基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.     

一种新的多渐消因子容积卡尔曼滤波

将强跟踪思想引入容积卡尔曼滤波（cubature Kalman filter，CKF），建立强跟踪CKF能有效克服CKF在模型不确定、状态突变等情况下，滤波性能下降的问题。通过分析现有多渐消因子计算方法，发现它们均只利用了协方差矩阵的对角线元素，并没有考虑各个状态之间的相关性，不能充分发挥多渐消因子的优势。为此，本文提出渐消因子矩阵，基于正交原理推导渐消因子矩阵的求解方法，提出多渐消因子强跟踪CKF算法。多渐消因子强跟踪CKF算法突破了传统多渐消因子为向量的限制，也不再要求渐消因子取值要大于1。仿真验证了算法具有更好的滤波精度何鲁棒性，能更好的满足工程应用的要求。     

基于移动互联网的办公自动化系统设计

移动互联网办公系统是企业信息化办公的发展方向。文中对企业办公自动化系统的需求进行了详细分析。在此基础上,设计了基于移动互联网的企业办公自动化系统,论证了系统的总体架构、软件架构和网络架构,并基于集成开发环境实现了系统。测试结果表明,该系统能够有效实现企业的办公自动化功能,压力测试和鲁棒性测试均达到了企业的实际使用需求。     

具有光照鲁棒的图像匹配方法

针对现有的基于局部特征的图像匹配算法对光照变化敏感、匹配正确率低等问题，提出一种具有光照鲁棒性的图像匹配算法。首先使用实时对比保留去色（RTCP）算法灰度化图像，然后利用对比拉伸函数模拟不同光照变换对图像的影响从而提取抗光照变换特征点，最后采用局部强度顺序模式建立特征点描述符，根据待匹配图像局部特征点描述符的欧氏距离判断是否为成对匹配点。在公开数据集上，所提算法与尺度不变特征变换（SIFT）算法、加速鲁棒特征（SURF）算法、"风"（KAZE）算法和ORB算法在匹配速度和匹配正确率上进行了对比实验。实验结果表明：随着图像亮度差异的增加，SIFT算法、SURF算法、"风"（KAZE）算法和ORB算法匹配正确率下降迅速，所提算法下降缓慢并且正确率均高于80%；所提算法特征点检测较慢和描述符维数较高，平均耗时为23.47 s，匹配速度不及另外四种算法，但匹配质量却远超过它们。对实时性要求不高的系统中，所提算法可以克服光照变化对图像匹配造成的影响。     

增益模糊修正和自适应律

本文给出了一种兼顾系统鲁棒性和暂态特性的自适应律，我们称之为增益模糊修正自适应律，分析及仿真表明，它除保持了死区修正方案相对于有界扰动的鲁棒性之外，又克服了死区修正方案及原始的积分式自适应律方案暂态品质差的问题，尤其是对一类严重欠阻尼的二阶对象，与死区修正适应方案或积分式自适应方案相比，它显著地提高了系统的暂态品质。     

工业过程随机稳态优化控制算法的鲁棒性分析

本文给出了一种随机稳态优化算法的灵敏度分析，讨论算法解对参数变化的关系。这些参数代表系统结构参数或噪声向量的某些数字特征．     

基于混沌映射的鲁棒性图像水印算法

本文提出一种基于混沌映射的强鲁棒性数字图像水印算法,首先用一混沌动态系统对水印信息进行预处理,而后将其扩频调制在图像空间域,并且使水印嵌入强度自适应于图像;通过预置已知模板和嵌入多块水印可实现水印检测位置的几何校准.实验结果表明,采用该算法实现的水印对常见的图像处理和几何变换具有很好的鲁棒性.     

LQG/H∞控制设计:动态反馈控制

本文讨论了综合LQG与H∞优化的控制器设计问题.这个反馈控制器是在满足某个给 定传递函数矩阵的H∞范数约束条件下,使得系统的给定的二次性能指标达到最小的控制器.     

广义系统一类鲁棒观测器的设计

本文讨论了用观测器消除广义系统中由于模型误差、非线性因素、参数不确定及输入输 出噪声产生的量测误差的可能性,给出了这类鲁棒观测器的存在条件,得到了相应的算法.