平面二自由度冗余驱动并联机器人控制实验研究

对平面二自由度冗余驱动并联机器人进行了逆运动学分析,由末端执行器的位置计算得到主动关节角的位置.分别采用传统的PID控制方法和PID+速度前馈补偿+加速度前馈补偿的方法对并联机器人轨迹跟踪问题进行了实验研究.通过比较2种控制方法的轨迹跟踪效果和比较由连接在连杆上的加速度传感器测量的振动大小,证明了PID+速度前馈补偿+加速度前馈补偿的方法能更好地实现轨迹跟踪.     

北京新能源汽车产业联盟宣告成立

3月13日,中国第一个新能源汽车产业联盟——北京新能源汽车产业联盟正式宣告成立。该联盟整合了国内新能源领域的优势资源,包括整车企业、零部件企业、科研院所以及终端用户等。联盟由北汽控股公司．北京公交集团、北京理工大学等单位共同发起,目前已有美国伊顿公司、中信国安盟固利公司、ZF传动技术有限公司等50余家企业以及清华大学．复旦大学,同济大学等多家院校成为联盟理事单位。     

郭涛算法及其应用

对郭涛在文献「１」中所提出的一种求解约束函数优化问题的演化计算新算法进行了理论分析与实例验证。     

带附体潜艇尾流场的数值模拟与验证

对美国DARPA潜艇模型SUBOFF尾流场进行了数值模拟,采用湍流模型k-ε、k-ω与壁面函数相结合,直接求解RANS方程,并将计算结果与试验结果进行了比较分析,验证了数值方法的可靠性。在此基础上将SUBOFF模型改变为“X”型尾翼,对其尾流场进行了数值模拟分析。     

水泥路面再生技术研究综述

随着混凝土废弃物的增加和环境保护意识的增强,旧水泥路面再生利用成为近年来路面工程领域的一个研究热点。本文对水泥路面再生技术的研究现状进行综述,从旧水泥路面的碎石化技术出发,介绍了碎石化技术的发展历程及目前的进展;总结了碎石化后再生集料在半刚性基层建设中的应用及存在问题;并分析了室内对再生水泥混凝土工作性能以及力学性能的研究现状。最后,针对目前存在的主要问题,提出了进一步的研究建议。     

城市道路交通安全典型问题分析

城市道路交通安全是一个复杂的社会问题,涉及城市建设、交通运输、公安交通管理、医疗救援、保险等不同行业领域。本文以道路交通事故调查分析的视角,从城市道路交通事故的总体发展趋势、年龄分布特征、肇事者交通方式、职业分布特点等方面,剖析四类城市道路交通安全典型问题,旨在明确城市道路交通安全面临的主要风险及未来的挑战,为城市道路交通安全治理提供参考。     

山区陡比降河段兼顾综合效益的航道整治措施研究*

老木孔电站是岷江航道梯级连通的重要节点。在建设该电站同时,其坝址至下游犍为电站库尾之间天然河段将通过整治措施提升至Ⅲ级航道。出于生态及人文环境保护目的,要求将老木孔原规划正常蓄水位降低1 m。结合航道整治,通过降低坝下河段水面比降的方式,研究兼顾补偿电站发电水头和保证通航条件的整治措施。采用数学模型进行方案比选,调整坝下流向并逐步优化分流比,提出最优的推荐方案。结果表明,优化方案3既能保证引航道连接段水流条件满足规范要求,又可以降低坝下水位、补偿发电效益。     

中低速磁浮交通应急响应预案研究

中低速磁浮列车作为全新的城市轨道交通制式,诸多优点契合了城市发展需要,不过,在中低速磁浮列车由试验线走向商业运营的过程中,紧急疏散和应急救援系统还没有形成一套完整的体系。文章通过对国内外城市轨道交通系统事故应急预案进行调研,针对国内中低速磁浮列车日常运营中的动力丢失故障、悬浮功能故障、车辆电气设备故障及车辆冲突故障等问题,同时结合地铁、跨座式单轨交通在车辆故障情况下的紧急疏散和应急救援模式,开展乘客的紧急疏散和应急救援以及车辆自身的应急救援方案研究,提出了相应的较为通用的应急响应预案。     

永磁同步电机MTPA控制系统设计

为有效提高永磁同步电机控制器资源的利用率和数据采集的精度,利用模块化方法设计了永磁同步电机的最大转矩电流比(MTPA)矢量控制系统,通过CAN通信的方式将转速和电角度等信息发送到上位机.通过对系统的实验测试,验证了该控制方法以及CAN通信功能的有效性.针对工程实践中出现的电角度误差和相电流直流偏差问题,提出了误差补偿量...     

基于CNN-LSTM网络模型的风电功率短期预测研究

风电功率预测对电力系统的稳定运行与经济调度至关重要。为充分挖掘历史数据中的有效信息以提高风电功率短期预测精度,提出一种基于卷积神经网络(convolution neural network,CNN)和长短期记忆(long short-term memory network,LSTM)网络模型的风电功率短期预测方法,利用CNN序列特征提取能力进行有效信息的提取,保留更长的有效记忆信息以解决梯度弥散问题,弥补了LSTM网络模型面对过长序列时出现不稳定与梯度消失现象的不足。用国内某风电场数据进行实验,预测结果表明文中提出的方法与反向传播神经网络和LSTM网络预测方法相比,具有更高的预测精度。