下期要目

<正>~~     

比例最小偏度单形UKF的RBF神经网络算法

为提高RBF神经网络的建模性能,提出一种基于改进无迹Kalman滤波(UKF)的RBF神经网络训练算法。在该算法中,首先将比例最小偏度单形Sigma点采样策略引入UT,以有效改进UKF,提升其计算效率,然后利用改进的UKF优化估计RBF神经网络的最优参数。仿真结果表明,改进的UKF比EKF具有更高的RBF神经网络模型训练精度,与传统UKF的模型精度大体相当,但速度更快,计算效率更高。     

学习要有＂双抢＂意识

“双抢”是湘中地区的一个俚语,指的是水稻的抢收和抢种。因为在湘中地区,水稻分早、晚两季,农忙时节,往往必须在一两个星期内完成对早稻的收割,并犁田、下肥,播种晚稻的秧苗,错过了时节,收成肯定大打折扣,甚至秕谷满穗,颗粒无收。学习有如农耕,需要把握节气、节奏,强化“抢”的意识,抓好“种”和“收”的环节,才能有一个好收成。时间上重“抢”。谈到学习,不少同志抱怨,不是不想学,只是工作节奏太快,事务缠身,没有时间学。此种说法,难免有借口推脱之嫌。     

起重机吊重摆角的自适应神经网络补偿控制

为了控制起重机吊重摆动幅度在最短时间内衰减到规定范围或平衡点附近,同时考虑到由于外界不确定性因素导致的系统模型的不确定性,设计了自适应径向基函数Radial Basis Function（RBF）神经网络补偿控制器。RBF神经网络对系统模型的未知函数进行辨识,并将辨识信息提供给控制器。实验结果表明：吊重摆角约在5s时跟踪给定幅度的正弦信号,并在参考信号发生突变时,摆角仍在给定的范围内;RBF神经网络约在5s后几乎以零误差辨识未知函数。所设计的控制器对不确定性因素具有较强的鲁棒性,这也验证了控制系统稳定性证明结论。     

深 V 型船艉扰流板减阻模型试验及数值分析

为深入研究深 V 型船艉扰流板减阻机理,首先进行了深 V 型船艉扰流板系列减阻模型试验研究,获得了模型阻力减少4％左右的艉扰流板设计方案,该方案扰流板深度与艉板宽度之比为0．0094;其次,采用RANS 方程以及计及航态影响的数值计算方法,逐段分析了船体微段阻力变化规律。结果表明：扰流板减阻的主要原因在于其改善了船体航态,从而减少了压差阻力。     

基于紧支径向基函数的固体域耦合数据传递方法

针对热-电场耦合仿真计算中非匹配网格之间的数据插值问题,提出了一种基于紧支径向基函数点插值的数据传递方法。推导了数据传递矩阵,根据所提出的数据传递方法编制了非匹配网格之间数据传递计算程序,以若干组非匹配网格之间的温度插值为例对本文所提方法进行了验证,并分析了不同参数对计算时间及精度的影响,结果表明,本文算法效率较高,计算误差较小,适用于以热-电场耦合为代表的固体域耦合非匹配网格间的数据传递计算。     

应用径向基代理模型实现序列自适应再采样优化策略

针对径向基插值代理模型样本点预测误差为零时无法获得误差函数进行序列再采样优化的问题,将样本点分布约束引入序列再采样过程,利用潜在最优解加速收敛性,提出一种适用于径向基插值代理模型序列优化的再采样策略,该策略兼顾仿真模型的输出响应特性与样本点的空间分布特性。仿真结果表明,使用该再采样策略后,算法寻优效率和精度均优于传统基于代理模型的优化方法,在对最优解进行有效预测的同时,能显著减少原始模型计算次数。     

用紧支径向基函数传递固体域耦合数据的方法

针对热-电场耦合仿真计算中非匹配网格之间的数据插值问题,提出了一种基于紧支径向基函数点插值的数据传递方法。推导了数据传递矩阵,根据所提出的数据传递方法编制了非匹配网格之间数据传递计算程序,以若干组非匹配网格之间的温度插值为例进行了验证,并分析了不同参数对计算时间及精度的影响,结果表明,算法效率较高,计算误差较小,适用于以热-电场耦合为代表的固体域耦合非匹配网格间的数据传递计算。     

圆形减压环力学试验与壁厚对其耗能性能的影响

圆形减压环主要由钢管、铝管套筒和钢丝绳组成,由于其耗能特性强,因此在被动防护系统中得到了广泛应用。在边坡防护工程中,将钢丝绳一端固定,另一端连接在防护阻挡结构上,通过钢管与铝管套筒的摩擦和钢管的大变形来散耗冲击动能。首先分析了圆形减压环的工作原理,并对其力学性能进行了拟静力试验,再利用ANSYS/LS-DYNA软件,研究了圆形减压环在荷载作用下,不同钢管壁厚对其耗能性能的影响。结果表明：随着钢管壁厚的增加,圆形减压环的启动荷载也随之增大;在低速荷载作用下,钢管壁厚对圆形减压环的耗能性能影响较弱,但是随着加载速度的提高,钢管壁厚对其耗能性能的影响明显增加,耗能总量上升明显。     

基于ARM+FPGA的永磁无刷直流电机控制智能方法

永磁无刷直流电机具有效率高、易维护等特点，目前广泛应用于电动汽车、航空、船舶等行业。由于该种电机存在着转矩波动大等不足，为提升其控制性能，从控制平台改进与控制算法优化两个方向开展研究。首先，研究并设计了基于ARM+FPGA的电机控制硬件平台，使用AXI高速数据交互协议，解决了传统电机控制平台中延时较大、算法能力有限的问题；然后，使用基于径向基神经网络的磁场定向控制智能算法实现了对电机的精确控制；最后，通过仿真和实验与磁场定向控制方案进行了对比，结果表明：采用基于ARM+FPGA的永磁无刷直流电机控制智能方法，其调节时间平均缩短了3.22 ms,超调量平均降低了4.35%,提高了BLDC控制精度和运行性能。