机器人系统有限时间自适应迭代学习控制

研究任意初态下，机器人系统的有限时间自适应迭代学习控制方法。引入初始修正吸引子的概念，构造一个含有初始修正项的误差变量。针对定常机器人系统和时变机器人系统，采用Lyapunov-like方法，分别设计迭代学习控制器处理系统中不确定性。并且，采用未含/含限幅学习机制，保证闭环系统各变量的一致有界性和误差变量在整个作业区间一致收敛性。藉以实现跟踪误差在预先指定区间的完全跟踪。仿真结果验证所设计控制方法的有效性。     

面向智能客服系统的情感分析技术

该文以阿里小蜜为例,对智能客服系统中的情感分析技术进行比较全面的介绍,包括情感分析算法模型的原理及其在智能客服系统的多个应用场景中的实际落地使用方式和效果分析。智能客服在解决客户高频业务问题的同时,也需要给客户提供多维度的、具有类人能力的助理、导购、语聊和娱乐等服务,提高客户对智能客服机器人的整体满意度。在此过程中,情感分析技术在机器人类人能力建设中起到了至关重要的作用。该文围绕智能客服系统中人机结合的服务形式,从六个维度总结和介绍了情感分析技术在智能客服系统中的应用场景,包括用户情感检测、用户情感安抚、情感生成式语聊、客服服务质检、会话满意度预估和智能人工入口。     

视频侦查中人像智能分析应用及算法优化

人像智能分析指的是对视频或录像中的人像进行结构化和可视化分析,对目标人物进行性别、年龄、发型等特征的智能识别,这项技术在视频侦查中有极高的应用价值。人像识别早期的算法是通过人工提取特征,通过学习低级视觉特征来针对不同属性进行分类学习,这种基于传统方法的模型表现常常不尽如人意。在计算机视觉领域,通过海量图像数据学习的神经网络比传统方法有更丰富的信息量和特征可以被提取。文章尝试通过深度学习技术训练神经网络模型对行人进行检测和识别,对于衣着不同的行人进行智能识别,具有更好的鲁棒性,提升了视频人像识别的准确率,拓展了人工智能技术在身份识别领域的应用。     

基于负荷增长不确定性方法的网架负载能力评估

为了更准确地评估负荷的不确定增长对网架负载能力带来的影响,将所研究电网按经济发展水平划分为4个区域,然后采用蒙特卡洛法对经济发展水平不同区域的负荷进行抽样;分析了每个区域的负荷增长率,得到不同的负荷增长方式,从而对网架负载裕度进行评估;通过引入线路负载率约束,使得规划后的网架能够应对未来小幅度、短时间的不确定性的负荷波动;最后以某省为例对500 kV线路与主变进行最大负载率的计算得到具有最大负载率的500 kV线路与主变。计算结果表明与传统分析方法相比,所述方法能够更加精确地对网架负载能力进行评估。     

超精密气体静压系统节流器法向随机微振动研究

以无气腔平面节流器为研究对象,对节流器流固耦合法向随机微振动进行了理论仿真和实验研究。受限于节流器厚度与气膜厚度尺寸的差异和输入初始边界条件,建立了节流器的COMSOL仿真简化模型,对节流器-气膜微流场进行双向流固耦合数值模拟。仿真结果表明,节流器的法向随机微振动幅值关于节流器中心对称,且由中心向边缘逐渐增大;微振动幅值随气体入口流速的增大而增大。实验采用纳米级激光测振仪,依次测量供气压力为0.1,0.2,…,0.5 MPa时尺寸为75 mm×50 mm×14 mm的HEXAGON双环联结型节流器多个不同位置的法向振动,实验结果表明,法向随机微振动幅值分布特性与仿真结果一致,关于节流器中心对称,且由中心向边缘逐渐增大,验证了节流器法向微振动的"跷跷板"振动形式;在0.5 MPa供气压力下,边缘振动幅值超过1 nm。对实验数据进行功率谱密度分析,结果表明不同供气压力下法向随机微振动均在9.4 kHz和10.6 kHz处产生较大功率,可认为与节流器-气膜流固耦合系统的固有频率有关。研究结果有效地揭示了节流器法向随机微振动的特性,为气体静压系统避开随机共振区、优化气体静压系统的设计提供了理论指导。