基于项目反应理论自适应测试系统的设计实现

根据自适应学习的特点,对项目反应理论的参数模型进行分析,提出极大似然估算法计算学习者能力参数。并在分析自适应测试系统的体系结构及系统主要功能模块的基础上,构建该测试系统;并提出了测试系统中首题估算策略、信息间隔量估算策略,从而提高出题速度和计算速度;并根据学习者的实际测试情况得出难度系数和特征水平,实现了难度系数算法和学习者特质水平计算算法。在此基础上开发了一个基于计算机应用基础课程的自适应测试系统。     

在线自适应测试系统的设计与实现*

针对目前计算机自适应测试系统在远程网络测试中存在的局限性,提出了基于XML的在线自适应测试系统模型.通过题目自反应理论建立计算机自适应测试模型,并提出了一种约束试卷生成的参数模型,利用增量学习算法设计了组卷策略,解决了远程网络自适应测试系统中计算量大、易造成网络交互阻塞瓶颈等技术问题.最后给出了系统的设计模型,并描述了该系统的实现过程.     

基于改进Sage-Husa算法的锂电池SOC估算方法研究

针对复杂工况下难以估算锂电池荷电状态(SOC)的问题,提出一种基于协方差匹配技术的改进的Sage-Husa自适应算法。改进的Sage-Husa自适应算法通过在Sage-Husa自适应算法基础上引入判断滤波是否发散的协方差匹配判据,确保滤波发散时更新噪声的统计特性,滤波收敛时无须重复更新噪声,从而提高了算法的鲁棒性和计算效率。实验结果表明,改进的Sage-Husa自适应算法在动态应力测试(DST)工况和北京公交动态应力测试(BBDST)工况下的SOC估算误差均小于2%,收敛时间小于50 s,证明了该算法在复杂工况下具有较高的估算精度和较快的收敛速度。     

基于改进Sage-Husa算法的锂电池SOC估算方法研究北大核心CSCD

针对复杂工况下难以估算锂电池荷电状态(SOC)的问题,提出一种基于协方差匹配技术的改进的Sage-Husa自适应算法。改进的Sage-Husa自适应算法通过在Sage-Husa自适应算法基础上引入判断滤波是否发散的协方差匹配判据,确保滤波发散时更新噪声的统计特性,滤波收敛时无须重复更新噪声,从而提高了算法的鲁棒性和计算效率。实验结果表明,改进的Sage-Husa自适应算法在动态应力测试(DST)工况和北京公交动态应力测试(BBDST)工况下的SOC估算误差均小于2%,收敛时间小于50 s,证明了该算法在复杂工况下具有较高的估算精度和较快的收敛速度。     

基于混沌思想模糊自适应参数策略的粒子群优化算法*

粒子群优化算法是一种进化计算技术。提出一种基于混沌思想的模糊自适应参数策略的粒子群优化算法,它利用模糊策略较强的适应能力及混沌运动遍历性、随机性等特点,对标准粒子群优化算法进行了改进,并证明了算法的收敛性。对几种典型测试函数的测试结果表明,模糊自适应参数策略的引入,有效提高了算法收敛的速度,且混沌思想改善了对多维空间的全局搜索能力,能有效避免早熟现象。     

试题库试题难度系数自适应学习整定

根据大数定律中的贝努利定理(Bernoulli theorem)和机器自学习思想,提出试题库难度系数动态自适应学习整定。在沈阳航空工业学院非计算机专业大学生计算机水平测试系统使用、验证并达到了预期效果。     

多目标差分进化算法的电力系统无功优化

 在传统电力系统无功优化( Reactive Power Optimization,RPO) 模型中引入电压水平 指标,建立了以网损最小,电压水平最好为目标的多目标差分进化算法( Differential Evolution Algorithm) 的模型。针对基本差分进化算法易陷入局部最优解、收敛速度慢的缺点,提出一种 具有自适应参数策略的改进差分进化算法并首次用于多目标电力系统无功优化问题。通过在 算法进化过程中调整变异因子F 和交叉因子CR,在初期增加种群的多样性、扩大全局搜索区 域; 从而可以避免算法陷入局部最优解; 同时在后期也加快了收敛速度。将该算法用于电力系 统无功优化并仿真计算了IEEE-14 节点标准测试系统,结果验证模型和算法的有效性。     

基于改进遗传算法的压力控制系统参数求解及仿真

本文针对遗传算法的特点,在隔代映射遗传算法基础上引入自适应策略,建立了自适应遗传算法数学模型,给出了具体算法流程。通过自适应策略,使IP_GA中的交叉、变异概率能够根据函数适应度大小自动调节,提高了收敛速度及解的质量。通过该算法对液压压力系统传递函数进行参数求解,建立了液压系统的开环模型。利用Matlab/Simulink工具对开环模型进行仿真并与实测输出曲线对比,验证了遗传算法求解液压伺服系统参数的可行性。同时,通过分析仿真结果,找出了材料试验机比例压力控制系统与伺服压力控制系统在辨识方法上的差别。     

基于改进离散差分进化算法的测试选择

针对武器装备系统的测试选择问题,首次提出利用基于混合策略的离散差分进化算法(MD-DDE)进行测试选择;重新定义种群中个体的含义,根据其容易陷入早熟的特点,引入自适应变化的缩放因子和交叉因子;采用混合差分策略,进一步平衡了算法的全局寻优和收敛速度的矛盾;在选择操作的基础上突出了优先级的特点,使结果更具应用价值;通过实例和离散粒子群算法进行了对比,验证了该算法的有效性。     

非线性系统模糊神经网络变结构自适应控制

在非线性系统的模糊动力学模型基础上,提出一种模糊神经网络变结构自适应控制器;网络的结构根据非线性系统特性动态构成,基于该网络提出非线性预测器,基于梯度法提出了一种网络参数学习算法,并分析了收敛性及其性质。将网络预测器与参数学习算法相结合,构成自适应控制算法,证明了算法的收敛性。仿真结果证实了算法的有效性。     

Elo-based learner modeling for the adaptive practice of facts

We investigate applications of learner modeling in a computerized adaptive system for practicing factual knowledge. We focus on areas where learners have widely varying degrees of prior knowledge. We propose a modular approach to the development of such adaptive practice systems: dissecting the system design into an estimation of prior knowledge, an estimation of current knowledge, and the construction of questions. We provide a detailed discussion of learner models for both estimation steps, including a novel use of the Elo rating system for learner modeling. We implemented the proposed approach in a system for practising geography facts; the system is widely used and allows us to perform evaluation of all three modules. We compare the predictive accuracy of different learner models, discuss insights gained from learner modeling, as well as the impact different variants of the system have on learners’ engagement and learning.     

基于ESO的无速度传感器PMSM系统自适应滑模FCS-MPC

为了提高三相永磁同步电机(PMSM)控制系统的性能,基于反双曲正弦函数的扩张状态观测器(ESO)技术,提出一种新颖的无速度传感器自适应滑模有限控制集模型预测控制(FCS-MPC)策略,采用ESO技术构造PMSM系统转速和反电动势的观测器,实现对电机转速和反电动势快速准确估计.用带有负载ESO的自适应滑模控制作为系统的转速调节器,以提高系统的鲁棒性;利用基于快速矢量选择的FCS-MPC策略,达到减少转矩脉动、降低系统算法计算量的目的.仿真结果表明,基于ESO的无速度传感器自适应滑模FCS-MPC策略能够使PMSM系统可靠稳定运行,达到满意的转矩和转速控制效果.与基于积分型滑模面的自适应滑模FCS-MPC策略相比,所提出的控制策略能使系统具有良好的动态性能和抗负载干扰能力.     

Item difficulty estimation: An auspicious collaboration between data and judgment

The evolution from static to dynamic electronic learning environments has stimulated the research on adaptive item sequencing. A prerequisite for adaptive item sequencing, in which the difficulty of the item is constantly matched to the ability level of the learner, is to have items with a known difficulty level. The difficulty level can be estimated by means of the item response theory (IRT). However, the requirement of a large sample size for calibrating items based on IRT models is not easily met in many practical learning situations. The aim of this paper is to search for relatively simple and fast alternative estimation methods and to review the accuracy of these methods as compared to IRT-based calibration in one single setting, and this for various sample sizes. Using real data, six alternative estimation methods are compared next to IRT-based calibration: proportion correct, learner feedback, expert rating, one-to-many comparison (learner), one-to-many comparison (expert) and the Elo rating system. Results indicate that proportion correct has the strongest relation with IRT-based difficulty estimates, followed by learner feedback, the Elo rating system, expert rating and finally one-to-many comparison. Learner feedback and one-to-many comparison (learner) provide stable estimates even with a small sample size. IRT, proportion correct and the Elo rating system provide reliable estimates, especially with a sample size of 200-250 learners. The alternative estimation methods can be utilized for adaptive item sequencing when IRT-based calibration does not yet provide reliable estimates or can be used as a prior in a Bayesian estimation method.     

基于Hamilton理论的可逆冷带轧机速度张力系统无张力计控制

基于反馈耗散Hamilton理论研究了可逆冷带轧机速度张力系统的无张力计控制问题. 首先,对系统速度张力外环(主轧机速度环和左、右卷取机张力控制环)进行预反馈控制, 并采用反馈耗散Hamilton理论完成了速度张力外环控制器的设计. 其次, 为了实现系统的无张力计控制及对摄动参数的自适应估计, 基于"扩张系统+反馈"方法完成了系统速度张力外环自适应状态观测器的设计. 再次, 为了实现可逆冷带轧机主轧机速度和左、右卷取机张力间的协调控制及对外扰不确定项的干扰抑制, 基于backstepping方法完成了系统电流内环鲁棒控制器的设计. 理论分析表明, 所提出的控制方法能够保证闭环系统的鲁棒稳定性. 最后, 基于某1422mm可逆冷带轧机速度张力系统的实际数据进行仿真, 并同串级PI控制方法相比较, 结果验证了本文所提方法的有效性.     

基于神经网络的迭代优化预测控制

针对时变的非线性系统,提出一种基于神经网络的迭代优化预测控制。它将传统的预测控制策略与神经网络逼近任息非线性函数的能力结合,预测系统未来输出,然后用迭代学习方法优化预测控制器,即通过一阶泰勒展开的方法,把非线性优化问题转化为线性优化问题。不仅简化计算,同时避免用神经网络优化控制器时,由于调节参数过多、涮前速度慢而导致系统闭环稳定性和鲁棒性差的问题。仿真结果表明,该控制方案具有良好的控制品质,并适应对象参数的变化,具有较强的鲁棒性和自适应性。     

网络自适应传输控制策略研究

针对流媒体传输中的拥塞问题，对网络自适应传输控制进行了研究，结合RTP协议的传输特性，提出了一种基于带宽的网络自适应传输策略并阐述了这种策略的控制机理。该策略能够根据网络资源状况动态调节传输速率、匹配网络带宽，实现了网络自适应传输。     

感应电机转矩跟踪无源控制及自适应观测器设计

针对感应电机高性能转矩跟踪控制和磁链难以直接测量问题,提出了基于无源性的转矩跟踪和自适应磁链观测器控制方案.首先基于感应电机的无源性特性设计了渐近稳定转矩跟踪控制器,重新配置了系统的平衡点,通过注入阻尼提高系统的收敛速度.然后通过将定子电流和转子磁链作为状态变量构建了自适应磁链观测器,简化了观测器结构,根据Lyapunov稳定性理论设计了自适应控制律,实现转子磁链、转速和定子电阻的在线估计.为减小转速估计误差对观测器的影响,给出了观测器增益矩阵的选择方法.仿真结果表明本文所提出的基于自适应观测器的无源控制方案能够有效提高感应电机的动静态性能.     

Adaptive Lyapunov-based neural network sensorless control of permanent magnet synchronous machines

In this paper, an adaptive neural network sensorless control scheme is introduced for permanent magnet synchronous machines (PMSMs). The control strategy consists of an adaptive speed controller that capitalizes on the machine’s inverse model to achieve accurate tracking, two artificial neural networks (ANNs) for currents control, and an ANN-based observer for speed estimation to overcome the drawback associated with the use of mechanical sensors while the rotor position is obtained by the estimated rotor speed direct integration to reduce the effect of the system noise. A Lyapunov stability-based ANN learning technique is also proposed to insure the ANNs’ convergence and stability. Unlike other sensorless control strategies, no a priori offline training, weights initialization, voltage transducer, or mechanical parameters knowledge is required. Results for different situations highlight the performance of the proposed controller in transient, steady-state, and standstill conditions.     

基于云模型的高速公路隧道车辆位置估计

为实现对高速公路隧道照明系统的节能控制,提出基于云模型的车辆速度与位置估计方法。结合正向云与逆向云算法,对车辆通过线圈时的脉冲波形数据进行处理,获得均速估计值。将车速估计结果与行车时间作为车辆行驶位置的判定依据,采用云推理估计车辆的行驶位置。对云估计误差进行实时修正,从而精确判断车辆行驶的位置。仿真和实验结果表明,该方法能实现对高速公路隧道内车辆位置的正确估计,且估计精度高达99．2309％,可提高云模型算法在实际应用中的效率,适用于高速公路隧道照明系统的节能控制。     

基于自适应迭代学习算法的一类非线性系统故障检测与估计

针对迭代学习算法在非线性系统故障检测与估计过程中存在估计误差较大和收敛速度较慢等不足的问题,提出了一种基于龙格–库塔故障估计观测器模型的自适应迭代学习算法,有效降低了故障估计误差;并引入H∞性能指标,提高了故障估计观测器的收敛速度.该算法首先设计故障检测观测器对故障进行检测,然后设计故障估计观测器,并将自适应算法与迭代学习策略相结合,使得估计故障逐渐逼近真实故障,从而实现对非线性系统中多种常见故障的精确检测与估计.最后,通过机械臂旋转关节驱动电机的执行器故障仿真验证了所提算法的有效性.