堤防干密度及含水率控制的几个关键环节

位于龙江县境内的嫩江38 km的堤防工程,历经近年的多次洪水期考验,特别是2005年绰尔河1 700 m3/s、雅鲁河840 m3/s,罕达罕河1 500 m3/s的洪峰流量的考验,其工程质量过硬.归其原因得益于施工中对干密度及含水率几个关键性环节的控制.     

基于6-DOF解耦操作臂的空间遥操作控制及运动学分析

针对由6-DOF解耦操作臂及其末端手爪组成的操作臂系统,设计了符合工程实际的遥操作控制策略,并提出了一种简单的运动学解算方法.采用Motoman工业操作臂,对提出的方法进行了实验验证.实验结果证明了所提方法的可行性.     

基于多目标动态规划的多跑道进港排序

随着航空运输的高速增长,航班延误日益严重,而对飞机进行进港排序和跑道调度能有效提高机场吞吐量、减少飞机燃油花费,从而减轻航班延误,提升经济效益.由于大量飞机的多跑道进港优化调度问题是一个非确定型多项式完全(NP-C)问题,该问题一直没有得到有效解决.本文针对已有的基于位置交换束缚的单跑道动态规划算法运算量大、运算效率低的不足,采用优化解空间的措施并运用贪心策略,同时将其推广到双跑道调度,从而解决大量飞机的双跑道、多目标进港排序优化问题.大量仿真实验表明,该算法复杂度与飞机数量呈近似线性关系,能在较短时间内对吞吐量和降落花费同时实现优化.     

网络控制系统的发展现状及展望

探讨了网络控制系统存在的基本问题, 介绍了网络控制系统的代表性应用实例, 并从控制理论研究、网络调度协议研究以及兼顾二者的综合研究3个方面重点综述了网络控制系统的研究成果. 最后, 讨论并指出了这一领域下一步的发展方向和有待解决的新课题.     

基于模糊逻辑的弹性飞机机动载荷主动控制

为减小多操纵面无尾飞翼飞机的机动载荷,建立了机动载荷控制问题的多变量优化问题数学模型,并采用分布估计算法进行求解,得到不同马赫数条件下各操纵面的控制分配系数.在此基础上,运用T-S模糊理论对控制分配系数进行模糊合成,得到了模糊控制分配系数,从而无需重新设计即可实现全包线范围内的鲁棒机动载荷控制.仿真实验结果表明,采用基于模糊逻辑的机动载荷控制方案可使机动飞行时翼根弯矩增量的峰值减小率高达80％以上.     

多尺度核方法的自适应序列学习及应用

多尺度核方法是当前核机器学习领域的一个热点。通常多尺度核的学习在多核处理时存在诸如多核平均组合、迭代学习时间长、经验选择合成系数等弊端。文中基于核目标度量规则,提出一种多尺度核方法的自适应序列学习算法,实现多核加权系数的自动快速求取。实验表明,该方法在回归精度、分类正确率方面比单核支持向量机方法结果更优,函数拟合与分类稳定性更强,证明该算法具有普遍适用性。     

Relief算法在笔迹识别中的应用

Relief及其扩展算法是基于最大化假设间隔的特征选择算法,能够快速进行高维度的特征选择。该文围绕汉字笔迹识别,探讨了多类别、样本数量偏差情况对算法过程的影响。文中提出了一种有效应对数量偏差的算法过程,并成功运用于约简高维的笔迹特征。实验表明,改进后的算法不仅节约了处理时间,也进一步改进了特征选择的有效性。     

自适应模糊奇异摄动控制在航天器中的应用

带挠性附件航天器可以用含小摄动参数的多时标非线性系统进行描述,而目前的控制方法大多针对多时标线性系统,要求模型精确已知.为解决存在不确定性的带挠性附件航天器的跟踪问题,提出一种基于模糊奇异摄动模型的自适应控制器,采用鲁棒控制和自适应控制理论相结合的方法进行设计,由反馈项、自适应项和鲁棒控制项组成,反馈项的增益采用线性矩阵不等式(LMI)方法求解,自适应项用于减小系统的跟踪误差,鲁棒项用于保证系统的闭环稳定性.稳定性证明采用Lyapunov合成方法完成.该控制器适用于模型带有不确定性的多时标非线性系统的跟踪控制.由于采用了自适应方法消除系统不确定性,能够减少鲁棒控制方法带来的保守性.在带挠性附件航天器的跟踪控制中的应用验证了其有效性.     

TVMT:基于TVM的高性能神经网络训练编译器

随着深度学习应用的快速发展,神经网络模型的参数量变得越来越大,这意味着训练一个可用的神经网络模型需要更多的算力和更长的计算时间,因此如何提升神经网络训练的效率至关重要.然而训练效率在很大程度上取决于硬件后端和编译器.为了提升神经网络训练的性能,编译器的效率亟待提升,而这主要取决于计算图的优化、算子级别的优化和代码生成.主流的神经网络训练框架(如TensorFlow, PyTorch)使用了供应商特定的、通过手工设计算子获得的算子库.然而,手工设计算子浪费了大量的算子级别的优化空间,因此研究人员提出了TVM.作为一个端到端的编译器, TVM实现了算子级的自动优化,比现有框架进一步提高了性能.此外, TVM支持从多种神经网络框架中导入神经网络模型,并在不同主流硬件后端上部署.然而, TVM的注意力集中于提升神经网络推理任务的性能,并不支持神经网络的训练.本文提出了TVMT,第一个基于TVM、支持神经网络训练的端到端编译器.为了支持神经网络训练,本文提出了以下方法.(1)合并损失函数到现有的计算图中,以支持前向和后向传播;(2)在训练过程中采用设备到主机的机制来更新权重参数;(3)集成了最先...     

面向军事栅格的构件集成网络体系结构

文章提出了一种面向军事栅格的构件集成网络体系结构,它摒弃了传统的分层式网络体系结构中层的概念,而采用构件概念。构件集成网络体系结构具有时延小、传输负载小等优点,适合于在军事领域中应用。给出了这种网络体系结构的设计原则、构件的组成及报文格式。最后,通过仿真,验证了构件集成网络体系结构的有效性。