基于狼群算法的GNSS欺骗干扰识别（英文）

为解决卫星导航接收机在受到欺骗干扰时难以识别欺骗干扰这一问题,提出了一种基于模型的欺骗干扰识别方法.首先将干扰机/卫星发射机以及通信信道建模为Hammerstein模型,然后使用一种新的模型辨识方法——狼群算法来进行模型参数辨识.将估计得到的模型参数作为特征参数,使用欧氏距离比较法实现欺骗干扰的识别.仿真实验验证了所提方法的有效性和鲁棒性.结果表明:狼群算法与最小二乘法、迭代法和蝙蝠算法等其他模型辨识算法相比,虽然在算法时间复杂度上比最小二乘法和蝙蝠算法略高,但具有更高的模型参数辨识精度和欺骗干扰识别率,甚至在信噪比较低时识别性能也最优.     

基于分类法矢量控制的感应电机转子电阻辨识

因感应电机矢量控制中对电机参数的准确测量之需,提出一种工业应用的参数辨识方法。该算法的基础是基于分类的矢量控制,对逆变器的输出矢量进行分类可以将算法线性化以节约处理器的计算时间,并且验证了其谐波含量也更低。电机工作时转矩和磁链对电阻的变化敏感,而传统的辨识模型对电机参数有一定依赖性,稳定性差。鉴于此,在分类法矢量控制的基础上设计了基于无功功率的模型参考的自适应系统以辨识转子电阻。因无功功率模型中不含有受电机运行工况影响的参数,保证了算法的鲁棒性。经仿真和实验分析,验证了所设计的辨识系统的灵敏性、准确性和可靠性。     

基于修正协方差扩展卡尔曼滤波法的电动汽车锂电池SOC在线估计(英文)

为弥补传统电动汽车锂电池SOC估计算法估计误差大的缺陷,考虑电动汽车动力电池复杂的工作条件,将参数在线辨识方法和修正协方差扩展卡尔曼滤波(MVEKF)算法结合,提出了一种锂电池SOC在线估计算法.新算法使用变遗忘因子递归最小二乘法实现模型参数在线辨识,利用修正后的状态估计值重新计算迭代过程中的协方差,并将新的过程增益值用于下一状态估计以减少滤波误差.恒脉冲放电和动态应力测试(DST)等实验表明:在电池复杂的充放电条件下,与EKF算法对比,MVEKF滤波算法估计误差更小,最多可减少5%的误差;在DST条件下的充电过程中,EKF会有较大的偏差且不稳定,而MVEKF算法可稳定地估计SOC,且鲁棒性强,适用于电动汽车电池复杂多变的工作条件.     

基于模糊遗忘因子递推最小二乘法锂电池参数辨识方法研究

针对遗忘因子递推最小二乘法的遗忘因子为固定值而造成锂电池参数辨识结果稳定性和锂电池等效电路模型精度无法同时兼顾的问题,提出一种将模糊算法与遗忘因子递推最小二乘法相结合的融合算法——模糊遗忘因子递推最小二乘法,使得遗忘因子在模糊控制器的作用下实现动态可变.通过选取一阶RC模型作为锂电池的等效电路模型,并基于固定遗忘因子递推最小二乘法和模糊遗忘因子递推最小二乘法,分别对一阶RC模型进行参数辨识,然后分别将参数辨识结果带入模型中进行模型端电压误差计算.仿真结果表明,相较于遗忘因子取值为1的固定遗忘因子递推最小二乘算法,基于模糊遗忘因子递推最小二乘法的锂电池模型端电压平均绝对误差值下降了0.000 85 V,最大误差绝对值下降了0.074 2V.相较于遗忘因子取值为0.9的固定遗忘因子递推最小二乘法,模糊遗忘因子递推最小二乘法参数辨识结果的稳定性有非常显著地提升.     

基于半参数回归分析法的隧洞变形量计算模型

通过补充随时间连续变化的系统误差分量来分析该误差对变形量计算的影响,运用非线性方法建立了隧洞变形量计算模型.基于实测数据,采用多种方法对隧洞变形监测过程和模型产生的厘米级系统误差进行了消除,提高了现场量测结果的精度.计算结果表明,阻尼最小二乘法、卡尔曼滤波法和半参数回归分析法三种误差消除方法都能满足工程需要,其中半参数回归分析法对隧洞变形的计算结果与实际最为接近,对工程设计具有指导意义.     

基于控制参数双峰分布的小种群差分进化算法

当前差分进化算法研究主要集中在常规种群上,对小种群差分进化（DE）算法的研究较少。小种群差分进化算法因种群规模小,存在多样性降低过快的问题。因此提出一种基于控制参数双峰分布的小种群差分进化算法（BiMDE）。该算法采用基于柯西双峰分布的参数调节机制处理变异缩放因子 F 和交叉概率因子 CR,并对缩放因子 F 进行矢量化设定。将 BiMDE 算法在函数集 CEC2014 上进行测试,并与 5 种最新的小种群差分进化算法进行比较。结果表明,BiMDE 算法在求解精度、收敛速度以及多样性保持上具有较大优势。     

基于神经网络的直流电机模型辨识及应用

为了提高控制系统的控制性能,实现自适应控制,提出了一种基于神经网络模型的参数辨识方法.首先,为一台未知参数的直流电机设计了基于DSP(数字信号处理器)的控制器,再通过采集卡获取大量的实时观测数据,然后对数据进行预处理,将预处理后的数据按照神经网络辨识的原理完成模型辨识.通过比较直流电机实际阶跃响应与模型阶跃响应,对辨识模型进行检验,最后设计了该系统的PI校正装置.结果表明该方法可操作性强、辨识精度高、应用性强.     

基于进化算法的船舶避碰轨迹建模

船舶交通流受到多种因素的影响,难以用精确的数学模型描述,以本船和来船的实时航向、航速、位置坐标为输入参数,结合船舶避碰轨迹建立模型,提出了一种基于进化算法的船舶避碰轨迹建模方法.该模型以自由度船舶运动学为基础,利用基于状态的过滤模块,来提高数据的可用性;同时,采用进化算法对描述船舶避碰轨迹问题的系统运动方程进行求解,最终规划出最优避碰路径.理论分析和实验结果表明,该建模方法具有高执行效率、高精度以及可扩展性.     

高延性水泥基复合材料单轴拉伸本构关系（英文）

为了建立高延性水泥基复合材料(HDCC)在单轴拉伸荷载作用下的本构关系,指导HDCC的结构设计,在分析与总结现有单轴拉伸本构关系的基础上,基于理想弹塑性线性强化模型,以名义初裂点和名义最大应力点为控制点,提出了HDCC单轴拉伸双线性本构方程,结合5组HDCC单轴拉伸应力-应变曲线,进行了拉伸本构方程的应用示范与控制点关键参数的分析比较.结果表明:所提出的本构方程克服了现有模型在计算承载力时富余度不足或过高的问题;实测最大应力值大于名义值,两者之比为1.08～1.22;通过应变硬化阶段曲线的谷值点拟合直线所得到的软化点拉伸应变值大于或等于实测最大应力点的拉伸应变值,两者的比值为1.00～1.19.     

一种深层过程神经网络及其在信号分类中的应用

针对时变信号小样本集建模分类问题,提出一种深层多尺度径向基过程神经网络（DLMS-RBFPNN）。该模型由时变信号输入层、多尺度径向基核变换层、全连接层和感知机分类器构成。兼顾时变信号的频谱特征和分布形态的多样性,基于径向基过程神经网络,通过将不同宽度参数的Gauss核函数进行线性叠加,构成多尺度核,完成不同尺度上对过程信号形态特征的提取、辨识和相似性度量。通过在径向基核函数层之上叠加全连接层和分类器,实现时变信号不同尺度特征的融合和分类。DLMS-RBFPNN具有较少的模型参数,适用于小样本集建模,在机制上可提高对时变信号过程细节特征和趋势特征的辨识及记忆能力。在分析DLMS-RBFPNN性质的基础上,建立一种基于动态聚类算法的核中心函数确定方法以及基于PSO的模型参数优化求解算法。以旋转机械基于示功图信号的故障诊断为例进行实验,结果验证了模型和算法的有效性。     

一个结构性软土参数的确定方法（英文）

目的:软土流变和结构破坏的相互耦合导致结构性软土的参数难以准确得到。本文拟建立一个有效的参数确定方法,期望仅基于常规的室内试验得到可靠的、合理的本构参数。创新点:1.通过采用优化方法来实现结构性软土参数的确定;2.仅基于常规的室内试验得到本构参数;3.采用最近提出的考虑各向异性、流变和结构破坏的超应力本构模型。方法:1.建立数值模拟和试验数据之间的误差计算公式;2.通过流变本构模拟室内常规试验,并计算模拟误差;3.采用下山单纯形法(simplex)优化方法,寻找模拟误差的最小值;此最小值对应的这组模拟参数即为土体的最优参数;4.利用最优参数模拟其他类型的试验,验证参数的合理性和可靠性。结论:本文提出的优化程序可以有效的找到结构性土体的流变和结构破坏参数,并且找到的参数非常的合理。     

基于改进粒子群算法的分数阶系统参数辨识（英文）

为了更好地辨识分数阶系统的参数,提出了一种基于Tent映射的改进粒子群算法(MPSO).采用8个经典测试函数对MPSO算法的性能进行了测试,并与自适应时变加速器算法(ACPSO)、改进的被动聚集粒子群算法(IPSO)以及遗传算法(GA)进行对比,验证了所提算法的有效性.在已知模型结构和未知模型结构的基础上,利用所提算法对2种典型分数阶模型进行参数辨识.参数辨识结果表明,应用位置信息的平均值有利于充分共享个体间的信息,从而能够加快全局搜索速度;Tent映射具有的均匀性和遍历性能够防止位置信息中极值的产生,避免算法陷入局部最优.MPSO算法收敛速度快、精度高,是一种有效且实用的方法.     

进化算法的改进与应用

通过分析进化算法对全局收敛性的影响,本文提出了用混沌模型构造一种随机开关,以此控制进行算法中的变异运算,同时将模型退火用于进化算法的选择过程,从而增强算法的快速收敛性能,最后把改进的进化学习算法用于系统的参数辨识,取得了满意的结果。     

面板堆石坝筑坝材料力学特性参数反演分析

介绍了土石坝筑坝材料本构模型参数反演计算原理,并采用基于免疫遗传算法的反演方法并结合某面板堆石坝筑坝材料大型现场压缩试验,对该面板坝筑坝材料的E—B模型参数进行反演计算,分析计算结果的合理性,说明此反演结果可以对筑坝材料的室内三轴试验结果进行修正,并为原型大坝的变形与应力分析提供更为可靠的依据。     

基于改进遗传算法进化神经网络

本文提出一种新颖的基于实数编码的改进遗传算法用于前馈神经网络的训练 ,进而实现对非线性系统预测 .该改进遗传算法采用基于代沟最小的代选择模型 ,选用BLX α混合交叉算子 .与经典的基于二进制编码的遗传算法相比较 ,该算法不需要编码和解码 ,所以计算速度快 ;且不需要根据经验设置交叉和变异概率 ,因而算法简单、鲁棒性强、优化效率高 .同时给出了应用该算法对前馈神经网络进化时的计算流程 .仿真结果证实该方法对非线性系统进行预测是快速有效的     

滞后型岩爆孕育过程的围岩时效变形

以隧洞围岩的时效变形诱发滞后型岩爆为核心,围绕隧洞围岩的时效变形特性进行声发射辅助岩石三轴蠕变实验和现场微破裂监测实践。研究隧洞围岩在蠕变过程中的微破裂前兆及其时空演化规律,根据卸荷蠕变变形损伤演化规律及蠕变率随时间的发展阶段特征,构建高应力作用下岩体蠕变损伤模型。建立微震活动信息与物理、力学参数变化之间的联系,应用大规模数值分析方法进行不同偏应力作用下隧洞围岩的流变失稳研究。结果表明:深埋岩体隧洞中,岩爆的时间、空间、强度等分布存在较明显的规律性,岩爆发生之前普遍存在一个孕育过程,并伴随着大量微破裂的产生和微震能量的释放(微震前兆),微震活动对岩爆事件普遍具有时间优先性和空间一致性,可利用其指导安全施工,从而为滞后型岩爆预测和安全施工提供新的研究思路。     

一种用于康复训练患肢动力学模型参数辨识的算法

根据训练时患肢力和位置等测量信息,提出了一种用解超定方程组的方法来辨识患肢的动力学参数,以实现患肢动力学模型的在线辨识。仿真结果表明该方法患肢动力学参数辨识效果良好,在一定的噪声环境下具有较强的鲁棒性,可用于康复训练机器人系统的患肢动力学参数辨识,为实际康复训练机器人系统的实时控制提供了较准确的依据。     

基于原岩应力测量的软岩巷道支护优化设计研究

为了解决曹庄煤矿高应力软岩巷道支护困难的问题,进行了井下原岩应力实测,采用基于实测地应力的锚杆支护优化设计方法,优化了巷道支护设计参数。工程实践表明,该支护技术有效控制了高应力软岩巷道围岩变形,取得了良好的技术经济效益,提供了一种控制高应力软岩巷道围岩变形的有效方法,对类似条件下巷道支护设计具有一定借鉴意义。     

浅析三软地质条件下巷道围岩流变分析及巷道支护

本文分析了在次生应力作用下围岩所处的状态,对于支护后巷道围岩的流变规律,通过计算锚杆变形反演了围岩的变形,提出了锚杆设计方法,证明了该锚喷支护参数的合理性.     

题目：圆形纤维增强塑料缠绕混凝土柱在持续轴向压缩下的面向设计的模型分析

目的：在实际工程服役过程中,纤维增强塑料（FRP）约束混凝土柱在遭遇极限荷载前往往已经经历了长时间的轴压荷载作用。因此,相比其短期力学性能,本文旨在研究FPR约束混凝土柱在长期荷载作用后的力学性能。创新点：1.考虑长期轴压荷载作用,提出一种轴压作用下圆形截面 FRP 约束混凝土柱的长期变形分析模型;2.提出了长期轴压作用后的FRP约束混凝土本构模型,从本构关系的角度描述两个方面的影响机理。方法：运用混凝土和FRP徐变的长期变形分析迭代计算方法（图3）。结论：1.提出的长期变形分析模型实现了对FRP约束混凝土柱任意目标时刻的应力和应变状态的高效、准确预测;2.将提出的本构模型嵌入有限元软件中,有效地实现对长期轴压作用的考虑;3.基于OpenSees有限元软件,验证了长期变形分析模型和本构模型的有效性和准确性。