一种基于迟滞编码的自动语音端点检测方法

端点检测在语音识别中占有十分重要的地位，端点检测的准确性将直接影响整十语音识别系统的性能。已往的自动端点检测方绝大多数都是利用帧平均能量EN，帧平均跨零数ZN，帧平均跨零积A和帧平均零比B等参敦来确定语音段的始点和终点。这些方法的缺点是难以设置对各次实验都合适的固定阈值，这给实际应用带来了很多不便。本文提出了一种基于迟滞编码的自动端点检测方法——在对语音信号进行迟滞编码的基础上，利用各杖的码字和来判斯语音段的起点和终点。该方法充分利用了噪声和信号的统计特性，克服了已往端点检测方法的不足。实验结果表明．该方法具有良好的性能。     

一类迟滞模型的动态滑模跟踪控制器设计

针对一种典型的动态迟滞模型。提出一种基于动态滑模原理的跟踪控制器．通过构造辅助的滑模变量来实现动态滑模控制的两阶段收敛．在保证系统状态有限时间收敛的前提下．求取了滑模控制量．并给出了控制器参数所满足的条件．仿真实验表明。该滑模迟滞补偿器能有效地补偿压电陶瓷等对象所表现出的迟滞特性．     

振动系统中磁流变流体阻尼模型的研究

研究了磁流体的阻尼力特性,提出了基于粘性阻尼和回滞阻尼组成的迟滞阻尼力模型,进行了磁流变阻尼器阻尼力的响应谱分析,并用Newmark数值积分方法分析了带有磁流变流体阻尼器梁结构的多自由度振动系统在不同磁场强度和激励频率作用下的位移响应.结果表明:迟滞阻尼力模型能够很好地描述磁流体阻尼器的力学性能,而且形式简单,概念明确,适合实际应用.     

迟滞非线性系统的神经网络建模

提出了一种利用神经网络对迟滞非线性系统的建模方法。网络分三层结构,隐层神经元的激励函数采用两个移位的Sigmoid函数组成的迟滞环构成,根据非线性系统的特点,给出了网络结构的确定方法。网络的学习算法采用传统的梯度下降学习算法。利用该网络对压电陶瓷迟滞特性进行了建模实验,实验结果证明了该方法的有效性。     

压电陶瓷执行器Preisach模型的分类排序实现

通过实验研究了压电陶瓷执行器迟滞的擦除特性和一致特性,提出了一种新的分类排序实现方法,改善了经典Preisach模型在非单调极值输入信号下描述迟滞输入输出特性的能力,消除了传统Preisach模型实现形式对输入信号的限制条件。实验表明,这种Preisach模型分类排序实现方法能有效地预测压电陶瓷执行器的位移,提高了迟滞建模精度。     

飞秒激光辐照纳米金膜的导热机制研究

从金属薄膜材料的光热参数的热物性出发,利用具有人工黏滞的、自适应时间步长的前向差分算法,求解了电子和声子双温双曲两步热传导模型下的能量耦合方程,讨论了在100fs脉冲激光辐照下50nm金膜传热过程的微观机制.结果表明:电子热导率在传热过程中变化相对较大,采用常温下的值会高估其作用.热流迟滞项的引入使得电子热流出现双峰.在不同的激光强度下,电子热流的能量分布出现不同,但在电子温度梯度急剧增大的很短时间内热流变化不大.     

率相关超磁致伸缩作动器的建模与H∞鲁棒控制

超磁致伸缩作动器(GMA)的率相关迟滞非线性成为其在工程应用中的一大阻碍因素.文中通过使用特殊的建模激励信号,基于最小二乘支持向量机(LS-SVM)建立了一定频率范围内的一个统一率相关Hammerstein-like迟滞非线性模型,该模型能够保证其建模频率范围内单频和复合频率的模型泛化性.在此模型基础上,设计了针对一定频率范围内输入信号的H∞鲁棒跟踪控制器,针对该频率范围内的所有单频和复合频率的输入信号,该控制器都能够保证其跟踪控制效果,最后通过实验实时跟踪控制结果来进一步验证了所设计控制器的有效性.     

可视音乐治疗对发育迟滞患儿语言康复的价值分析

目的:探讨可视音乐治疗在发育迟滞患儿语言康复方面的应用价值。方法:选取在2017年5月到2019年5月间到我院进行治疗的发育迟滞患儿共87例,并采用随机机选法将患儿分为研究组(44例)和对照组(43例),并在对照组应用语言认知综合训练,而研究组则在语言认知综合训练的基础上加以可视音乐治疗。两组治疗疗程相同,而后对两组患者语言发育商(DQ)、发育月龄(DA)和治疗有效率进行观察,以此明确可视音乐治疗对患儿语言能力的影响。结果:在对两组患者相关指标进行对比后,发现研究组的治疗有效率要显著高于对照组的治疗有效率(P<0.05),同时治疗后研究组患儿的DQ、DA也要显著优于对照组患儿的平均水平。结论:由此可见,为发育迟滞患儿提供可视音乐治疗能够有效改善患者的发育情况和语言功能,该治疗方式的实用性与可操作性较高,具备较高的应用价值。     

神经网络分数阶PI~μD~λ在压电叠堆控制中的应用

为了克服压电叠堆的迟滞特性,实现压电叠堆的精确控制,建立了压电叠堆控制系统,研究了该系统所用到的神经网络、分数阶微积分等算法。首先,搭建了采集压电叠堆位移数据的硬件系统,并对含有噪声的位移数据进行了滤波处理;利用径向基函数(RBF)神经网络对压电叠堆建模,得到了模型参数。然后,利用RBF神经网络建模得到的Jacobain信息来整定分数阶PI~μD~λ控制器中的参数对压电叠堆进行控制。最后,与RBF整数阶PID对压电叠堆的控制效果进行了对比。结果显示:RBF建模误差仅为位移实测数据的0.22%,RBF神经网络分数阶PIμDλ控制系统输出稳定,很好地跟随了给定。得到的结果表明RBF神经网络分数阶PI~μD~λ控制器控制性能良好,在压电叠堆的控制中比RBF整数阶PID控制器表现得更加稳定、精确。     

基于梯形算子的AFM驱动器非对称迟滞性校正

原子力显微镜(AFM)通常采用压电陶瓷(PZT)作为驱动器以实现纳米尺度的观测和操作。然而,PZT自身的迟滞非线性会对AFM观测质量和操作精度产生很大影响。基于Prandtl-Ishlinskii(PI)模型的前馈控制方法可对PZT的迟滞非线性进行补偿,但传统PI模型无法消除PZT的非对称迟滞性的影响。针对这个问题,提出一种基于梯形算子的非对称迟滞模型,并可用系统辨识方法获取逆模型参数,该方法可有效实现具有非对称迟滞特性驱动器的前馈补偿控制。AFM系统实验证明,该模型可有效减小非对称迟滞性导致的建模误差,基于该模型的前馈迟滞补偿控制可有效提高AFM的扫描成像质量。