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.     

基于改进型模糊线性自抗扰控制器的SCR脱硝系统优化控制

提出了一种改进型模糊线性自抗扰控制器(Fuzzy-MLADRC),该控制器采用高阶惯性环节对对象的大迟延特性进行补偿,并采用模糊规则对控制器参数进行调整.在选择性催化还原(SCR)脱硝系统中对Fuzzy-MLADRC进行了仿真研究,并将其与多种控制器的调节性能进行比较.结果 表明:对于大惯性、大迟延对象,Fuzzy-MLADRC的设定值追踪能力更强;在模型发生失配的情况下,Fuzzy-MLADRC相较于其他控制器具有更好的鲁棒性.     

一种半监督对抗鲁棒模型无关元学习方法

元学习期望训练所得的元模型在学习到的“元知识”基础上利用来自新任务的少量标注样本，仅通过较少的梯度下降步骤微调模型就能够快速适应该任务。但是，由于缺乏训练样本，元学习算法在元训练期间对现有任务过度训练时所得的分类器决策边界不够准确，不合理的决策边界使得元模型更容易受到微小对抗扰动的影响，导致元模型在新任务上的鲁棒性能降低。提出一种半监督对抗鲁棒模型无关元学习（semi-ARMAML）方法，在目标函数中分别引入半监督的对抗鲁棒正则项和基于信息熵的任务无偏正则项，以此优化决策边界，其中对抗鲁棒正则项的计算允许未标注样本包含未见过类样本，从而使得元模型能更好地适应真实应用场景，降低对输入扰动的敏感性，提高对抗鲁棒性。实验结果表明，相比ADML、R-MAML-TRADES等当下主流的对抗元学习方法，semi-ARMAML方法在干净样本上准确率较高，在MiniImageNet数据集的5-way 1-shot与5-way 5-shot任务上对抗鲁棒性能分别约提升1.8%和2.7%，在CIFAR-FS数据集上分别约提升5.2%和8.1%。     

无人机巡检系统自主导航定位技术研究

该系统研究小型旋翼无人机巡检系统自主导航定位,并结合电力巡检的实际环境,设计高精度、智能化、高鲁棒性自主导航系统。通过多传感器精细滤波算法以及高效融合算法提高导航系统精度,通过神经网络等智能化工具以及复杂系统分层调度思想,从而实现导航系统智能化,通过分级滤波构架,提高系统的鲁棒性。     

区间不连续动力系统的鲁棒稳定性

对区间不连续动力系统的鲁棒稳定性进行了研究．引进了区间不连续动力系统鲁棒稳定和区间矩阵稳定的定义，用定性分析方法给出了区间不连续动力系统及区间不连续大系统鲁棒稳定和区间矩阵及具分解的区间矩阵稳定的判据．并给出了数值例子说明结论的有效性．参27．     

饱和嵌入维数确定最大Lyapunov指数的准则探讨

基于对大量砂岩试样裂隙系统的MTS全应力–应变时间序列的非线性动力学分析,构造单位阶跃函数并引入到最大Lyapunov指数LE1的判别模型中,建立了确定LE1的新准则。新准则充分考虑LE1-m关系中普遍存在的阶跃现象,更符合确定LE1的理论条件。新准则确定的LE1与传统准则的解释结果比较,偏离幅度巨大,使得对系统稳定性程度的混沌判别结果迥异,并且LE1的正负号会因此改变,导致对系统所处状态的定性评价不同。研究成果在一定程度上克服了传统准则确定LE1鲁棒性较差的缺陷,对混沌动力学基础研究具有一定的理论意义。     

变频空调系统应用神经元PID控制的仿真研究

建立了神经元PID控制算法模块，对变频空调系统模型进行了仿真。结果表明，神经元PID控制较常规PID控制具有更好的鲁棒性，更适合用于变频空调系统的控制中。     

散粒体的自组织临界性与非均匀介质的元胞自动机模型

目前,普遍认为自组织临界性的发生与尺度效应和组织原则有关。尺度效应以各国开展的沙堆试验为基础,而组织原则未见有人讨论。首先,进行了不同级配的散粒体沙坡试验,发现散粒体自组织临界性与粒径的非均匀系数有关。随着非均匀系数的逐渐增大,散粒体呈现出不同的试验现象和统计结果,并且散粒体系统的动力行为由准周期到自组织临界性再到准周期进行演化。其次,设计了能够描述非均匀介质和体现非均匀系数的元胞自动机模型,即引入由于摩擦力造成的能量损耗作为表征沙粒表面不同粗糙度的物理量。通过调整能量损耗和半径的取值,可以进行不同非均匀系数、不同规模的元胞自动机数值模拟,其统计结果与真实散粒体沙堆试验相类似。通过沙堆试验和计算机模拟,发现组织原则与系统的鲁棒性和敏感性是否达到平衡有关。只有当非均匀散粒体维持整体的鲁棒性和敏感性的平衡时,才可能突破尺度局限,使大尺度的系统仍呈现自组织临界性;但当非均匀系数继续增大,使系统的鲁棒性占优,而敏感性消失或减弱,两者的平衡被破坏时,非均匀散粒体仍不能呈现自组织临界性现象。因此系统的鲁棒性和敏感性达到平衡是系统呈现自组织临界性现象的必要条件之一。     

基于Elman网络的传递对准容错联合滤波器设计与仿真

针对用于快速传递对准的Kalman滤波器阶数高,计算量大,滤波更新率低,鲁棒性差及对准精度不高等问题,采用联合强跟踪Kalman滤波器进行快速传递对准。提出一种基于模糊加权系数的误差方差阵估计方法,以提高传统强跟踪Kalman滤波算法的精度。在此基础上,设计了联合强跟踪Kalman滤波器的结构和算法。基于提高无故障子滤波器的鲁棒性来提高联合滤波器的快速重构能力考虑,同时兼顾子滤波器的精度和计算稳定性,提出利用改进的Elman网络进行信息分配系数的自适应调节,以实现融合信息在各子系统中的自适应分配。仿真结果表明,该滤波器不仅提高了解算速度,而且提高了系统对准精度、故障鲁棒性和快速重构能力。