粉土对砂不稳定性影响的试验研究

通过对净砂和粉砂土（粉土含量为10％，20％）试样进行三轴不排水试验，研究了粉土对砂不稳定性的影响。试验结果表明：如使用粒间孔隙比es，就可以在与砂土相同的框架内描述粉砂土的不稳定特性。     

异味处理系统在烟草企业的应用

阐述了目前国内卷烟企业烟草异味处理的几种方式及存在的缺点,详细描述了一种先进的烟草生产过程中的异味处理系统在卷烟厂的应用,并分析了该系统在运行中存在的优点及需要的改进点。从系统运行状态来看,烟草异味处理系统达到了很好的处理效果,可供相关企业在应用中参考。     

基于混沌优化的线性二次型控制方法在倒立摆中的应用

针对线性二次型最优控制器权矩阵难以选取的问题，提出一种基于Logistic混沌映射优化线性二次最优控制器权矩阵参数的方法。该方法利用了混沌运动的遍历性、随机性，通过所产生的混沌变量对权矩阵进行优化，并根据性能指标对权矩阵进行自动舍取。该方法成功实现了二级倒立摆的稳定控制，控制系统具有较好的鲁棒性。     

变压器现场局部放电试验干扰波形的判断

结合变压器现场局部放电试验工作,给出了局放试验时遇到的各种干扰信号图谱,针对接地不良、强电磁辐射、试验回路自身放电等各种情况,提出干扰信号的消除方法。     

基于Visual Basic 6.0的加热炉监控系统设计

针对钢厂的加热炉温度巡检控制系统，设计了基于Visual Basic 6.0的计算机监控系统。根据Visual Basic6.0的功能特点，采用预测自适应控制，实现了加热炉的温度监控系统。介绍了其监控系统的组成结构、软件结构和主要功能模块。实践表明，该温度监控系统具有很高的控制精度，达到了良好的控制效果。     

二级倒立摆的Sugeno型模糊神经网络控制

为了提高二级倒立摆系统实时控制的响应速度和稳定性,在设计Mamdani型模糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器.该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练.能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则.通过与Mamdani型控制器的仿真对比及实际控制实验结果,表明该Sugeno型模糊神经网络控制器时二级倒立摆实验装置的控制具有良好的稳定性、快速性和较高的控制精度.     

基于神经元的自适应预测PID控制

提出了一种采用神经元的自适应预测PID控制方案。神经元具有很强的自学习和自适应能力 ,它可根据系统的误差并通过一定的学习算法来不断修正控制器的参数 ,使控制器能够适应受控对象结构参数以及环境的变化。因此采用单神经元构成自适应PID控制器 ,将神经元与PID控制结合 ,对PID参数进行在线寻优、自校正 ,使PID控制能有效地对付一些较复杂非线性被控对象 ,特别是难于用传统方法建模的被控对象。同时为了提高系统的快速跟踪和抗干扰能力 ,采用了动态自适应神经元 (APE)对非线性系统进行预测 ,即用神经元建立起非线性系统的预测模型 ,预测系统的未来输出 ,从而提高了控制系统的控制品质。同时详细介绍了该控制系统的自适应控制算法。仿真结果表明 ,这种自适应控制方案切实可行 ,其控制品质明显优于常规PID控制 ,且具有较强的鲁棒性 ,达到了良好的控制效果。     

旋转二级倒立摆的控制系统设计与仿真

小车倒立摆系统是一个典型的多变量、非线性、强耦合和快速运动的自然不稳定系统,其控制问题被公认为控制理论的一个典型问题,是控制理论研究的典型实验平台.旋转二级倒立摆是一种新型的倒立摆装置,与同级的直线轨道倒立摆相比,结构简单紧凑,但模型更复杂和不稳定,对控制算法提出更高的要求,增加了控制难度.该文基于动力学理论分析旋转二级倒立摆系统的结构,建立了旋转二级倒立摆系统的数学模型状态空间方程,分析了系统的稳定性和可控性.采用二次型最优控制策略对旋转二级倒立摆系统进行控制系统设计,并借助Matlab平台进行了仿真实验.实验结果证明了其控制有效性,该控制结果与其它控制方法相比,有较优的稳态特性和快速性,系统处在较大的非平衡初始状态,旋转二级摆杆也能稳定地控制在倒立平衡位置附近.因此可以进一步扩展到多级旋转倒立摆的控制,对于实现其它不稳定系统的控制,也有着一定的借鉴价值.     

焦炉烘炉温度控制系统设计与实现

焦炉烘炉是焦炉生产的一道重要工序,烘炉质量对焦炉的寿命有着重要的影响,焦炉烘炉工艺复杂,温度监测点众多,监控困难。针对焦炉烘炉过程中温度的变化规律,利用模糊控制开发设计了焦炉烘炉温度监控系统,详细介绍了其硬件设计和软件功能。本系统实现了炉温的自动监控与数据管理,提高了生产效率,有效地保证了烘炉工作的高效运行,具有很高的应用前景。     

高炉焦炭质量的GA-SVM模型预测

焦炭的质量对高炉冶炼的生产有着重要的影响,为保证焦炭质量产量的稳定以及优化焦炭质量,针对线性回归预测方法难以解决配合煤与焦炭质量指标之间的非线性问题,通过分析焦炭质量影响因素,提出了一种基于GA-SVM模型的焦炭质量预测,解决了模型中惩罚因子C、基函数参数σ和不敏感损失参数ε难以确定的问题.最后基于某炼焦企业数据进行仿真实验,与BP神经网络预测比较,结果表明优化后的GA-SVM模型具有较高预测精度,对焦炭生产具有一定的应用价值.