CJBW10舰船微机监控报警系统

介绍一种新型的舰船用微机监控报警系统，该系统采用先进的微机网络技术和单片机技术，将高分辩率彩色ＣＲＴ测点参数和图形显示功能，报警灯板板功能和记录打印功能以及控制功能集于一块单板上，并通过网络与测量单元相闻，既可在网络型船舶自动化系统中作这联网的机舱监控报     

发动机电控节气门控制器的研发

采用电控节气门配合发动机ECU工作,可以调节发动机扭矩输出,根据不同工况变化动态调整加速踏板到节气门的传递函数,有效降低油耗和排放,优化驾驶性能。同时,在混合动力电动汽车上,它作为可量化控制发动机扭矩输出的有效途径,在动力总成控制中起相当重要的作用。本文研究了电控节气门的结构和驱动原理,设计了控制硬件和软件,开发完成了一种发动机电控节气门控制器。对其控制效果进行了测试,并和Bosch的控制效果进行了对比,另外,将控制器安装于发动机上,进行了台架试验。试验证明,使用该控制器可以实现对发动机扭矩输出的控制。该控制器已经应用于研究阶段中的混合动力电动汽车车用发动机的扭矩控制中。     

高速列车横向平稳性主动控制规律研究

提高列车的运行平稳性是机车车辆动力学的研究热点。本文以列车的横向运行平稳性为研究对象,采用面向对象的建模方法,建立了由3节车辆组成的车组横向动力学模型,并将作动器放置在车端构成车端主动悬挂系统。采用轨道不平顺高速谱作为输入,考虑轮轴间时延,运用遗传算法对控制器进行优化设计。研究表明,采用车端主动悬挂系统,运用本文算法,车组的横向运行平稳性得到了提高;当在端部车辆的端部二系悬挂中再并行设置作动器,并采用改进的天棚阻尼器算法后,端部车体的振动得到了有效抑制,整个列车横向运行平稳性进一步得到了改善。     

自主水下航行器制导系统的设计

简要介绍了某小型远程自主水下航行器制导系统的设计要求和软硬件实现方法,该制导系统已成功应用于211工程建设的自主水下航行器上。     

新型无线感应技术在模拟载波通信中的应用

与传统的感应无线技术相比,新型无线感应技术具有更好的抗干扰能力且减少了一根传输线,应用于机车,特别是磁浮列车的自动驾驶中,可以满足列车自动化驾驶中通信定位测速的需求。为此对新型无线感应技术在模拟通信中的应用进行分析。以单频模拟信号为调制信号,对连续正(余)弦载波进行调幅、调相和调频等调制,得到AM,DSB,SSB,窄带调频,窄带调相等已调信号通过新型无线感应系统时的不同解调新方法,并对新型无线感应系统的AM,DSB,SSB,窄带调频,窄带调相等调制解调进行仿真。结果表明:新型无线感应技术可以应用于模拟载波通信中恢复原始信号。     

低交通量下“与车随行”隧道照明节能控制技术应用研究

针对公路隧道照明安全与节能之间的矛盾，特别是低交通量下“无车照明”的能耗浪费现象，采用微波车检实时探测交通流技术，提出一种在低交通量下实施“车来灯亮、车走灯暗”的“与车随行”智能控制技术。根据安全视距和人眼视觉反应驰豫时间要求，确定该控制技术下“车来灯亮”以及无来车时“车走灯暗”亮度水平和间隔时间规定。由该技术制定的应用方案用于实际工程，不仅可保证隧道照明安全性，更可在现有规范基础上进一步降低隧道照明能耗，实现低交通量下实时动态的智慧节能照明控制。根据实际工程照明效果测试，所采用的方案可降低隧道照明年运营费用达72%。该技术对提升隧道照明安全和节能水平，推动隧道提质升级和公路交通绿色低碳水平具有积极的促进作用。     

基于神经网络的无人无缆水下机器人运动建模与控制技术研究

对自主型水下机器人（ＡＵＶ）神经网络运动模型的结构进行了理论分析和探讨,提出了非完全回归型神经网络、增加积分层的输出层结构及相应的分步式学习方法。对ＡＵＶ运动过程中目标运动路径和目标运动速度的同时跟踪控制进行了系统研究。提出了由主控网络和伴随网络构成的神经网络控制器结构,给出了通过计算机模拟来生成教师样本的方法,提出了预测控制的思想。计算机仿真及水下机器人“Ｔｗｉｎ－Ｂｕｒｇｅｒ”的水池实验结果验证了本文所提出的建模方法和跟踪控制方法的有效性和可行性。     

神经网络在船舶操纵中的应用研究

该文对人工神经网络用于船舶操纵动态特性的在线学习进行了研究,并提出了基于神经网络预报的操舵控制算法。仿真试验的结果表明了该控制算法的有效性。     

基于遗传算法的舰船航速模糊控制研究

研究并建立了舰船航速控制系统的数学模型,并将模糊控制理论应用到该系统,提出了一种基于遗传算法的舰船航速模糊控制新方法。该方法较常规的模糊控制具有更优的控制性能,仿真实验结果表明该方法可行、有效。     

Optimization models for differentiating quality of service levels in probabilistic network capacity design problems

This paper develops various chance-constrained models for optimizing the probabilistic network design problem (PNDP), where we differentiate the quality of service (QoS) and measure the related network performance under uncertain demand. The upper level problem of PNDP designs continuous/discrete link capacities shared by multi-commodity flows, and the lower level problem differentiates the corresponding QoS for demand satisfaction, to prioritize customers and/or commodities. We consider PNDP variants that have either fixed flows (formulated at the upper level) or recourse flows (at the lower level) according to different applications. We transform each probabilistic model into a mixed-integer program, and derive polynomial-time algorithms for special cases with single-row chance constraints. The paper formulates benchmark stochastic programming models by either enforcing to meet all demand or penalizing unmet demand via a linear penalty function. We compare different models and approaches by testing randomly generated network instances and an instance built on the Sioux–Falls network. Numerical results demonstrate the computational efficacy of the solution approaches and derive managerial insights.