改进自抗扰控制谐波式电动舵机伺服系统

针对电动舵机系统的非线性、快时变等特点,提出了改进的自抗扰控制器以改善系统的位置跟踪性能。首先,给出电动舵机的系统模型及控制策略,分析了系统中非线性因素的影响;设计了改进自抗扰控制器,并利用现代控制理论给出了控制器参数的选择方法。然后,在舵机系统中进行仿真分析,验证了该控制器的可行性。最后,基于谐波式电动舵机对改进的自抗扰控制器与常规自抗扰控制器及PI控制器进行对比实验。实验结果表明:跟踪10sin(5πt)正弦信号时,改进自抗扰控制器能够消除位置平顶和速度死区,相位滞后为0.087 22rad;跟踪±1°~±15°角位置时,上升时间为9~18ms,超调量为0~7.25%,稳态均方差为0.007 60~0.010 83,性能明显优于常规自抗扰控制器和PI控制器。得到的数据显示该控制器减少了设计参数,位置跟踪超调量小,响应时间快,稳态均方差小,改善了舵机系统的动态和稳态性能。     

基于BP神经网络和遗传算法的齿轮坯预锻件多目标优化设计

在齿轮坯多工位锻造生产中,齿轮坯预锻件的设计直接影响到终锻时金属流动、锻模型腔的充满情况、锻件质量和模具寿命.本文利用BP神经网络处理高度非线性问题的特点,建立了预锻件尺寸和终锻成形力、终锻最大模具应力之间的网络模型,再结合遗传算法的全局寻优功能,确定了在终锻成形力最小以及终锻最大模具应力最小时的最佳的预锻件形状和尺寸.     

黑米中酚酸、花青素和γ-氨基丁酸的组成、生物合成及其影响因素

黑米是一种有色稻米,富含许多普通稻米所缺乏的酚酸、花青素和γ-氨基丁酸等营养成分而具有抗氧化、抗衰老、抗炎和治疗糖尿病等诸多的生理功能和医疗保健价值,因而近年来黑米及其产品越来越受到人们的广泛关注。本文综述了黑米中酚酸、花青素和γ-氨基丁酸三种功能营养成分在籽粒中的组成、分布及生物合成特性进行了概述,并阐明了贮藏、碾磨和蒸煮等条件对黑米中酚酸、花青素和γ-氨基丁酸营养功能的影响及原因,以期为黑米营养保健功能的研究提供理论参考。     

基于ESO的导引头稳定平台双积分滑模控制

为了提高导引头稳定平台抗扰性及速度稳态跟踪性能,提出了一种基于扩张状态观测器（Extended State Observer,ESO）的双积分滑模控制器（Double Integral Sliding Mode Controller,DISMC）。首先,采用二阶扩张状态观测器对系统的未知扰动进行估计;然后,采用了双积分滑模控制器实现了系统的低稳态误差跟踪,同时采用了改进的幂次趋近律来削弱控制系统的抖振影响;最后,采用导引头稳定平台进行目标跟踪实验和隔离度性能测试。实验结果表明,与传统基于扰动观测器（Disturbance Observer,DOB）的PI控制方法相比,跟踪3（）/s的梯形波时,在提出的控制器作用下速度跟踪快速性提高了48 ms,跟踪误差标准差提高了0.0131（）/s。同时用转台模拟弹体扰动分别为sin（t）、3sin（5t）、7sin（2t）时,系统的隔离度分别提高了2.91%、0.45%、0.7%,表明基于扩张状态观测器的双积分滑模控制器对导引头稳定平台具有较强的抗扰性和较好的跟踪性能。     

自主创新的IT行者

一个苹果从孔子的故乡运送到牛顿的故乡,苹果并没有变,但是已经从X变成Y,什么变了呢？答案是：Position。物流行业的IT世界就像是Y=F（X）的代数模型,F是运算方式,是数据加工系统;X是数据,是事物原始状态。导致这种变化的F是什么？     

基于深度学习的交互似然目标跟踪算法

针对传统的视频跟踪算法对视频跟踪的精度不足以及主成分分析(PCA)的非线性拟合能力较弱的问题,将卷积神经网络与交互似然(IL)算法相结合,在深度学习的基础上对粒子滤波算法进行了优化改进。将核主成分分析(KPCA)网络应用于视频跟踪来获取目标的深层次特征表达,并采用一种新的交互似然图像跟踪器, 非迭代地计算,对不同区域进行跟踪取样来减少数据之间的关联需求 。在图像集上将所提算法与多种改进算法进行评估对比,结果表明所提算法具有非常好的鲁棒性及精确性。     

面向创新设计的专利知识抽取方法

专利蕴含丰富的背景、技术、功能等知识,对创新设计领域起着重要的作用。对创新知识进行有效提取,能推动人们对知识的利用,助于突破固有的思维定势及知识面的限制,启发设计者从独特、新颖的角度进行产品设计。从创新设计的角度,提出基于组合特征和最大熵分类器的专利创新知识抽取方法。该方法运用自然语言处理方法,增加专利领域术语识别算法,联合词特征和最短路径闭包树句法特征,最后采用最大熵进行基于语义分析的知识提取,并对知识属性进行标注。实验结果表明,引入组合特征,能高效地处理专利要解决的问题,以及技术方案中的目标功能、作用原理、位置特征等创新知识之间的语义角色关系。     

饱和吸收光谱法测量SF_6小信号吸收系数

我们利用饱和吸收光谱技术,观察了SF_4气体对CO_2 00°1～10°0跃迁P(18)支、P(16)支的的共振吸收,测量了SF_6P_(33)A′_2共振峰的位置和宽度,计算了不同气压(11毫乇、43毫乇)时8F_4的饱和功率和饱和参量,并由此得到8F_4对CO_2P(18)支共振吸收的小信号吸收系数