PID控制器参数的隶属函数自整定技术及其应用研究

Ｐ Ｉ Ｄ 控制技术在工业过程控制中得到了广泛应用,但传统的 Ｐ Ｉ Ｄ 控制器不具有参数的在线整定功能,当系统工作条件较差时,难以满足控制要求,从而影响了控制品质的进一步提高。本文应用模糊数学中的隶属函数, 以工程施工机械中大量应用的液压阀控油缸为被控对象,建立数学模型和试验系统,实现 Ｐ Ｉ Ｄ 控制器参数的在线自整定。文中对其理论方法、计算机仿真和应用研究进行了论述。     

一个非常规前体机身的流动显示研究

描述了有类似Ｅｒｉｃｋｓｏｎ前体的非常规机身的初步流动显示研究结果,包括测力、表面油流和激光片光流动显示结果和用层流Ｎ－Ｓ方程进行数值模拟的结果。计算和试验的参数范围：α＝０°～５０°,β＝０°～２０°,虽然计算与试验所用的外形在后部有一些不同,但是两者在涡的位置方面显示了良好的一致性。同时研究也表明,大攻角的流动特性可以通过改变机身前体形状进行控制。通过研究还表明,这类前体在改善大攻角横侧方向安定性方面具有很大的潜力。     

基于VXI总线的高速风洞脉动压力测试与分析系统

VXI总线代表着当今自动测试领域的发展方向。笔者介绍了气动中心高速所组建的基于VXI总线的高速风洞脉动压力测试系统,文中给出了测试仪器的计量指标,并简要说明了测量与分析软件的开发过程。通过风洞试验的实际检验,表明该套系统性能先进,稳定可靠,具有广泛的应用前景     

增材制造技术在液体火箭发动机应用述评

美国普惠洛克达因公司、NASA、太空探索技术公司(Space X)、蓝色起源公司、Rocket Lab公司、空客防务与航天公司及西安航天发动机有限公司等国内外航天企业和科研机构将增材制造技术广泛应用于液体火箭发动机,对其产品、成形工艺、技术路线及发展趋势做了较详尽的介绍。分析了国外增材制造液体火箭发动机关键零部件工程应用和发展思路对我国的启示,并提出了展望。     

基于智能双重响应面法的涡轮叶盘可靠性灵敏度分析

为了合理进行整体叶盘多失效模式可靠性分析和准确描述各影响参数的重要程度,将智能算法与双重响应面方法相结合提出可靠性灵敏度分析的智能双重响应面方法 (Intelligent Dual Response Surface Method,IDRSM)。首先,建立IDRSM的数学模型,给出基于IDRSM的可靠性灵敏度分析的流程。然后,考虑流场和温度场作用,基于IDRSM对整体叶盘径向变形和应力两种失效模式进行可靠性分析和灵敏度分析。可靠性分析显示:当许用径向变形、许用应力的均值和标准差分别取3.8mm和76μm,690MPa和14MPa时,叶盘综合可靠度为0.9926。灵敏度分析显示:整体叶盘综合失效概率的主要影响因素为流速和转速,占叶盘总失效的92%。通过蒙特卡洛法、响应面法、极值响应面法、智能响应面法等四种方法比较显示:IDRSM能在保证计算精度的前提下提高计算效率。实例分析表明该方法在多失效模式综合可靠性灵敏度分析中的可行性和有效性,也为结构多失效模式可靠性优化开辟了有效途径。     

基于神经网络模型的襟翼主动控制旋翼减振分析

基于径向基函数(Radial basis function,RBF)神经网络构建了一种带后缘襟翼主动控制(Active controlled flap,ACF)的旋翼振动载荷计算模型。采用正交试验方法确立RBF网络训练样本的输入,在CAMRAD II中计算前飞状态下与训练样本对应的旋翼桨毂六力素,并将主通过频率下的分量作为样本输出,对RBF网络进行离线训练。在此基础上采用多周控制器对被控模型进行振动载荷主动控制。随后以2桨叶4m直径ACF旋翼为例,构建了其桨毂减振分析方法,并对桨毂动载荷各分量的减振效果进行了分析。研究表明,采用正交样本训练的RBF网络能够精确映射襟翼偏角与桨毂振动载荷的非线性关系,施加多周控制后,桨毂垂向振动载荷降低接近50%,其他方向的振动载荷也有不同程度的降低。     

美德增材制造共性技术创新发展及启示

本文系统总结了英美两个代表性研究机构在资源投入、管理运作、协同创新等方面的实践经验,指出了我国制造业创新中心建设应强化政府引导,加强协同创新,完善产业支撑体系。     

新疆高等教育发展与经济增长关系的协整分析

文章利用新疆1980-2010年数据，对高等教育发展与经济增长之间的关系进行研究，建立协整方程和误差修正模型，进行了格兰杰因果关系检验，得出的主要结论是：新疆经济增长和高等教育规模之间存在长期的协整关系；且经济增长对高等教育规模是单向格兰杰因果关系。在此分析的基础上，提出新疆高等教育与经济可持续发展的对策建议。     

基于约束规则的作业车间调度研究

介绍了一种支持人工决策的满足各种约束的动态调度方法,通过基于仿真的动态调度算法,在约束规则和人工干预综合作用下,实现按照瓶颈设备到非瓶颈设备,关键任务到非关键任务的分层和迭代作业排序,较好地满足了离散车间对生产排产的应用需求.     

FAST FEATURE RANKING AND ITS APPLICATION TO FACE RECOGNITION

A fast feature ranking algorithm for classification in the presence of high dimensionahty and small sample size is proposed. The basic idea is that the important features force the data points of the same class to maintain their intrinsic neighbor relations, whereas neighboring points of different classes are no longer to stick to one an- other. Applying this assumption, an optimization problem weighting each feature is derived. The algorithm does not involve the dense matrix eigen-decomposition which can be computationally expensive in time. Extensive exper- iments are conducted to validate the significance of selected features using the Yale, Extended YaleB and PIE data- sets. The thorough evaluation shows that, using one-nearest neighbor classifier, the recognition rates using 100-- 500 leading features selected by the algorithm distinctively outperform those with features selected by the baseline feature selection algorithms, while using support vector machine features selected by the algorithm show less prominent improvement. Moreover, the experiments demonstrate that the proposed algorithm is particularly effi- cient for multi-class face recognition problem.