摘要：介绍了一种可用于人工心脏泵的爪极永磁步进电动机的结构与设计方法。电动机采用AT89S51单片机输出三种波形(方波、正弦波、梯形波)作为驱动激励信号,改变驱动激励信号的频率可以改变该人工心脏泵转子的转速,即可达到调节和控制血液输出的流量及压力。人工心脏泵的结构既适用于离心式人工心脏泵,也适用于轴流式人工心脏泵,可满足生命医学工程领域中的相关实验要求。在无接触的磁悬浮支承下,电动机可以使人工心脏泵获得更优越的性能。

摘要：针对粒子群优化算法早熟收敛及搜索精度较低的问题,提出一种基于种群多样性的改进型粒子群优化算法(PDPSO).首先,利用种群多样性描述粒子的分布状态,获得了进化过程中粒子飞行的非线性特征;其次,基于粒子的种群多样性设计了自适应惯性权重调整策略,实现了粒子全局探索能力及局部开发能力的平衡;最后,利用标准测试函数检验PDPSO算法性能,并将PDPSO算法应用于污水处理过程能耗模型优化,实验结果表明:与标准粒子群及其他改进粒子群算法相比,PDPSO算法具有较高的搜索精度,并有效地避免粒子陷入局部最优;同时,PDPSO算法能够实现污水处理过程的优化,保证污水出水水质的前提下,降低了污水处理过程的运行能耗.

摘要：为了实现自适应控制光照强度,保障视觉检测系统获得高质量原始图像,研究了彩色图像成像感知模型,建立了图像灰度值与光源光照强度的关系,提出基于HIS彩色空间,单独使用I分量进行光照强度评价,给出了基于数字图像的清晰度和高频信息的光照强度评价函数,并设计了光照强度调控实验系统,通过实验分析了不同测度函数对光照强度变化的评价结果,取得了与人类主观评价一致的结果。实验结果表明,通过提出的方法控制光源强度,可以使视觉系统获得高质量的原始图像,保证检测的质量和精度。

摘要：针对动态贝叶斯网络(dynamic bayesian network,DBN)是NP困难问题,提出基于改进遗传算法的DBN结构自适应学习算法。该算法计算最大互信息和时序互信息完成DBN结构搜索空间的初始化。在此基础上设计改进遗传算法,引入评分标准差构建交叉概率和变异概率的自适应调节函数,以降低结构学习过程陷入局部最优解的概率。仿真结果表明,该算法在无先验知识的情况下,相比其他优化算法,汉明距离和运行时长平均减少了30%,37.3%,评分值平均增大了18.0%。

摘要：在相同质量比下,多重阻尼器相对单阻尼器具有抑振频带更宽及效果更佳等一系列优点。以往针对阻尼器的参数优化大多采取H∞或H2方法,即最小化主结构振动幅值的最大值或有效值。然而机床加工中发生的颤振是一种特殊的自激振动;对车削而言,无颤振的临界切深仅由刀具-工件相对频响函数的负实部决定。通过应用多重阻尼器于机械加工中再生颤振的抑制,研究以获取最大稳定无颤振切深为目的阻尼器设计优化路线。在建立多重阻尼器抑制主结构目标函数,即最大化刀尖频响函数负实部最小值的基础上,构造minimax方法对多重阻尼器的刚度及阻尼进行优化。以抑制车床夹具某一主模态为例,结合实验模态分析,采用该方法调制阻尼器,并和以往的优化方法进行对比。切削实验表明,该优化方法能进一步提升多重阻尼器的颤振抑制性能;相对H∞优化方法,该方法可提高无颤振临界切深52%。

摘要：以汽车引擎罩外板为例,运用Abaqus有限元分析软件建立铝合金汽车覆盖件快速超塑成形的有限元模型。通过对引擎罩外板进行快速超塑成形仿真分析,确定了成形工艺条件,为实际生产提供工艺指导,以减少模具设计和实际生产工艺的盲目性。

摘要：为解决污水处理过程控制中能耗过高、出水水质差的问题,提出一种基于自适应免疫优化(AIOIC)的智能控制系统。设计分层控制策略,采用基于奇异值分解的快速在线自组织模糊神经网络(SVDFNN)构建污水处理能耗和出水水质模型。采用自适应混合免疫优化算法,获得最佳的溶解氧和硝态氮设定值。利用底层的自组织递归模糊神经网络控制器跟踪该优化设定值。结果表明:所提出的免疫优化智能控制策略不仅能满足出水水质标准,而且能显著降低污水处理能耗。

摘要：根据人行通道的智能化控制与管理的要求,采用高性能的STM32处理器设计了一套通道管理与控制系统,实现了人员流动有效地管理。详细叙述了设计原理和软硬件实现方案。实际应用表明,该系统硬件结构简单,工作可靠,成本低廉。

摘要：电力电子变压器集成变流器系统应用于轨道交通车辆,其输入直接连接牵引网,输出连接牵引电机和辅助供电负载,能量双向流动,单位功率因数运行。该文首先分析单相单级PWM整流控制策略,给出在旋转坐标系下的PI控制器参数设计方法,并将该单级整流控制策略应用于52级级联单相AC/DC变换器;然后仿真分析中间级高频隔离CLLC谐振变换器启动瞬态过程;最后分析三相级联DC/AC输出电压THD特性。结果表明,该系统输入电流总谐波畸变率(THD)低于1%,功率因数大于0.99,输出电压THD低于3.50%。

摘要：围绕非线性系统的建模问题,提出了一种基于改进型深度学习的非线性建模方法.首先,设计了基于高斯径向基函数的深度信念网络训练模型;其次,利用对比分歧算法对径向基函数的权值、中心和宽度进行调整,并利用反向传播对网络连接权值进行优化;最后,将获得的改进型深度学习方法应用于非线性系统建模.实验结果验证了该算法的有效性和可行性.