动态矩阵预测控制算法在过程控制中的应用研究

文章针对造纸、化工等过程控制系统过程控制复杂、影响因素多、难以建立精确实用的数学模型等特点,引入动态矩阵预测控制算法进行控制,并针对具体工业控制模型利用MATLAB／SIMULINI(对该过程控制系统进行了计算机仿真研究和探讨。仿真结果表明,动态矩阵预测控制算法在过程控制领域具有广阔的应用前景。     

AMP激活的蛋白激酶对大鼠弥漫性轴索损伤后神经元自噬的调节

目的研究AMP激活的蛋白激酶(AMPK)信号通路在弥漫性轴索损伤(DAI)大鼠脑组织中的表达,探讨AMPK对DAI后神经自噬的调节机制。方法大鼠头颅瞬间旋转损伤法建立DAI模型,免疫蛋白印迹法检测造模后1、3、7d大脑皮层和海马AMPK、磷酸化AMPK(p-AMPK)、Beclin1、LC3Ⅰ/Ⅱ、p62蛋白的动态表达,并与正常组和假手术组比较。侧脑室给予AMPK抑制剂Compound C及激活剂AICAR,检测药物干预对大鼠神经自噬相关蛋白表达的影响,并与DAI组和vehicle组进行比较。结果与正常组和假手术组相比,DAI 1d后脑内AMPK信号通路激活,3d后脑内自噬水平上调;Compound C可以减少AMPK磷酸化激活同时下调脑内的自噬水平,AICAR可以增高AMPK磷酸化水平上调神经自噬改善神经功能损伤。结论大鼠DAI后AMPK的激活可以上调神经自噬的水平,对DAI后的神经保护有重要意义。     

斜拉桥纵向位移与温度的相关性分析

依托南京长江第二大桥健康监测系统实测数据的分析,对斜拉桥纵向位移与温度的关系进行了分析,发现其基本呈现出线性的关系,但在较长时间段里呈现出较弱的非线性关系,这一较弱的非线性关系在对伸缩缝进行安全评估时,可以利用线性关系替代;斜拉桥的非线性热膨胀效应强于悬索桥的非线性热膨胀效应,可以指导斜拉桥运营期的安全预警阈值的设定工作以及桥梁安全状态评估工作,对今后斜拉桥的设计以及养护具有一定的指导作用。     

信号交叉口行人环境绩效测评与改善策略优选

为克服信号交叉口行人环境绩效改善研究多集中于某一特性方面的局限,本文借助满意度理论,提出基于步行者过街心理感知的主观绩效测评与改善策略优选方法. 利用美国顾客满意度（ACS）理论,结合信号交叉口行人过街特性设计问卷指标体系,构建满意度影响因素间的结构方程式模型（SEM）,确定各交互影响因素对满意度的重要性, 利用行人满意度指数（PSI）测评绩效.最后结合重要性程度与绩效水平建立重要性-绩效分析（IPA）矩阵,对提高武汉市信号交叉口步行环境绩效进行改善策略优选,并提出改善建议.     

黄土沟壑区湿软路基沉降预测模型

为合理考虑路基沉降预测时诸多影响因素的不确定性与随机性, 提出基于神经网络范例推理的路基沉降预测模型。以同类工程的成功经验为基础, 建立了基于神经网络的沉降范例检索模型, 在范例相似度计算中, 引入归一化效用函数, 通过神经网络的学习, 建立当前沉降范例与沉降源范例之间的相似关系, 最终实现当前沉降范例的沉降预测。对黄土沟壑区湿软路基沉降预测结果表明, 该模型具有较高的预测准确性, 预测值与实测值绝对误差小于10%。     

青岛口岸外贸集装箱出口通关模式研究

现代物流已成为发达国家国民经济的动脉和基础产业,物流人才直接影响到企业生存和发展。物流人才培养是一个系统工程,涉及到政府、教育部门、高等院校、职业院校、企业和社会培训机构。本文在调查研究的基础上,探讨了物流人才培养体系的构建和培养模式的选择。     

生成模型在中心城市的应用实践

本文从城市的区域交通节点考虑,把城市分为中心城市、资源型城市和一般城市.以中心城市土地利用特性和现状人口为基础,采用曲线估计的方法建立了交通生成预测模型.利用辽宁省锦州市、盘锦市和辽阳市的交通数据,对模型进行了验证,结果表明模型能够较好反映规划年城市土地利用特征变化所带来的各种交通需求特性的差异.     

基于语料库数据驱动学习模式的外语教学

数据驱动学习(DDL)是一种基于语料库的发现式学习方法,是语言学习者自身在对大量真实语料观察和分析的基础上将问题解决的自主式学习,它是语料库在外语教学与学习中运用的产物,开辟了英语教学的新视野。本文浅析了语料库DLL在外语教学中的具体运用,希望能引起更多学者的探讨,丰富和改善外语教学的内容和质量。     

高等级公路改成飞机跑道加铺层材料性能试验研究

鉴于目前高等级公路结构承载能力不足以满足飞机直接起降的要求,一般需在原路面上加铺一层结构层以提高路面的整体承载力。通过对设计的四种不同加铺层材料进行马歇尔试验、单轴压缩试验、劈裂试验和冻融劈裂试验、车辙试验和构造深度试验等,以确定加铺层材料的基本性能参数,并从性能、经济和便于维护角度出发,找到了满足飞机起降要求的加铺层材料,可供今后的实际应用参考。     

On-line detecting of transformer winding deformation based on parameter identification of leakage inductance

Transformers are required to demonstrate the ability to withstand short circuit currents. Over currents caused by short circuit can give rise to windings deformation. In this paper, a novel method is proposed to monitor the state of transformer windings, which is achieved through on-line detecting the leakage inductance of the windings. Specifically, the mathematical model is established for on-line identifying the leakage inductance of the windings by applying least square algorithm （LSA） to the equivalent circuit equations. The effect of measurement and model inaccuracy on the identification error is analyzed, and the corrected model is also given to decrease these adverse effect on the results. Finally, dynamic test is carried out to verify our method. The test results clearly show that our method is very accurate even under the fluctuation of load or power factor. Therefore, our method can be effectively used to on-line detect the windings deformation.