基于神经网络的机器人迭代学习控制

针对机器人动力学模型的不确定性和负载扰动,提出了一种采用神经网络的机器人迭代学习控制方法。该方法将反馈控制和神经网络学习控制相结合,反馈控制沿时间轴方向使关节运动跟踪期望轨迹,神经网络学习控制沿迭代轴方向使关节运动逼近期望轨迹。文中还给出了基于ＢＰ神经网络的学习控制算法。仿真结果表明,该方法能克服机器人动力学模型的不确定性和负载扰动,具有良好的鲁棒性和控制性能。     

车间管理与控制重用类库的实现

面向对象的思想几乎涉及到计算机应用的各个领域,软件重用的研究当然不例外。软件的重用正从传统面向过程的部件重用（ＲｅｕｓａｂｌｅＣｏｍｐｏｎｅｎｔ）向类重用转移。要对类进行重用,就必须对已设计好的类有效的管理。因而,建立面向特定领域适合的重用的类库就显得尤为重要。本文在探讨重用类库的结构及管理的基础上,以车间管理与控制为应用领域,分析了其中类及类间的关系,以大型数据库ＯＲＡＣＬＥ为工具,实现了类库的管理。     

建筑物行人高度风环境风洞试验研究

介绍了建筑物风环境的风洞模拟,行人高度风测量探头的设计、标定和数据处理。采用这种探头,在气动中心低速所４ｍ×３ｍ风洞的长１５ｍ、宽４ｍ、高２．２ｍ风工程试验段进行了比例为１∶３００的建筑群模型的行人高度风环境试验研究,结果说明这座新高层建筑物的落成,对其周围某些位置的行人高度风环境有严重的影响。     

PDPA技术在圆管射流测量中的应用

采用激光相位多普勒技术（ＰＤＰＡ）和传统热线对圆管射流进行试验研究,试验结果表明：ＰＤＰＡ技术具有精度高、动态响应快、不干扰流场等特点;自由剪切湍流的扩展率ｄｙｃ／ｄｘ＝０．０８０１,完全自模拟特性区在ｘ／Ｄ＞８。     

一种面向对象的Petri网

柔性制造系统属于离散事件动态系统,具有实时、并发、异步等特性,由于Ｐｅｔｒｉ网模型的图形表述和数学描述,使它既可以采用数学分析,又可以通过图形形象地表述出离散动态系统,故广泛应用于制造过程动态行为建模与分析。而面向对象建模与设计是一种围绕真实世界的概念来组织模型的全新的思考问题方式,面向对象的模型能帮助对问题的理解,有助于同领域专家通讯交流。本文在Ｐｅｔｒｉ网基础上,引入面向对象技术,提出了一种面向对象Ｐｅｔｒｉ网（ＯＰＮ）模型,并以企业中的一项生产活动——二次电源生产过程为实例,建立了描述这一活动系统的完整的ＯＰＮ模型,真实地反映了系统的动态特性,从而为制造过程建模和分析提供了一个更为有效的工具     

液压减震器动力特性的影响因素研究

介绍了摩托车液压减震器的结构及原理,建立了其动力特性的理论模型。通过数字仿真计算研究了液压油的容性、感性等对减震器动力特性的影响情况,得出了两者影响刚好相反的结论,并与实际测量结果对比,验证了模型的正确性。这对减震器性能优化及结构改进具有指导价值,为建立基于几何尺寸参数的减震器动力特性模型奠定了基础。     

含孔边裂纹各向异性有限板的二维问题

应用边界元法,并结合一种特殊的复变函数基本解,研究了含孔边裂纹的各向异性有限板的应力强度因子修正系数的计算。这种特解边界元法避免了在裂纹附近划分单元,可以获得较好的数值计算精度。通过算例分析,结果表明本方法精度高,运算量小,具有一定的工程应用价值。     

4m×3m风洞风工程试验段研制

介绍了气动中心低速所４ｍ×３ｍ风洞增设风工程试验段的方案选择、结构设计。这个试验段长１４．５ｍ、宽４ｍ、高２．２ｍ,不改动原风洞结构、装拆方便,可较好地模拟大气边界层、并已成功地应用于风工程试验。     

卷帘行存储下的一种并行Cholesky分解及其在PAR95上的实现

Ｃｈｏｌｅｓｋｙ 分解在科学与工程计算中占有重要的地位,串行的 Ｃｈｏｌｅｓｋｙ 分解已有成熟的方法,但并行的 Ｃｈｏｌｅｓｋｙ 分解方法要充分考虑机器体系的结构,在拥有共享内存的 Ｍ Ｉ Ｍ Ｄ 型多处理机、 Ｓ Ｉ Ｍ Ｄ 型向量机系统上前人已有较好的工作,本文给出适用于 Ｍ Ｐ Ｐ 大规模并行计算机的卷帘行存储行格式的并行 Ｃｈｏｌｅｓｋｙ 分解算法,该算法使用了优先计算优先发送的策略,减少了结点机之间相互等待的时间,建立了结点机之间用于通讯的通讯数组,避免了使用撒播这一通讯模式,减少了通讯时间,通过在 Ｐ Ａ Ｒ９５ 上的数值试验表明,随着问题规模的扩大,并行效率越来越高,并且该法容易推广到多行卷帘存储的形式。     

复杂结构的非线性检测

由于非线性系统的复杂性,现有的各种非线性检测方法都有局限性。从频域、幅域和时域三方面综合考察复杂结构的非线性表现,采用六种方法进行非线性检测,给出一个综合描述系统非线性程度的指标－非线性因子。鉴于非线性系统表现出的非线性强弱与系统所受的激励有直接的关系,将非线性因子定义为与激励的幅值特性和频率特性相关的系数指标。对几种典型非线性系统的仿真模型进行了检测,以验证非线性因子的有效性。