建立了大型光亮退火马弗炉加热段温度场的三维仿真模型.该模型考虑了马弗炉实际结构、带钢退火速度和升温曲线特点,采用等效热流密度表征马弗管内保护气体和带钢的换热;选择组分传输燃烧模型、离散坐标辐射模型和标准k-ε双方程湍流模型描述马弗炉内燃烧、换热和气体流动;应用SIMPLE计算方法进行求解.典型规格304不锈钢带光亮退火过程实测特征点温度值和模拟结果基本吻合.分析得到了马弗炉内温度场、流场和速度场分布规律.结果表明:马弗管温度比较均匀,喷嘴正对区域温度偏高;燃气气流沿马弗管壁螺旋流动实现均匀加热.喷吹量较小时,喷吹量(入口速度)越大,马弗炉内温度越高;喷吹量继续增大,马弗炉内温度反而开始降低

对内埋式永磁同步电机直接转矩控制系统特性进行了深入研究.针对内埋式永磁同步电机直接转矩控制存在较大脉动转矩的缺点,提出了一种新的永磁同步电机直接转矩控制策略.以减小转矩脉动为目标引入模糊逻辑思想,将磁链偏差和磁链偏差的变化率进行了合理的模糊分级,模糊调节选择电压矢量和反电压矢量作用时间.这种方法可以保持恒定的开关频率并有效地减小转矩脉动.为了获得高性能的无速度传感器内埋式永磁同步电机控制系统,设计了一种无速度传感器方案.最后,通过仿真验证了所提控制策略的有效性

对双环传动的轧机两质量模型进行理论分析并结合工程实际,提出了一种基于H∞滤波器和负荷观测器复合补偿的轧机主传动振动抑制新方法.在负荷观测器系统基础上,通过求解LMI的EVP问题来构造H∞滤波器得到轧辊速度观测值,并据此构造轧辊速度反馈环.较之传统状态观测器和负荷观测器法,该方法放宽了使用观测器的假设条件,将基于负荷观测器和状态观测器的补偿有机结合,实现了电机和轧辊速度的综合振荡抑制.仿真结果表明,与传统负荷观测器方法相比,该方法对电机和轧辊速度同时具有较好的振荡抑制效果

为了提高热连轧带钢成材率和宽度精度,在精轧末机架后一般配置了测宽仪,利用机架间张力对宽度动态控制,达到调整带钢宽度目的;由于精轧末机架中心线到测宽仪的距离较远,使得系统具有大滞后性及时变性等特点,很难建立精确的数学模型.采用对模型要求宽松的广义预测控制方法,基于广义误差估计值对控制器参数进行自适应调整,直接辨识控制律参数,省略Diophantine方程的求解、矩阵的求逆,缩短在线计算的时间,适用于快速的轧钢过程.仿真结果表明,该方法对精轧宽度这一大时滞、不确定性系统有较好的控制效果

在Manhattan移动模型的基础上,深入分析了车载移动Ad hoc网络路由协议的性能问题.结合AODV路由协议,提出了一种可以量化分析车载Ad hoc网络路由断链率和路由负载的模型.模型分析指出,传统的移动Ad hoc网络路由协议应用于车载Ad hoc网络时性能会严重下降.针对这一问题,提出了一种基于车辆运动方向信息的类AODV路由协议DBAP,将车辆的运动方向信息作为其路由发现过程中的辅助参数,从而显著地增强了路由稳定性.仿真结果验证了模型的正确性,同时证明了本文所提出的DBAP路由协议在城市车载环境中具有较低的路由负载和路由断链率,在协议性能等方面相对于AODV协议具有显著提高

针对转子不平衡故障和滚动轴承微弱损伤性故障的复合故障诊断问题,提出了一种基于经验模式分解的故障诊断方法,进行复合故障的耦合特征分离和轴承损伤性故障信号特征提取研究.该方法首先通过经验模式分解将复合信号分解为若干个本征模函数(intrinsic mode function,IMF);然后通过计算各IMF与原始复合信号的相关系数确定包含故障特征信息的主要成分,除去虚假分量;最后针对主要成分中的低频成分进行频谱分析提出转子故障特征,针对主要成分中的高频成分进行Hilbert包络解调提取调制故障特征,即轴承损伤性故障特征.仿真及实验结果表明该方法的有效性和实用性

针对精轧的板宽板厚多变量系统具有强耦合、大时滞、不确定性、干扰因素多、非线性等特点,应用自抗扰控制(ADRC)静态解耦和扩张状态观测器(ESO)动态解耦技术,给出一种多变量系统的ADRC解耦设计方案.为提高时滞对象的快速性,设计了一种去掉跟踪微分器(TD),由ESO和非线性状态误差反馈控制律(NLSEF)两部分组成的ADRC,其中NLSEF改用非线性函数实现,ADRC阶次比常规方法低一阶.仿真结果表明,该控制方案不仅解耦效果好,而且对模型的不确定性和外部扰动具有较好的鲁棒性和适应能力

针对非平衡数据集分类中\少数类样本精度难以提高\这一瓶颈问题,提出了一种基于协同进化机制的欠采样方法.此方法将少数类样本与多数类样本划分为两类种群,采用种群协同进化原理,利用提出的动态交叉变异算子自适应协同进化过程,实现种群间自动调节和自动适应.仿真试验结果表明,此采样方法增强了局部随机搜索能力,改善了种群的分布特性,加强了算法的全局收敛能力,在不降低多数类样本分类性能的基础上有效提高了少数类样本的精度.与其他经典重采样方法相比,本文办法抗噪能力好,具有更强的鲁棒性

根据大脑的情绪加工环路提出了三个层次的人工情绪框架结构.重点对智能体的底层情绪模型进行了研究,分别采用模糊关系理论和有限状态机的矩阵形式建立了相应的情绪激活状态和行为输出方程.模型考虑了心境和需求对当时情绪的影响,利用矩阵模型可以直接计算出不同情绪状态下的输出行为,解决了单纯用表的形式记录\事件—情绪—行为\序列对的存储空间和查表问题.选择了婴儿的情感行为数据来验证模型的正确性.仿真结果表明:模型在考虑了敏感因子和心境对情绪激活阀值影响的因素后,在机器系统中可以建立有效的情绪与行为输出模型

在对经典Dijkstra算法和A*算法分析的基础上对它们分别进行了改进.在经典Dijkstra算法中,针对当前不相连节点间路径长度为无穷大这一特点,首先对两个节点是否相连进行判断;若发现两个节点并不相连时,则舍去相应计算,从而减小计算量.针对A*算法在实际应用中搜索效率低的缺点,将经典A*算法搜索出的原始最优路径中的节点依次进行封堵后,再按照经典A*算法搜索出相应的新最优路径,最后再将原始最优路径与这些新最优路径进行对比,以便确定最终的最优路径.仿真研究表明:改进的Dijkstra算法可以减少大量的无关节点计算,提高运算的效率;改进的A*算法则可以提高搜索到最优路径的成功率