大滞后系统的专家-模糊PID控制器设计

在工业过程中,大滞后系统的时滞、非线性情况严重,常规PID控制往往难以获得理想的控制效果.针对上述情况,设计了一种基于专家经验的模糊与PID并联复合型控制器,能够在PID控制的基础上改善系统的控制品质.介绍了带有可调因子的模糊控制算法,给出了模糊控制器相关参数的整定方法.根据专家经验制定了模糊控制与PID控制的加权系数的整定规则.对具有大迟延、大滞后特性的循环流化床的燃料量与床温模型进行了仿真研究.仿真结果表明:在大滞后系统的控制中,所设计的专家模糊PID控制器能够很大程度的改善系统的动态动性,且具有较好的鲁棒性.     

空中预警机三维图像物体检测模型仿真

在当前的空中预警机三维视觉检测中,在进行高空深层视觉检测中,自然环境中会出现大量的检测物,对需要进行三维视觉建模检测的物体形成阴影遮挡干扰.提出了一种新的空中预警机三维图像物体检测方法.把检测过程中遮挡干扰当成一种噪声因素,根据因式分解的相关理论,建立空中预警机三维视觉模型.根据不同遮挡干扰特征点在空中预警机三维视觉建模过程中所占的比率不同,根据非线性滤波原理,设置空中预警机三维视觉对象图像的像素,构建非线性滤波窗口构成的序列,对该空中预警机三维视觉模型进行滤波处理,去除遮挡干扰.实验结果表明,该算法进行空中预警机三维视觉检测,精度达到要求,有一定的实际应用价值.     

燃气涡轮发电机组虚拟评判系统研究

为更好地评判操作人员对燃气涡轮发电机组的操作训练,设计了一种虚拟评判系统.根据操作实际,制定了评判标准,建立了评判指标体系.考虑到指标之间的相互影响和反馈关系,解决指标权重分配问题,利用网络分析法(ANP)处理指标间的复杂关系,并采用三角模糊数和模糊优先规划方法(FPP)完成权重的计算,引入云理论确定隶属度,使用蚁群算法优化BP神经网络,结合模糊综合评判构造模糊蚁群神经网络评判模型.上述方法能够有效减少主观因素对权重的影响,弥补传统评判方法的不足.实际应用表明,改进的评判系统具有很强的实用性,是一种可行的评判系统.     

一种改进的粒子群算法稳定性证明及其应用

针对改进的粒子群算法缺乏理论上稳定性证明及其相应的参数选择问题．利用李雅普诺夫稳定性理论对个体决策粒子群算法给予稳定性证明,并给出相应的参数选择方式,改变传统粒子群算法只能从仿真角度说明该算法的稳定性。采用几个常用的测试函数进行仿真实验,与其他改进的粒子群算法相比,结果表明该算法具有更好的性能。     

基于PMI-IR的联想词表构造方法研究

通过对大规模查询日志进行挖掘分析进而提高检索的准确率一直是信息检索领域的热点问题。文章提出一种基于PMI-IR（逐点互信息方法）的联想词表构造方法。该方法利用序列模式挖掘算法扫描大规模用户查询日志,获取共现频次超过某一阈值的词组合,进行聚类获取候选同义词集,然后依次计算词wordA与每个候选词的相似度,选择相似度高于某一阈值的词作为词wordA的联想词集,最后形成联想词表。实验表明,借助该方法得到的联想词表进行扩展查询提高了检索的准确率。     

一种白光测速仪在热锯区域中的应用

阐述白光测速仪的工作原理及优缺点,介绍其在莱钢大H型钢生产线热锯区域的应用.     

塑钢纤维掺量对钢筋与轻骨料混凝土粘结作用的影响

通过对钢筋与轻骨料混凝土进行拔出试验,探究塑钢纤维掺量对钢筋与轻骨料混凝土粘结作用的影响.以τ-s曲线描述试件粘结滑移的过程,用相对粘结强度衡量塑钢纤维掺量的影响作用,引入粘结韧性来分析塑钢纤维在试件粘结滑移过程中约束与耗能作用.结果表明:试件的破坏形态随纤维掺量的增加由劈裂破坏变为拔出破坏;钢筋的平均极限粘结强度τu、峰值滑移量su随纤维掺量的增加而增大;根据试验数据拟合出了相对粘结强度与塑钢纤维掺量的经验公式,可为工程设计提供参考;粘结韧性随纤维掺量的增加而提高,约束与耗能作用明显增强,但本试验塑钢纤维掺量超过6 kg/m3后,韧性虽继续增长,但韧性增幅却呈下降趋势.     

基于手机传感器轨迹的路面地物检测方法

针对传统路面地物信息采集方法存在的数据采集周期长、成本高等问题,提出了一种基于手机传感器轨迹的城市路面地物检测方法.利用手机记录车辆行驶过程中各传感器数据的变化,分析经过姿态校正后的加速度数据,研究加速度变化与路况之间的联系,构建BP神经网络模型,并使用已采集数据对模型进行训练,以识别路面地物.实验结果表明,基于手机传感器轨迹的路面地物检测方法具有快速准确地检测路面地物信息的能力,且地物检测准确率大于85％,能够较为准确地检测路面地物,文中基于手机姿态传感器对手机加速度传感器姿态进行了实时矫正,利用手机垂直于路面的加速度变化检测路面地物,因此所提方法具有手机加速度传感器姿态无关性,此外,所提方法对硬件设备要求低、数据采集效率高,降低了路面地物信息采集的成本,具有广泛的应用前景.     

跨模态行人再识别的协同学习方法

跨模态行人再识别是实现全天候智能视频监控系统的一项关键技术。该技术旨在匹配某一特定身份行人在不重叠摄像头场景下的可见光图像和红外图像,因而面临着巨大的类内变化和模态差异。现有方法难以较好地解决这两大困难,很大程度上是由于欠缺了对特征判别能力的有效挖掘和对多源异质信息的充分利用。鉴于以上不足,使用协同学习方法设计了一个精细化多源特征协同网络,提取多种互补性特征进行信息融合,以提升网络的学习能力。从骨干卷积网络中提取多尺度和多层次特征,实现精细化特征协同学习,以增强特征的判别能力来应对类内变化。设计了模态共有与特有特征协同模块和跨模态人体语义自监督模块,达到多源特征协同学习的目的,以提高多源异质图像信息的利用率,进而解决模态差异。在SYSU-MM01和RegDB数据集上验证了该方法的有效性和先进性。     

医学知识增强的肿瘤分期多任务学习模型

肿瘤分期是指从病人的电子病历文本中推测肿瘤对应阶段的过程。在电子病历数据中存在类别严重不均衡现象,因此使用深度学习方法进行肿瘤分期具有一定的挑战性。该文提出医学知识增强的多任务学习KEMT(knowledge enhanced multi-task) 模型,将肿瘤分期问题视作面向医疗电子病历的文本分类任务,同时引入医生在人工预测肿瘤分期时参考的医学属性,提出基于医学问题的机器阅读理解任务,对上述两种任务进行联合学习。我们与医疗机构合作构建了真实场景下的肿瘤分期的数据集,实验结果显示,KEMT模型可以将医学知识与神经网络结合起来,预测准确率高于传统的文本分类模型。在数据分布不均衡的条件下,在小样本类别上的准确率提升了4.2个百分点,同时模型也具有一定的解释性。