基于改进遗传算法的单元机组非线性模型参数辨识

针对火电厂单元机组的特点及遗传算法工具箱在辨识多变量、非线性系统参数中存在的早熟、收敛速度慢等问题,对遗传算法工具箱进行了改进,以单元机组非线性动态模型为研究对象,提出了基于改进遗传算法工具箱的参数辨识方法．根据托电600MW机组的阶跃扰动试验数据,辨识得到了单元机组非线性动态模型的参数．结果表明改进遗传算法工具箱对单元机组非线性模型参数辨识具有良好的适应性,辨识得到的模型是有效可靠的．     

基于单参数自调节RM-GO-LSVR的船舶操纵灰箱辨识建模

为实现舵角小、试验数据少条件下船舶操纵辨识建模, 提出了一种船舶操纵运动灰箱模型; 搜集水动力系数已知的船舶运动数学模型作为备选参考模型(RM), 计算被辨识船舶与备选RM的相关系数, 并以此筛选合适的RM; 运用相似准则将观测数据映射到RM的输入值域, 建立被辨识船舶与RM的运动关联, 获得了RM的加速度项, 并使用线性支持向量回归(LSVR)机补偿被辨识船舶和RM加速度项间的误差; 分析了机理模型, 设计了合适的LSVR输入项, 使用全局优化(GO)算法自动调节了LSVR的不敏感边界参数; 基于自航模试验数据训练了灰箱模型, 并与约束模试验(CMT)结果和计算流体力学结果比较, 验证了灰箱模型的泛化能力和预报精度。研究结果表明: 在20°船艏向、20°舵角Z形试验预报中, 灰箱模型所得第一超越角精度至少比CMT、虚拟约束模试验(VCMT)和RM方法所得结果高1°, 灰箱模型所得第二超越角精度至少比CMT和VCMT所得结果高0.4°; 在35°舵角旋回试验预报中, 灰箱模型所得进距精度至少比CMT、VCMT、数值循环水槽试验(NCWCT)和RM方法所得结果高1%, 灰箱模型所得战术直径精度比CMT所得结果低4%, 比NCWCT所得结果高10%;RM方法有助于灰箱辨识建模, GO算法能够优化LSVR的不敏感边界参数, 建立的单参数自调节灰箱辩识建模方法能够实现小舵角、少数试验条件下的船舶操纵辨识建模。      

基于人工神经网络的非线性系统辨识

讨论了用人工神经网络中ＢＰ网络进行未知非线性系统辨识的方法，分析了系统辨识中ＢＰ网络的结构设计和网络的学习算法，基于以上讨论以ＳＩＳＯ非线性系统为例进行了仿真分析。     

径向基神经网络辨识非线性系统的改进算法

利用神经网络的非线性映射特性,将神经网络应用于非线性系统辨识。利用径向基神经网络来辨识非线性系统,并对两种不同RBF神经网络辨识算法进行比较。仿真结果表明,改进的算法具有学习速度快,辨识精度高的特点。     

汽车线控转向实验台转向驱动系统的辨识及其PID控制

对本课题组采用的转向驱动系统进行机电分解,推导得到系统传递函数结构。基于Matlab系统辨识工具箱,辨识得到其传递函数,对比实物试验数据,验证了辨识传函正确性。利用Matlab/Simulink对辨识传递函数进行离线PID整定。对比实物试验与仿真结果,结果表明2组试验阶跃响应指标误差在1.44%左右。通过此方法可缩短PID整定时间,减轻实验人员工作量。     

基于改进遗传算法的递归神经网络非线性系统辨识

将递归内时延神经网络应用于非线性动力学系统辨识中，描述了其动力学方程，并引入改进遗传算法作为其学习算法，通过非线性动力学SISO和MIMO系统的辨识仿真研究，验证了内时延递归网络结构和改进遗传算法的有效性。     

基于自适应粒子群优化算法的交通量短时预测模型

在考虑交通量短时变化的时空特性和波动性基础上,建立了非线性交通量短时预测模型.根据我国城市道路交通流非线性、时变性、随机性等特点,提出自适应粒子群优化算法对非线性交通量短时预测模型进行在线修正.该自适应粒子群优化算法采用两步优化策略,对算法参数进行调整,避免算法早熟收敛,有效提高了算法的运算精度和效率.利用城市道路的实测数据,通过Mat-lab软件工具箱对该模型进行计算机仿真验证.     

基于T-S模糊模型的非线性系统辨识

研究了非线性多变量系统的T-S模糊辨识问题．提出一种利用测得的输入输出数据来计算非线性动态模糊模型的方法．使用模糊聚类简化了T-S模糊规则及前提参数的生成，采用加权最小二乘算法得出结论参数．将该辨识器用于一类非线性系统的模糊辨识，并与模糊神经网络的辨识结果进行了比较，验证了所提方法的有效性．     

基于CMAC的集装箱船自抗扰航向控制

针对集装箱船自动舵环境适应能力差的问题,利用小脑模型关节控制器(CMAC)及自抗扰控制器(ADRC)设计混合控制器。在MATLAB仿真软件的SIMULINK工具箱中进行仿真实验,控制对象为集装箱船的MMG模型,CMACADRC混合算法与非线性ADRC算法的对比实验结果表明,CMAC-ADRC混合算法兼具优良的动态特性和稳态特性、抗干扰能力强。     

基于改进的BP神经网络模型参考自适应控制

针对传统BP算法的神经网络模型参考自适应控制实时性差、精度不高、收敛慢等不足,结合BP改进算法和非线性系统的可逆性,提出了基于改进的双向权值调整BP算法的神经网络模型参考自适应控制.基于此算法设计的系统辨识器和控制器的网络结构简单,精度高,仿真结果表明该算法的辨识和控制效果均很理想,可应用于工程实际.     

某市沃尔沃发动机工厂基地项目的产业带动效应研究

某市沃尔沃发动机工厂基地项目建成后将形成30万台沃尔沃品牌汽车发动机生产能力,对该市产业的发展起着重要的推动作用。     

桥梁断面非线性自激气动力经验模型

为探讨桥梁断面的非线性自激气动力,基于平衡位置的Taylor级数展开式,建立了简谐运动下桥梁断面非线性自激气动力模型,获得了其复数和实数表达式,并说明了表达式中非线性气动参数的识别方法.该模型反映了简谐运动下桥梁断面非线性自激气动力的谐波叠加特性,可应用于桥梁的非线性气动稳定性分析.最后,应用该模型对某桥梁断面在简谐运动下的非线性自激气动力风洞试验时程数据进行了拟合.拟合结果表明,两者的误差在3%以内,验证了该模型的正确性.      

高速铁路模型箱梁静力非线性和动力损伤关系研究

桥梁结构在荷载作用下的静力非线性与结构动力特性之间的关系是结构损伤识别领域的重要问题。基于高速铁路模型箱梁的重复荷载试验,采用平面非线性有限元分析方法对静力非线性和动力损伤之间的关系进行了研究。通过定义混凝土等效应力－等效塑性应变曲线来定义其弹塑性行为。对数值模型加载到各级荷载后卸载进行动力特性分析,即卸载后计算自振频率和振型。计算结果表明：采用平面非线性有限元分析方法可以比较准确地对箱梁模型进行非线性分析,除了初始模型刚度存在一定误差外,结构的骨架曲线的特征值、加卸载刚度和残余位移吻合较好。在进行非线性分析后进行动力特性是分析可行。竖向频率值的变化能够反映静力非线性发生后结构的损伤出现和损伤的发展规律,这为结构动力损伤识别提供了有效的途径。     

CFS加固RC箱梁斜截面承载力理论分析与试验

根据非线性有限元理论,建立CFS加固RC箱梁的三维非线性有限元分析模型,对箱梁进行斜截面承载力分析.针对箱梁桥的开裂特点与受力情况,制作4根RC箱梁并进行CFS加固RC箱梁的模型试验,通过逐级加载,研究CFS加固RC箱梁斜截面时的破坏全过程,分析CFS加固RC箱梁斜截面的受力特点和加固箱梁的极限承载力,对有限元计算结果与试验结果进行对比分析,进一步验证了理论计算模型的正确性.     

高架轨道箱梁结构振动试验模型设计与校验

基于π定理和量纲分析法,推导了某32 m高架轨道箱梁结构缩尺模型与原型物理量之间的相似关系,并通过建立动力仿真模型进行计算,验证了相似关系的准确性;以该相似关系指导设计,并通过合理选材,制作了几何相似比为10∶1的轨道箱梁结构缩尺试验模型;通过激振试验获取了缩尺试验模型的模态频率、振型和加速度响应,并与有限元仿真结果对比,验证了缩尺试验模型的有效性;在此基础上利用该缩尺试验模型研究了轨道箱梁结构的振动传递特性。研究结果表明:高架轨道箱梁缩尺模型与原型结构前10阶模态频率误差均小于1%,且由缩尺模型计算结果反演的加速度响应曲线与原型结果趋势一致,模型与原型之间相似关系推导正确;缩尺试验模型实测模态频率与有限元仿真结果的误差均在8.8%以内,各阶模态振型吻合,且实测加速度响应随时间变化趋势与有限元仿真结果一致,制作的高架轨道箱梁结构缩尺试验模型有效;当振动在轨道结构中传递时,扣件和橡胶层对1 000 Hz以上的高频振动具有明显的衰减作用;当振动由箱梁顶板向底板传递时,顶板加速度导纳最大,翼板次之,其次是腹板,底板加速度导纳最小;设计制作的高架轨道箱梁结构缩尺试验模型能够反映原型振动响应的一般传递规律,可用于轨道箱梁结构振动传递特性与控制关键技术研究。      

钢-混凝土组合连续弯箱梁抗火性能与设计方法

为研究提高钢-混凝土组合连续弯箱梁抗火性能的策略,选取某三跨钢-混凝土组合连续弯箱梁为研究对象,利用通用有限元软件ANSYS建立了其在火灾下的三维非线性两阶段分析模型;基于已有热-结构耦合分析方法,模型考虑了钢箱梁内空腔辐射传热过程和其上翼缘与混凝土板的接触边界条件;将模型得到的预测结果与试验数据进行了比较,验证了模型的可靠性;采用建立的模型在不同纵向受火位置、火灾强度和荷载水平作用下对钢-混凝土组合连续弯箱梁跨中挠度进行了参数敏感性分析,研究了其极限承载能力和刚度衰变规律;以火灾下跨中挠度为评估指标,提出了针对钢-混凝土组合连续弯箱梁的抗火设计方法。研究结果表明:在对称火和结构荷载作用下,钢-混凝土组合连续弯箱梁外边缘挠度大于内边缘挠度,且荷载越大,火灾越严重,这一效应越显著;在油罐车等过火面积较大的火灾作用下,刚度较极限承载能力衰退更快,与常温下的钢-混凝土组合连续弯箱梁极限承载能力和刚度相比,边跨受火16 min时极限承载能力和刚度分别降低至29%和14%,中跨受火28 min时极限承载能力和刚度分别降低至31%和22%;在钢-混凝土组合连续弯箱梁抗火设计中,应首先提高外侧钢箱梁在火灾下的刚度,增多和加宽外侧钢箱梁底板纵向加劲肋可使边跨受火20 min后内外侧钢箱梁跨中挠度差分别减小23%和30%,中跨受火32 min后内外侧钢箱梁跨中挠度差分别减小22%和27%。      

基于MVTV Copula方法的多风电场电力系统经济调度分析

针对多维风电出力数据间相关性对含有多风电场的电力系统经济调度影响问题，提出了MVTV Copula （mix vine time-varying Copula）方法，以此构建多风电场出力数据随机场景，并建立基于机组燃料费用及再调度费用最小为目标的电力系统经济调度模型. 为验证所述方法的有效性，采用IEEE-30节点系统，并以我国某地3个相邻风电场的实际出力为例对所述方法进行了仿真验证. 仿真结果表明:不考虑风电出力相关性的经济调度费用仅为实际调度费用的43.6%，而应用所述MTVT Copula方法建模后的再调度费用则更加接近实际调度费用，为实际调度费用的82%，验证了本文所提方法的有效性.      

Modeling, identification and simulation of DC resistance spot welding process for aluminum alloy 5182

Currently the aluminum alloy resistance spot welding(AA-RSW) has been extensively used for light weight automotive body-in-white manufacturing.However the aluminum alloys such as AA5182 have inferior weldability for forming the joint due to their high reflectiveness to heat and light.Therefore it is necessary to further develop the high performance control strategy and the set-up of a new welding schedule.The welding process identification is the essential issue where the difficulty arises from the fact that the AA-RSW is a nonlinear time-varying uncertain process which couples the thermal,electrical,mechanical and metallurgical dynamics.To understand this complicated physical phenomenon a novel dual-phase M-series pseudo-random electrical pattern is adopted to excite the AA-RSW electrical-thermal process and the thermal response is recorded according to the welding power outputs.Based on the experimental information,the transfer function of an AA-RSW electrical- thermal mechanism is identified,and the optimum model order and parameters are determined.Subsequently a control-oriented DC AA-RSW model is established to explore the welding power control algorithm.The simulated results of the control model show agreement with the experimental data,which validates its feasibility for the corresponding welding control.