面,几何形态起始近似球状,然后变成扁椭球,最后是沿方向拉长的片状沉淀物。随着沉淀物的长大,在一定温度下(约600-700℃)会在沉淀物周围发射稜柱位错环,其分布形态和热处理温度有关。高温热处理时,沉淀物周围能发射出高对称的多组稜柱位错环,形成\星形\位错群。稜柱位错的稜柱面是{111}晶面,柏氏矢量是a╱2。发射方向是方向,位错线是方向

第一节 2×2表卡方检验 第二节 R×C表卡方检验 第三节 Fisher确切概率检验 第四节 优势比检验 第五节 拟合优度的卡方检验

为了寻求在瞬态下仍然有效的实时模拟模型，以便模拟连铸的全过程，基于任意拉格朗日-欧拉（ALE）方法和Lam-Bremhorst低雷诺数k-ε方程，建立了考虑湍流的传热和流体流动的实时模拟模型.该模型有效地实现了移动计算域下的动态网格扩展，可以模拟从拉坯到切割坯连铸全过程的温度场与流场的变化.作为实例，X70钢小方坯的模拟效果与实验验证吻合很好

传统人群搜索(SOA)算法通过计算搜索方向、搜索步长和搜寻更新个体位置三个步骤进行寻优.它的缺点在于计算量大,种群之间信息交流少,导致寻优速度慢.针对人群搜索算法存在的缺点,本文提出二项交叉算子改进人群搜索算法(BCOISOA)对其改进.在计算搜索步长方面,本文采用随机数与最大函数值位置乘积判断子群位置,进而提高全局寻优计算速率.在更新位置方面,本文提出二项交叉算子加强种群之间的联系,避免在更新搜索方向过程中,算法因局部最优而导致过早收敛,进而达到快速、准确寻找最优解的目的.本文将以上二项交叉算子改进人群搜索-BP神经网络算法应用在二段式磨矿过程中,实现磨矿粒度在线软测量.仿真结果表明,与人群搜索算法和粒子群算法进行比较,二项交叉算子改进人群搜索算法收敛速度更快,预测精度最高,满足对磨矿粒度实时检测的要求

隧道健康状态诊断过程作为一个模糊系统，具有随机性和模糊性的特点.传统的隧道结构健康诊断方法无法妥善地将系统的模糊性和随机性关联在一起.基于此，针对隧道结构健康状态诊断系统的模糊性和随机性特点，提出了基于云理论的隧道结构健康状态诊断方法.首先，建立反映隧道结构健康状况等级评语集的正态云模型.然后，依据逆向云发生器原理，将隧道结构健康状态指标的监测数据的归一化结果值转化为隶属度云模型.将健康状态指标的重要性语言值转化为权重云，用于表征各健康状态指标的重要程度.最后，运用云理论的计算方法对隧道结构健康状态等级进行诊断，得到健康状态等级诊断结果的云模型.应用云模型的改进方法，对某市地铁2号线盾构隧道结构健康状态进行了诊断，极大提高了诊断结果的可视化和鲁棒性