摘要：交直流混合激励条件下,大型电磁装置构件中杂散损耗的分析与验证,以及如何有效降低杂散损耗在产品分析与设计中备受关注。平波电抗器是高压直流输电系统(HVDC)中重要的电气装备之一,其工作时绕组中通过较大的直流电流以及高次谐波电流(交直流混合激励)。本文从实验与仿真分析两方面系统地研究交直流混合激励时,导磁钢板中杂散损耗有效、实用的确定方法,并通过已建立的国际基准模型进行相关验证。提出采用间接处理方法准确确定平波电抗器类电磁装备结构件中杂散损耗的工程实用措施,所得结果可为产品电磁设计提供参考。

摘要：大型复杂结构承载后普遍存在局部高应力区,特别是某些巨型结构,由于受几何尺寸和制造能力的限制,其局部高应力往往会接近甚至超过材料的屈服极限,因而成为弹性范围内的设计难题。应用安定性分析设计准则,则可通过利用材料的塑性承载能力很好地解决这类问题。为此,在大型复杂结构的强度分析中引入安定性理论,应用Melan安定下限定理,通过将峰值载荷下的弹塑性应力场与弹性参考应力场相减,构造定理要求的自平衡应力场,并推导了相应的安定性判定条件。在此基础上,结合弹塑性增量有限元技术,通过不同载荷水平下的加载卸载计算,计算相应载荷水平下的残余应力场。根据加载卸载得到的残余应力场与构造的自平衡场的关系,按照安定性判定条件确定安定极限载荷,从而建立了一种适合于大型复杂结构安定性数值分析的新方法,并应用该方法对某125MN锻造液压机的主液压缸缸体结构进行了安定性分析。

摘要：针对Hopfield NN传统设计方法要求权值矩阵需要满足对称的约束,以及记忆容量和容错性低,且记忆模式易陷入伪稳定状态的缺点,本文提出了利用遗传算法(GA)优化设计Hopfield NN权值的方法,并与传统方法对比,验证了GA-Hopfield NN具有较大的记忆容量和较强的容错性。同时提出了GA-Hopfield NN的板形模式识别模型设计方案,将具有较强计算能力的反馈网络用于实时信息处理系统实现模式识别,克服了当前板形智能识别模型动态性差,容错能力低及实时性差的缺陷。同时,Hopfield NN的二值计算形式大大提高了系统的运算速度,为硬件实现和工程应用提供了新思路。

摘要：针对传统火灾报警系统存在着准确度不高、误报、漏报及泛化能力不强的问题,设计了一种基于GA(Genetic Algorithm)优化T-S云推理网络火灾探测模型,对模型进行训练和测试。并将T-S云推理网络与模糊神经网络对火灾信号的识别结果进行对比,给出MATLAB的仿真结果。通过仿真结果表明,该火灾探测模型识别精度更高,偏离样本数据测试结果与期望输出之间误差更小,模型提高了对火灾信号的识别精度和泛化能力。

摘要：应用RBF神经网络对车牌字符进行识别.在网络中心参数确定阶段,对每类字符分别采用最近邻聚类和k-均值聚类相结合的算法来确定隐层中心值,从而解决传统k-均值聚类算法中初始聚类中心需要被人为确定的问题;中心宽度通常通过公式来确定,为了消除此方法对中心值的依赖性,选择遗传算法对中心宽度进行优化;输出层连接权值则采用违逆法确定.仿真结果表明,设计的RBF神经网络可以有效地识别字符.