Design of disturbance observer based on adaptive-neural control for large-scale time-delay systems in the presence of actuator fault and unknown dead zone

This article presents an adaptive neural compensation scheme for a class of large-scale time delay nonlinear systems in the presence of unknown dead zone, external disturbances, and actuator faults. In this article, the quadratic Lyapunov–Krasovskii functionals are introduced to tackle the system delays. The unknown functions of the system are estimated by using radial basis function neural networks. Furthermore, a disturbance observer is developed to approximate the external disturbances. The proposed adaptive neural compensation control method is constructed by utilizing a backstepping technique. The boundedness of all the closed-loop signals is guaranteed via Lyapunov analysis and the tracking errors are proved to converge to a small neighborhood of the origin. Simulation results are provided to illustrate the effectiveness of the proposed control approach.     

圆形截面柱的振动台试验及分析

进行了圆柱振动台试验,对模型的加速度反应数据进行获取。试验表明,随着地震的加速度峰值的不断增加,圆柱顶部加速度极值不断增加。柱顶的加速度响应有着增大的趋势,且极值比输入的加速度的极值有一定的放大。     

Effect of obstacle density on the travel time of the visually impaired people

Because China has put more emphasis on people with disabilities, their living conditions and protection have received increasing attention. In an emergency, the visually impaired people are limited in their ability to evacuate, especially along egress paths with obstacles. This paper studied the relationship between the travel time of visually impaired people and obstacle density in their path. Eight sighted people and 32 people with visual impairments were chosen to carry out the walking experiment. The results of the experiment showed that the travel time of sighted people was shorter than that of visually impaired people under the same obstacle and non‐obstacle situations. Based on the analysis of variance of travel time, it was clear from the results that the travel time of the visually impaired people rapidly increased when there were obstacles. When the obstacle density was kept to within a certain range, there was no obvious increase in travel time. Once the density exceeded this range, there was another obvious increase. Based on this result, it can be seen that keeping the obstacle density to within a certain range could be helpful for the visually impaired people during an evacuation when the egress paths cannot be made obstacle‐free.     

基于区块链技术的公益时间银行系统

在现有的时间银行系统中，时间币的发行功能和结算功能完全集中到一个中心节点上。这种极度中心化的功能结构，不仅存在容易发生中心节点单点失效、数据容易被篡改等信息安全问题，还存在着时间币的发行和流通缺乏透明度以及时间币的结算依赖中心化的结算机构等问题。针对这些问题，提出了一种基于区块链技术的解决方法。首先，将时间币的发行功能和结算功能从中心节点上分离出来；然后，利用具有分布式去中心化、集体维护和不可篡改等特性的区块链技术，将分离出来的发行功能逐步去中心化，将分离出来的结算功能去中心化，形成公益时间链（PWTB）；最终，PWTB利用区块链技术以去中心化的方式将时间银行系统由单个节点维护账本变成由集体维护一个分布式的共享账本，使时间币的发行和流通公开透明，时间币的结算不依赖某个中心化的节点。安全分析表明所设计的PWTB能够实现安全的信息传输与存储，以及数据的共享。     

基于滑模的二阶多智能体快速抗扰一致性

针对带有外部未知扰动的二阶多智能体系统的领导—跟随有限时间一致性问题，本文设计出一种带有时变增益的有限时间干扰观测器，用以实现对每个跟随智能体中未知扰动的快速估计，在此基础上，本文结合超螺旋积分滑模控制方法并利用邻居智能体的位置和速度信息设计一种快速抗扰一致性协议，该协议能够保证存在非线性动态的多智能体系统有限时间一致性控制并能抑制抖振现象.同时，利用李亚普诺夫函数进行了稳定性的证明.最后，通过Matlab数值仿真进一步验证了所提出协议的可行性.     

融合时间隐语义填充和子群划分的推荐算法

随着个性化推荐技术的发展，推荐系统面临着越来越多的挑战。传统的推荐算法通常存在数据稀疏性和推荐精度低等问题。针对以上问题，提出了一种融合时间隐语义填充和子群划分的推荐算法[K]-TLFM（Time Based Latent Factor Model Integrated with [k]-means）。该算法利用融合时间因素的隐语义模型对原始用户物品评分矩阵缺失项进行填充，避免了用全局平均值或者用户/物品平均值补全矩阵带来的误差，有效缓解了数据稀疏性问题，同时融合时间因素有效地刻画了用户偏好随时间的变化；完成评分矩阵缺失项填充后，基于二分[k]-means聚类算法将偏好、兴趣特征相似的对象划分到同一个子群中，在目标用户所属的子群中基于选定的协同过滤算法为用户产生推荐列表，提高了推荐效率和准确性。在MovieLens和Netflix数据集上对该算法的推荐性能进行了对比实验，结果表明该算法具有更高的推荐精度。     

载气热提取法测定熔敷金属中扩散氢收集条件的探究

探究了GB/T 3965—2012《熔敷金属中扩散氢测定方法》中载气热提取法收集条件对测定扩散氢含量的影响,并与水银法进行了对比。研究结果表明,样本炉温设定为400℃,A型试块的内部温度大约在51 min时稳定在358℃左右,B型试块内部温度大约在27 min时稳定在391℃左右;载气热提取法电信号曲线收集结束点的电信号及斜率均接近0时获得的结果与水银法具有较好的一致性。     

基于孪生神经网络的时间序列相似性度量

在时间序列分类等数据挖掘工作中，不同数据集基于类别的相似性表现有明显不同，因此一个合理有效的相似性度量对数据挖掘非常关键。传统的欧氏距离、余弦距离和动态时间弯曲等方法仅针对数据自身进行相似度公式计算，忽略了不同数据集所包含的知识标注对于相似性度量的影响。为了解决这一问题，提出基于孪生神经网络（SNN）的时间序列相似性度量学习方法。该方法从样例标签的监督信息中学习数据之间的邻域关系，建立时间序列之间的高效距离度量。在UCR提供的时间序列数据集上进行的相似性度量和验证性分类实验的结果表明，与ED/DTW-1NN相比SNN在分类质量总体上有明显的提升。虽然基于动态时间弯曲（DTW）的1近邻（1NN）分类方法在部分数据上表现优于基于SNN的1NN分类方法，但在分类过程的相似度计算复杂度和速度上SNN优于DTW。可见所提方法能明显提高分类数据集相似性的度量效率，在高维、复杂的时间序列的数据分类上有不错的表现。     

基于堆叠深度卷积沙漏网络的步态识别

提出了一种基于堆叠深度卷积沙漏网络的步态识别方法。为了解决人体建模中关节点准确定位的问题，采用基于深度卷积的沙漏网络来提取步态图上的关节点坐标，并计算肘关节与膝关节的角度作为运动特征。为了解决行走速度变化带来的影响，采用动态时间规整（Dynamic Time Warping）对特征序列进行距离计算。通过最近邻分类器对结果进行准确分类。该方法在公共CASIA-B数据集与TUM-GAID数据集上进行了验证并与其他方法进行比较，结果表明该方法有较高的识别率。     

基于过程免疫力的动态电压恢复器优化配置

优质电力园区以最低成本满足用户对电能质量的特殊需求,成为解决电压暂降问题的新途径,已在国内外开展了广泛的试点应用。针对中国优质电力园区规划缺少经济高效的优化配置方法的实际情况,提出了一种基于过程免疫力的动态电压恢复器优化配置方法。基于工业过程电压暂降免疫力,以满足用户用电需求为目标,以治理设备购置费用最低为约束,采用遗传算法对园区供电质量分级制定动态电压恢复器的优化配置方案,实现工业园区电压暂降治理的经济性。对大型精密温控系统的电压暂降治理装置的优化配置方法进行仿真计算,验证了所提方法的有效性与经济性。