基于PLC的工业锅炉给水智能模糊控制系统的设计

文中详细介绍了基于微处理器MCF5272和PLC的工业锅炉给水系统的设计,通过硬件平台和应用软件的整合实现,结合WISMO2C无线通信模块,使其广泛应用于中小型企业的工业锅炉的给水控制系统的建设中。     

基于最优控制的主动悬架控制器设计

通过建立1／4车辆模型动力学方程,应用最优控制理论进行车辆主动悬架LQG与PID控制器的设计,并在Matlab／Simulink环境中建立系统模型并进行仿真．将主动悬架与被动悬架的车身加速度、悬架动行程、轮胎动载荷3项指标进行了对比分析．仿真结果表明,具有LQG与PID控制器的主动悬架对车辆的振动舒适性的改善有良好的效果．     

TECS|H_∞控制在无人机纵向着舰中的应用研究

针对无人机纵向自动着舰,运用总能量控制(TECS)的思想建立了无人机纵向自动着舰系统,设计了H∞输出反馈控制器。为了实现对移动目标的跟踪,引入了一种新的着舰导引控制算法,通过对所设计的先锋无人机的纵向自动着舰导引系统仿真表明,通过升降舵和油门的协调控制,实现了速度和航迹的解耦控制,且该设计能满足着舰要求,能有效地抑制舰尾流干扰的影响,具有良好的鲁棒性能。     

结构振动噪声的H∞反馈力控制研究

基于H∞控制理论,采用次级力作为执行器,应用反馈控制来抑制结构振动噪声,建立了结构振动声辐射反馈力控制模型,引入了性能加权函数,得到了广义系统模型,将反馈控制器设计问题转化为标准H∞控制问题求解.同常用的自适应滤波前馈控制相比,这种方案不需要用参考信号、不存在声反馈问题.封闭空间结构振动声耦合反馈力控制仿真结果表明:通过合理选择性能加权函数,噪声可以在指定频带得到良好的控制,最大噪声峰值近20 dB(A).     

结构半主动变阻尼器地震反应控制数值模拟

针对半主动变阻尼器地震作用下多层建筑结构基于支持向量机（SVM）的半主动控制算法,选用四条地震波即El-Centro波、Hachinohe波、Kobe波以及上海人工波,并将峰值地面加速度均调幅至0.1gal.结果表明：总体上基于SVM半主动变阻尼器能够提高对结构层间位移和速度的控制效果;特别,消除了受控结构局部加速度放大现象.     

柴油机电控蓄压式喷油系统的开发与应用

开发和应用电控蓄压式喷油系统。采用蓄压式泵－喷嘴系统及高速电磁阀来实现燃油增压过程和燃油喷射过程;采用电液比例溢流阀实现共轨燃油压力的调节过程;确定喷油量、喷油压力和喷油定时的电控实现途径;开发实验监控系统以满足喷油系统与柴油机匹配的需要。实现了喷油量、喷油压力和喷油始点的柔性（电子）控制,而且最高喷油压力已达１１３．５ＭＰａ,初步进行了喷油系统与１１５０Ｇ柴油机的匹配实验。在喷油压力与柔性控制方     

多媒体技术在医学教学中的应用

随着计算机技术的高速发展,多媒体技术及研究成果已被应用在很多领域,而在医学教育中更显示出其独有的优越性。多媒体技术使人类接受信息由单纯的数字、文字扩大到文本、图像、图形、音频、动画、视频等,图、文、声效果与计算机的巨大信息存储、控制及处理能力相结合,用户可以根据需要进行交互式控制。基于这一特点,在医学教学中运用多媒体技术可感知的成分如声音、图像、动画、视频、文字表现医学现象、原理等,可以使学生大脑高度兴奋,提高学习兴趣及效果。多媒体教学的特点一提到多媒体教学,大家就会想到图文声像并茂、形象生动直观的效果…     

渤海SZ油田剩余油控制因素及挖潜策略研究

渤海SZ油田经首次加密调整后开发效果大幅提高,但随着油田逐渐进入高含水阶段,剩余油分布日趋复杂,进一步调整和挖潜的难度增大,需要探索新的技术手段和开发策略以实现油田的可持续开发。针对此现状,在三角洲相储层构型理论的指导下,综合利用岩芯、地震、测井等资料,详细刻画了单一成因砂体在垂向及平面的接触关系,并在此基础上分析了储层构型对油水运动的控制作用。结果表明,油田进入高含水期后,层间相带干扰、层内夹层及平面构型单元接触关系是控制剩余油分布的主要因素。为了进一步提高油田开发效果,提出了基于构型单元的层间水平井挖潜策略、基于构型单元的层内水平井挖潜策略、基于构型单元的平面小井距加密策略等,构建了一套海上三角洲相油田综合调整后的剩余油挖潜技术方法,并取得了良好的应用效果。     

建筑工程项目施工中的风险管理及建筑施工企业风险管理措施分析

<正>0概述建筑工程项目施工环境复杂,工期长,露天作业多,建筑物与地质环境关系密切,所面临的不确定因素更多,更复杂,在施工中建筑物处于最薄弱状态,在施工中具有更大的风险。施工风险将对业主和承包商造成直接和间接损失。为此,须加强建筑工程项目施工阶段的风险管理工作,提高风险管理意识,掌握风险识别技术,开展风险评估与分析,及时防范和化解工程风险。     

基于自构建RBF神经网络的内模控制

针对复杂的非线性被控过程,本文提出一种基于自构建RBF神经网络的内模控制方法。该方法中,神经网络的自构建学习算法包括结构学习和参数学习。结构学习采用最近邻聚类法使网络能够自适应地在线增加和删减神经元以达到理想的网络结构。神经网络的参数学习采用梯度下降法。将该神经网络用于内模控制,使得辨识被控远程内部模型和控制器模型的神经网络的神经元个数可以根据激励强度动态改变,进而改善了控制系统的动态性能和鲁棒性。仿真结果表明了所提方法的有效性。