智能机床的误差补偿技术

误差补偿技术是智能机床精度提高与保持的关键技术之一.分析了国内外机床误差补偿技术研究现状,提出智能机床误差补偿技术总框架;总结了智能机床误差源、误差元素、几何与热误差的误差元素模型及建模方法,以及典型的误差补偿方法;研究了力误差补偿技术、基于零件在线测量的误差综合补偿技术;最后,对未来智能机床误差补偿技术的发展重点进行展望.     

MBD环境下计算机辅助零件分类技术

针对MBD环境下的零件分类问题,研究MBD信息提取、零件编码转换和深度学习分类算法技术,并创建MBD-计算机辅助零件分类系统（MBD-CAPC）,实现从输入MBD模型到输出零件分类结果的自动化。     

深度自编码观测器飞机操纵面快速故障诊断

为了避免扩展多模型自适应估计故障诊断方法中的雅克比矩阵计算,解决飞机精确模型难以获得的问题,降低在线故障诊断的计算量,提出了一种基于深度自编码观测器的飞机操纵面快速故障诊断方法.基于离线训练、在线估计的思想,采用量测的飞行数据训练得到不同故障下的飞机模型,代替扩展多模型自适应估计方法的卡尔曼滤波器进行状态估计;基于基础自编码器的隐层节点数选取经验公式,推导了两种深度自编码器的隐层节点数选取的递推公式.仿真结果表明,该方法无需精确的飞机模型,故障诊断速度快、精度高.     

基于SVR及阴影信息的SAR目标方位角估计

目标成像方位估计是合成孔径雷达（synthetic aperture radar,SAR）自动目标识别中一个重要的预处理过程。提出一种基于支持向量回归机（support vector machine for regression,SVR）并结合SAR目标阴影信息的方位角估计方法。首先通过长直边拟合法与脊波变换法对目标图像进行方位的粗估计．再由SVR完成精确估计。利用“运动与静止目标的获取与识别”（moving and stationary target acquisition and recognition, MSTAR）项目组提供的实测数据所做实验表明,此方法可以有效估计SAR目标方位角,精度高、泛化能力强．特别是在水平成像方位附近利用了目标的阴影信息,明显提高了相应区间的方位角估计精度。     

基于小波的能源消费弹性系数预测方法

能源消费弹性系数反映了一个国家能源消费增长速度与国民经济增长速度之间的比例关系,是衡量一个国家能源利用效率的重要指标。鉴于数据中存在较多的噪声,首先用小波分析方法对数据进行滤波,然后用滤除了噪声的数据作为输入变量,用支持向量回归方法建模,并预测未来10年我国能源消费弹性系数变化的规律。实际数据检验表明,该预测方法还是可行的。     

基于支持向量机回归的电力负荷预测研究

不同于传统的基于经验风险最小化的回归方法,支持向量机回归方法基于结构风险最小化准则.与神经网络相比,该方法在解决学习精度和推广性之间的矛盾方面有明显的优势.本文以城市电力负荷预测为应用背景,对比研究了基于统计学习理论的支持向量机回归方法和神经网络方法.预测结果显示支持向量机可能是一种非常有前景的预测工具,其预测精度明显好于神经网络.     

定子双绕组异步发电机漏电抗计算的研究

漏电抗的准确计算是电机设计中十分关键的问题。基于静止励磁调节器的双绕组异步发电机定子绕组漏抗计算比传统的三相电机更复杂。首先给出了定子双绕组异步电机通用数学模型及等效电路,采用解析法对不同绕组结构的定子双绕组异步电机漏电抗计算进行了系统地分析,导出了相应的计算公式。最后,利用所得计算公式设计了一种静止励磁调节器控制的定子双绕组异步发电机,并对其定子漏电抗参数、性能指标及运行特性进行了计算。     

基于Bang-Bang控制思想的迭代学习控制算法研究

根据迭代学习控制基本原理,吸取了Bang-Bang控制的思想,提出了新的迭代学习控制算法。与常用的利用迭代误差或误差变化率进行控制率计算的算法相比,该算法只需根据迭代误差的符号即可计算控制率,不仅大大减小了计算工作量,而且增强了系统的抗干扰能力。给出了算法表达式和控制结构图,进行算法收敛性分析。仿真结果表明该算法的有效性和收敛性。     

基于WEB技术高校资产盘查系统的设计与实践

为适应高等学校迅速发展和改革开放的需要,开发高校资产盘查系统,应用于学校的国有资产管理。系统开发综合应用了条形码技术和B/S(浏览器.服务器)技术,为远程数据管理和资产盘查提供了便捷的手段。系统中手持数据采集器的应用简化了资产盘查工作原有的程序,提高了工作效率,使学校的资产盘查效率成倍提高。同时实现了学校仪器设备信息资源的开放与共享。     

基于支撑矢量机的织物疵点识别方法

为了对种类繁多的织物疵点使用机器进行有效的检测和分类,提出了基于直方图统计和支撑矢量机的织物疵点识别算法。该算法运用直方图统计的方法,由概率统计生成直方波形,并将其作为支撑矢量机的输入参数,用于训练特征样本集,以获得支撑矢量。实验表明,该算法用于织物疵点检测是可行、有效的,可得到满意的识别结果。