掘进带式输送机自移机尾关键技术研究

文中介绍掘进带式输送机自移机尾的概念、功能及技术发展现状.重点讨论掘进带式输送机自移机尾关键技术,包括:自移机构、调平机构、调偏机构、液压系统等,为掘进带式输送机自移机尾的研究提供参考资料.     

MEMS陀螺仪零位误差分析与处理

研究微机械陀螺仪的零位误差对提高惯性导航精度具有重要意义。采用Allan方差分析法对MEMS陀螺仪的零位误差做了综合评定,提出了一种动态的零值偏移误差补偿算法来滤除陀螺仪的零值偏移误差,还对启发式漂移消减法HDR(Heuristic Drift Reduction)做了改进,有效地提高了原算法的补偿精度。最后,再次采用Allan方差分析法对补偿后的零位误差进行评定,并以Voyager-IIA机器人为平台进行试验,结果证明了改进后的算法能显著的提高陀螺仪的输出精度。     

典型滞后超前控制器的频域法工程设计技术

所开发的典型超前/滞后串联校正型控制器的频域法工程设计方法依据的是简单的控制器结构,考虑了较宽范围的工业控制需求,设计步骤不多,设计计算量不大,所以在实际工程中有较大的应用潜力。特别是采用步进式的迭代设计思路,可经过多轮的简捷设计,设计出高性能的高阶控制器。电机调速控制系统的设计应用案例表明,应用该方法简单易行,可以设计出性能比PID控制器更优的控制器。     

改进型内部递归神经网络在QSAR中的应用

药物定量构效关系一直是药物现代化研究中的关键问题。现已发现具有一定特征或一定作用机制的同源活性化合物,其主要结构因素与活性强度间存在着一定的关系。通过运用计算机建模仿真、神经元计算等方法,可以搜索化学组成与药效相随变动规律,以及预测未知化合物的生物活性。本文将内部递归神经网络应用到药物定量构效关系建模中。为了提高其网络的性能,本文提出了改进型内部递归神经网络,具体策略包括:运用动量法和自适应学习率改进网络的学习能力,采用提早结束法改善网络的泛化能力,并成功地将其应用于除草剂的定量构效关系建模中。     

恒压供水系统的MCP-PID控制

针对恒压供水系统的控制改进需求,研究了MCP-PID控制器用于恒压供水系统的参数整定和性能测评问题,导出了按调整时间计算的MCP-PID控制器整定公式。应用MCP-PID控制的恒压供水系统仿真试验表明：与传统的ZN-PID控制相比,MCP-PID控制具有鲁棒性强、超调量小和调整时间短的优点。     

核磁共振在低渗透油藏气驱渗流机理研究中的应用

对于超低渗透油藏和特低渗透油藏,注二氧化碳开采已成为提高原油采收率的重要技术手段之一。本文利用核磁共振,研究了超低渗透油藏和特低渗透油藏气驱的渗流机理。利用吉林油田岩样,设计了不同原油混相气驱、非混相气驱岩心注入工艺实验。从微观的角度分析了二氧化碳气驱混相驱、非混相驱驱油效果与驱油机理。研究表明：二氧化碳混相气驱和非混相气驱都能提高岩样的驱油效率。从孔隙结构可以看出气驱驱走了岩心大部分大孔隙中的可动流体,并有一部分原油进入小孔隙成为不可动流体;相对于非混相气驱,混相气驱可动流体的采出程度高是混相气驱提高采收率的根本原因;注采压差的提高,增加小孔隙中不可动流体的采出程度是在混相气驱的基础上进一步提高采收率的有效方法。由此可以看出在低渗透油藏采用注二氧化碳气驱提高采收率的方法在理论上是可行的。     

FeCoNbSiB块体非晶合金的铜模铸造及结构表征

本文以低纯硼铁合金为主要原料,用铜模铸造的方法制备出FeCoNbSiB块体非晶合金。用差示扫描量热分析（DSC）、X射线衍射（XRD）透射电电子显微镜（TEM）对合金的热物理性能及合金的结构进行了表征。并结合形核理论讨论了合金的玻璃形成能力。     

基于OFDM-IM的认知无线电协作中继性能分析

该文针对协作认知无线电网络场景,提出一种基于索引调制正交频分复用(OFDM-IM)的新型协作中继设计方法。该方法将OFDM-IM技术应用于从用户发送端,将从用户的传输空间划分为信号空间和索引空间。从用户在其信号空间上转发主用户的信息,同时在索引空间传输从用户信息。通过这种方式,主、从用户之间不存在相互干扰。针对此模型,该文分析了主、从用户的误码率,理论推导了相关表达式,并讨论了从用户的位置对主、从用户性能的影响。仿真结果表明,该文所提设计方法能够同时提升主、从用户的误码率性能,且均优于传统的基于OFDM的协作中继方式。     

组加权约束的核稀疏表示分类算法

提出了一种称为核加权组稀疏表示分类器(kernel weighted group sparse representation classifier, KWGSC)的新型模式分类算法. 通过在核特征空间而非原输入空间引入组稀疏性和保局性,KWGSC能够获得更有效的鉴别性重构系数用于分类表示. 为获得最优重构系数,提出了一种新的迭代更新策略进行模型求解并给出了相应的收敛性证明以及复杂度分析. 对比现存表示型分类算法,KWGSC具有的优势包括：1)通过隐含映射变换,巧妙地规避了经典线性表示算法所固有的规范化问题;2)通过联合引入距离加权约束和重构冗余约束,精确地推导出查询样本的目标类别标签;3)引入l\\-2,p正则项调整协作机制中的稀疏性,获得更佳的分类性能. 人造数值实验表明：经典线性表示型算法在非范数归一化条件下无法找到正确的重构样本,而KWGSC却未受影响. 实际的公共数据库验证了所提分类算法具有鲁棒的鉴别力,其综合性能明显优于现存算法.