近年来,随着数字信号处理器和先进控制理论的发展,模型预测控制得到越来越多的关注和应用。针对数控机床用永磁同步电机常规单矢量模型预测直接电流控制方法存在电流谐波较大的问题,基于两电平电压源逆变器的基本电压矢量构造了6个虚拟电压矢量,并基于所构造的虚拟矢量建立了扩展电压矢量集。然后,设计了一种基于扩展电压矢量集的永磁同步电机预测电流控制方法。与常规的单矢量法相比,所提方法可明显降低电流的谐波,改善永磁同步电机的稳态控制性能。仿真和实验结果均验证了该方法的有效性,能够为同步电机在数控机床或相近的应用场合提供较好的理论支撑。

建立正确的A-C型五轴联动机床的WCS（工件坐标）和MCS（机床坐标）之间的矩阵转换关系，从而得出刀轴矢量和机床两个转轴的转角之间的映射方程，对于理解机床运动和CAM系统是至关重要的。由于旋转轴运动及CNC的平动轴线性插补、旋转轴跟随插补，导致五轴铣削过程会不可避免地产生非线性误差，详细分析了非线性误差产生的原因，舍弃线性插补而采用刀轴矢量平面插补，通过机床的逆运动学方程计算刀位的插补点和新的插补矢量，经CAM后处理系统转换成NC数控程序。最后给出一个实例进行分析和MATLAB仿真，验证了运动学推论和减小非线性误差策略的正确性。

电力变压器是是电力系统的核心设备。为预防并降低电力变压器发生故障概率，设计了小波神经网络对电力变压器进行故障诊断。为提高迭代计算速度及计算精度，提出一种基于自适应修正因子的模型优化方法，通过自适应修正因子可以忽略模型中的局部极值，进而消除微小变化特性，排除杂波干扰。基于自适应修正因子设计变压器故障诊断小波神经网络模型训练方法，从而提高迭代计算效率及精度。通过与传统的神经网络模型及粒子群小波神经网络的故障分析结果及误差对比分析，验证所设计的电力变压器故障诊断模型具有较高的可用性。研究结果为电力变压器故障诊断分析提供理论基础。

针对三维桥式吊车的防摇摆控制,基于径向基函数神经网络（Radial Basis Function,RBF）研究了一种自适应防摇摆控制算法。在神经网络控制中,如果持续激励（Persistent Excitation,PE）条件得不到满足,便不能保证权值收敛,执行相同的控制任务时,仍需对神经网络进行重复训练。所设计的自适应神经网络控制器不仅能够快速精确地定位负载,并能有效抑制吊车系统的摆动;同时在对于周期或回归轨迹的跟踪中,系统中信号的一致有界得到了证明,在稳定控制中实现了部分权值的收敛以及未知闭环动态的局部准确逼近,即确定学习。最后,通过仿真验证了所设计控制器的正确性和有效性,为桥式吊车系统的防摇摆控制提供了新的控制算法。

在AutoCAD中使用LISP语言二次开发对配电变压器铁心剖面图的参数化设计,通过传入的铁心片宽表与叠厚表数据,程序自动选择绘图比例与图幅大小,并完成铁心剖面图的自动绘制与标注.该工具实现了制图的自动化,提高了机械制图的绘图效率,具有较好的实际使用价值和推广意义.

利用AutoLISP和OpenDCL开发了任意斜切圆筒钣金展开图参数化绘图设计程序。参数输入界面友好直观,操作方便。考虑实际加工放样要求,增加了展开图放样基准尺寸标注功能。AutoCAD虽功能强大,但直接使用AutoCAD的命令绘图,效率低、操作繁琐。CAD二次开发是CAD应用取得实效的关键环节,可以快速有效地完成特定对象的设计图纸。