基于压缩感知理论的二维DOA估计

二维波达方向(direction of arrival,DOA)估计在雷达探测、电子对抗、医学成像等领域有着广泛的应用.针对现有算法估计精度不足、计算量巨大的问题,在基于压缩感知理论的背景下提出一种二维均匀L型阵列信号的DOA估计算法.该算法首先对阵列信号的俯仰角和方位角构建空间合成角,并对空间合成角构建过完备冗余字典;再利用正交化高斯随机矩阵构造观测矩阵;最后通过改进RM-FOCUSS算法和求解三角函数的方法还原出方位角和俯仰角.理论研究表明,该方法在高信噪比、多快拍条件下比传统算法具有更高的估计精度和分辨力,且通过压缩采样降低了运算量.仿真实验验证了上述结论.     

大庆油田弱碱三元复合驱采出液电脱水性质研究

为确定弱碱三元复合驱采出液处理技术,进行了弱碱三元复合驱采出液电脱水性质研究。利用电导率测定仪、原油智能脱水试验仪、原油介电强度自动测试仪等仪器测定弱碱三元复合驱采出液电导率、含水率、击穿场强。结果表明:弱碱三元复合驱采出液电导率测试值约在4×10~3~2×10~4μs/cm之间;在保证原油含水达标合理的情况下电场强度为1 400~1 700 V/cm,电脱时间为60~90 min;影响击穿场强主要因素是含水量、活性剂含量,其次是温度。     

一种纤维生产线水浴牵伸过程的智能协同解耦控制

提出了一种智能协同解耦控制器,用于纤维生产线中的水浴牵伸槽的液位-浓度复合控制。该控制器由一个控制中枢、多个控制解耦单元及相应的输出单元组成。控制中枢统一协调各控制解耦单元,多个控制解耦单元独立作用并互相交换信息进行对象解耦,控制信号经输出单元综合后作用于控制对象。仿真结果表明,该智能协同解耦控制器能够快速响应控制量的变化,实现耦合控制量的完全解耦和无超调平滑调节,对于纤维生产的牵伸过程较传统控制方法具有更好的控制性能。     

基于关键闸坝优选的区域水网水量调控

为实现区域水网水量的高效调控,从水量、水生态、水质和闸坝管理等4个方面构建包含10个指标的闸坝优选评价指标体系,以廊坊市凤河-永定河区域水网为研究对象,计算区域内32座闸坝的综合关键指数并给出影响程度排序,采用水动力数学模型验证关键闸坝选取的合理性。结果表明：优选出的永丰闸和东张务闸是区域水网的关键闸坝,通过调节这两座闸坝的开度即可满足区域水网的生态需水和防洪排涝调度目标,保持区域水网较优的水力连通能力,提高区域水网水量调控效率。     

离散变结构控制基于扰动动态补偿的理想趋近律

研究了带有系统内部参数摄动和外部干扰的离散时间系统变结构控制综合问题。给出了非匹配不确定离散时间系统带有扰动动态补偿的理想趋近律,消除了常规变结构控制中不确定项必须有界和满足匹配条件的限制。所设计的变结构控制器在有限时间内可达切换面,有效地削弱了系统抖振,减小了切换带带宽,改善了系统动态品质。仿真结果验证了该方法的可行性和有效性。     

新兴技术产业化障碍因素的识别及其分类：可持续转型视角

科学识别新兴技术产业化系统的障碍因素,明确不同障碍因素对其动态影响和作用路径,对提升新兴技术产业化成功率和贡献度具有重要意义.文章基于可持续转型（ST）视角解读了新兴技术产业化过程必须跨越两道鸿沟,通过文献分析法,对3篇具有代表性文献所提到的障碍因素进行归纳和组合,再通过专家打分评价和访谈,最终确定ST视角下新兴技术产业化的20个障碍因素,并将其分为环境层面、供给层面和需求层面3大类型.在此基础上,提出了障碍因素具有动态性的特征,应该针对新兴技术创新生态位所处的不同阶段采取匹配的生态位策略.     

水下机器人T-S型模糊神经网络控制

针对水下机器人模糊神经网络控制器运算量大和对强外界扰动的鲁棒性差及存在滞后性的问题,提出基于混合学习算法的水下机器人T-S型模糊神经网络控制方法.采用免疫遗传算法离线优化和神经网络自学习在线调整隶属函数的参数,从而减少神经网络的运算量,增强水下机器人对环境变化的反应能力.采用T-S模型,由后件网络动态调整模糊规则,提高控制系统的适应性.通过某微小型水下机器人的仿真和外场实验验证方法的可行性和优越性.实验结果表明,控制器对外界扰动具有较强的鲁棒性,保证即使在恶劣情况下,控制性能仍保持在较高水平.     

大庆油田电脱水器垮电时过渡层性质研究

大庆油田电脱水器频繁出现垮电场,油水过渡层厚度增大,常用的破乳剂的效果变差,说明电脱水器中油水过渡层的性质发生了变化,使得油水分离困难。对垮电时油水过渡层的界面张力、界面强度、乳化特性、悬浮杂质成分以及细菌数量进行检测和分析。研究表明,垮电时过渡层中油水两相界面张力低、界面强度高,乳化情况复杂,悬浮杂质粒径小,FeS及细菌含量高,给原油脱水带来了很大的麻烦。     

基于鲁棒学习算法的水下机器人神经网络控制

针对水下机器人神经网络控制系统响应速度慢及对噪声较敏感的问题,依据变结构控制理论,结合误差反向传播学习算法,推导出一种新颖的强鲁棒性学习算法,并详细讨论其全局稳定性条件,最后在水下综合探测机器人仿真平台上进行了试验研究.结果表明,控制器对学习率的改变和外界扰动有很强的鲁棒性,大大降低了机器人机械传动系统的磨损,且能够保证神经网络快速、稳定地学习,从而满足实时性控制的要求,具有较高的理论和实用价值.     

面向垂直领域的阅读理解数据增强方法

阅读理解问答系统是利用语义理解等自然语言处理技术,根据输入问题,对非结构化文档数据进行分析,生成一个答案,具有很高的研究和应用价值。在垂直领域应用过程中,阅读理解问答数据标注成本高且用户问题表达复杂多样,使得阅读理解问答系统准确率低、鲁棒性差。针对这一问题,该文提出一种面向垂直领域的阅读理解问答数据的增强方法,基于真实用户问题,构造阅读理解训练数据,一方面降低标注成本,另一方面增加训练数据多样性,提升模型的准确率和鲁棒性。该文用汽车领域数据对本方法进行实验验证,其结果表明,该方法对垂直领域中阅读理解模型的准确率和鲁棒性均得到有效提升。