基于遗传算法的无传感器永磁同步电机控制优化

基于实数编码遗传算法．实现对无传感器永磁同步电机(PMSM)控制器参数的选取和优化．速度的估计采用扩展卡尔曼滤波(EKF)方法,以PMSM转子速度的测量值与估计值的偏差信号作为遗传算法自适应度求取的依据,实现协方差矩阵中参数的在线调整,节约了系统协方差参数的求取时间,提高了估计器的估计精度。基于dSPACE的快速控制原型工具验证了该方法的有效性。     

激光捷联惯导系统角增量输入姿态算法

在对经典理想角增量输入的圆锥算法分析总结基础上,提出并推导了更为合适的经典角增量输入圆锥算法通式.在对经典理想角增量与实际工程滤波角增量的圆锥响应对比分析基础上,推导了滤波角增量输入圆锥补偿算法的补偿系数和误差主项通式.最后,利用文中讨论的理想角增量输入和滤波角增量输入圆锥补偿算法,结合激光陀螺惯性导航系统的频谱特性进行了大量的仿真验证.仿真结果表明,文中讨论的角增量圆锥算法有效,能显著提高激光陀螺捷联惯性导航系统的姿态精度.     

具有参数编程功能的陶瓷刀片磨削加工数控系统

提出了一种适用于陶瓷刀片加工的新的插补算法,介绍了基于此算法的陶瓷刀片磨削加工数控系统。此插补算法大大简化了系统设计,提高了刀片的加工精度。用该系统精心设计的５个加工指令,即可完成所有标准刀片和大部分非标准刀片的加工编程。利用系统的参数编程功能,操作者只需选择刀片形状并输入刀片参数,系统可自动生成零件加工程序,完成刀片的加工。     

参数曲线的自适应插补算法

参数曲线插补是高性能ＣＮＣ系统实现复杂轨迹控制功能的重要技术基础。文中提出了一种ＣＮＣ系统参数曲线的实时插补算法,基于参数预估、误差控制及参数校正的策略,实现了参数曲线的高精度快速插补。理论分析与仿真表明,该算法与现有的插补算法相比,不仅速度误差小、实时性好,而且插补速度能随曲线曲率的变化自适应调整,确保加工精度达到给定要求。此外,本算法具有良好的实现通用性,可以适用于样条等各种参数曲线。     

体表电位标测中的关键技术——心电信号的数字滤波

小波分析在数字滤波领域中具有广大的应用前景，尤其是对具有时变特性的人体心电信号。该文介绍了如何利用coiflet小波对心电信号进行多分辨率分解和重建，并解决了小波分析在心电信号滤波中会遇到一些实际问题，比如小波基函数的选取，确定心电信号及噪声的频域表现和小波在不同尺度下的通带。实验结果表明，用coiflet小波对心电信号进行数字滤波，能很好地消除心电信号中的三大干扰；基线漂移、工频干扰和肌电干扰。     

含连续／离散变量结构优化中的神经网络与变尺度模拟退火方法

传统的优化方法难于有效地处理含有连续／离散混合变量优化问题，本文介绍了一种改进的变尺度模拟退火方法并与人工神经网络能量函数模型相结合，用于求解含连续／离散设计变量的工程结构优化问题，较好地解决了模拟退火技术用于工程结构优化时选取具有全局性的初始点困难及迭代次数较多的弱点。算例表明，该方法可以使模拟退火算法从局部最优的陷阱中跳出，最后求出整体最优解。     

航空薄壁结构有限元建模的智能化求解模型研究

介绍了利用CAD、网络自动剖分和人工智能技术相结合进行航空薄壁结构有限元建模的问题求解框架，着重论述了建模过程中模型演变的四个不同阶段的任务，提出了适应于建模各阶段的整体式知识表达模型，并对采用黑板机制来组织知识推理和算法任务调度的过程求解模型做了描述。该问题求解框架有助于构造高效实用的复杂薄壁结构有限元建模专家系统。     

风力机叶型增升技术

介绍了利用栅片改善风力机叶型大迎角下气动性能的研究结果。通过对风力机专用翼型的数值模拟,研究了栅片对翼型流动分离的控制效果,并在数值模拟结果的基础上对栅片进行基因算法优化。优化过程采用多岛基因算法,以N-S方程为控制方程,以升力最佳为目标,对栅片进行多参数优化。结果表明:栅片可以有效控制翼型的失速特性,抑制翼型大迎角下的流动分离,推迟失速攻角和增加升力;基因优化算法能更大地提升栅片的控制效果。     

基于神经网络的二维随机翼型优化设计方法(英文)

为避免翼型单点优化设计存在的非设计状态气动性能损失,改进对实际飞行环境中不确定性因素的适应能力,提出了基于神经网络的二维随机翼型优化设计方法。采用4个BP神经网络作为代理模型,用于预测翼型的气动系数与几何参数,以提供高效和可靠的分析。同时联合服从正态分布的概率密度函数和遗传算法构成了优化设计方法。采用该方法,对GA(W)-2翼型,在关于马赫数和迎角的二维飞行区域内进行了随机优化设计。通过与原始翼型和单点优化设计翼型的结果对比,表明该二维随机优化方法能够在指定飞行区域内改进翼型的整体性能,提高了翼型对多个飞行参数随机变化的适应能力。     

双重稀疏保持投影(英文)

稀疏保持投影(Sparsity preserving projection,SPP)是一种新型的基于图的降维方法,近年来被成功应用于人脸识别。SPP基于数据的稀疏重建关系建图,从而包含自然的判别信息。然而,经SPP变换后,新的特征是所有原始特征的线性组合,因此很难解释其降维结果。为此,提出了一种新的降维方法——双重稀疏保持投影(Dual-sparsity preserving projection,DSPP),通过进一步对SPP的投影方向施加稀疏约束,希望获得投影方向的稀疏解。具体地,该方法把SPP中投影函数的计算转化为一个回归类优化问题,然后借助L1正则化回归技术获得稀疏投影向量。在人脸数据上的实验结果表明了该算法的有效性。