混合动力汽车电子差速控制系统的研究

为了研究混合动力汽车的电子差速特性,通过分析汽车转向轨迹,提出了一种新的电子差速控制方法.由于汽车转向行驶时内、外侧车轮转速与转向角和车体速度之间为非线性关系,采用神经网络模型参考自适应的控制方法.仿真结果证明,该电子差速系统鲁棒性好,具有一定的可行性.     

具有转换函数的均匀差分进化算法及性能分析

对于求解复杂优化问题,差分进化算法存在后期收敛缓慢、易于陷入局部最优等缺点.为此,从充分利用求解信息和同标信息角度提出了具有转换函数的均匀差分进化算法.首先对3个算子进行分布均匀性分析及设计,使其生成的个体能完全表征解空间特征,并增强种群多样性.其次,为简化优化环境,利用一种适应度转换函数使得当前局部极小点及相关区域拉伸一定高度而优于当前极小点的函数部分保持数值不变.最后通过性能指标的定量评价,结果验证了改进算法在有效性、鲁棒性和效率上的优异性能.     

基于多层蚁群算法的变论域模糊控制

针对模糊控制器控制精度不高、自适应能力有限等问题,提出一种变论域自适应模糊控制方式.首先在对离散蚁群算法改进的基础上,提出用于连续域寻优的多层蚁群算法.其通过将解空间分成有限网格,并且算法在迭代过程中采用三个阶段的搜索策略,每个阶段采用异构搜索机制.然后根据系统性能利用改进算法动态调整伸缩因子,从而构成基于多层蚁群算法的变论域自适应模糊控制器.最后将此控制器用于中厚板液压位置伺服系统中.仿真结果表明,采用自适应模糊控制器的伺服系统收敛速度明显加快,此控制策略在适应能力与鲁棒性好于其它控制方式.     

基于差分神经网络的热处理炉钢板温度预报研究

针对热处理炉钢板温度模型建立困难、准确性差等问题,采用差分进化算法与神经网络相结合的方法,建立了基于差分神经网络的热处理炉钢板温度预报模型。结果显示了该钢板温度预报模型具有较高的精度。     

预期动态法在四水箱液位控制中的应用

针对实际生产中常见的双输入双输出过程,基于单位反馈闭环控制结构,根据前馈补偿的思想设计全解耦控制器矩阵,结合二自由度PID/PI预期动态法（DDE）鲁棒性强的特性,设计PID/PI解耦控制方案。同时,对于实际中常见的加性和乘性不确定性干扰,分析了控制系统保证鲁棒稳定性的充要条件,给出了基于谱半径判据的判定方法。本文借助英国Feedback 33-040s Coupled Tanks四水箱实验装置,对四水箱液位实时控制设计PI解耦控制器方案。实验结果表明：该方案能够使系统各路输出响应之间实现有效解耦,可对水箱液位进行有效控制,显著地提高了多变量关联系统的控制性能。     

新型混沌粒子群算法在TSP中的应用

针对旅行商问题,提出一种结合混沌优化和粒子群算法的新型混沌离散粒子群方法（CIPSO）。新算法根据此类组合优化问题解的固有地形特征,利用混沌运动的遍历性、随机性等特点进行求解,其基本思想是在求解过程中对粒子进行混沌扰动避免陷入局部最优,并引入群体间粒子的交叉作用来提高寻优效率。通过与遗传算法、蚁群算法和模拟退火算法等比较以及不同TSP问题的仿真实验发现,该方法是一种能进行有效优化的新方法。     

提高带钢热连轧卷取温度控制质量的措施

以莱芜钢铁公司1500mm热连轧机层流冷却系统为对象，对如何提高带钢卷取温度控制质量进行了研究。在基于非线性函数分段线性化的预设定模型的基础上，加入了如下措施来改善控制质量：考虑模型中所用变量的波动，对预设定模型进行实时动态补偿；考虑模型中没有涉及到的因素及慢时变参数对卷取温度的影响，对带钢头部进行自学习。运行结果证明所采用的这些措施大大提高了控温精度，能够很好地满足产品质量的要求。     

基于图像技术的梳毛机粗纱曲线图与乌斯特曲线图的相关性研究

针对传统的梳毛机粗纱曲线图采用乌斯特条干仪来测定的局限，提出了一种用图像处理技术来测定梳毛机粗纱曲线图的新方法，并用两种方法对同一批粗纱进行测定，对两组数据的相关性进行了分析计算，证实两种方法得出的检测结果相符．     

以太网上“圈点”存储——NAS技术选型与存储系统构建

数据是企业生存发展的根本,伴随信息爆炸引发的数据几何级数的增长,迫使企业必须采取更先进更有效的方法保护好它们,存储责无旁贷地承担了这个任务,在技术不断发展和更新之后,DAS(Direct-Attached Storage,直接连接存储)、SAN(Storage Area Network,存储区域网络)和 NAS(Network-Attached Storage,网络附加存储)顺势而出。     

热处理炉钢板温度的自适应混沌粒子群算法–最小二乘支持向量机优化预报算法

针对传统传热模型参数调整较复杂和模型精度较低的问题,构建了一种基于改进粒子群算法优化最小二乘支持向量机（least squares SVM,LSSVM）的钢板温度预报模型.首先,对基本粒子群算法进行分析,提出自适应混沌粒子群算法（adaptive chaos PSO,ACPSO）,并通过性能指标定量评价验证算法的有效性、鲁棒性和寻优效率.其次,采用LSSVM建立钢板温度预报模型,并选用径向基函数作为核函数,用ACPSO算法优化该模型参数.最后,结合现场数据进行仿真研究和工程应用,结果表明基于该算法建立的钢板温度预报模型具有较高的预报精度,达到智能调优的目的.