开启数学之旅mothBoard

数学对许多人来说是那么生涩或难以理解,单纯的记忆式和口诀式的学习方式也并不是适合每个人。因为数学是研究数量、结构、变化以及空间模型等概念的一门科学,它需要缜密周详的逻辑推理才能够继续深入的进行学习。     

面向动态任务合作求解的联盟模型

多Agent系统中,Agent间通过形成联盟达到提高任务求解能力,获取更多收益的目的。主要关注联盟模型的改进和联盟形成阶段的改进,基于ARG(agent,role,group)元模型和学习机制提出了一种采用角色和学习机制的新联盟模型CLAR(coalition model based on learnin gagent and role);在采用合同网协议的CLAR联盟模型中提出了两阶段联盟形成机制;通过捕食者问题实验验证了角色和学习机制的作用,以及两阶段联盟形成机制在减少通讯代价上的作用。     

基于模糊树逆方法的高超飞行器变质心控制

本文针对高超飞行器变质心姿态动力学模型所具有的高度非线性、多变量、强耦合特性,通过合理的简化,得到了一个耦合的非线性动力学系统;根据简化模型的特点,将该模型分为俯仰偏航通道模型和滚动通道模型,通道间耦合视为扰动.应用模糊树模型逼近俯仰偏航通道的逆模型,实现了俯仰偏航通道解耦线性化,对各线性子系统设计闭环控制器,实现了飞行器俯仰偏航通道姿态角的跟踪;应用预测变结构方法保证了滚动通道的快速稳定并且无抖振现象.最后,将该方法应用于高超飞行器姿态系统控制的仿真研究,表明了本文方法的有效性和可行性.     

直流伺服系统模型及其辨识

伺服系统又称为随动系统,是构成自动化体系的一种基本环节,是由若干元件和部件组成的具有功率放大作用的一种自动控制系统。系统辨识是指当用户无法从物理上得出所研究系统的数学模型,但可以通过适当的实验手段测试出系统的某种响应信息时,就可以根据它来获得系统的数学模型。本文完成了对直流伺服系统的建模以及辨识,尤其是利用系统的阶跃响应数据对直流伺服系统的模型进行了直接辨识,即由系统阶跃响应采样数据构造线性方程组,通过对方程组求解估计出系统参数。最后,对辨识出的系统进行了仿真,将仿真结果与原阶跃响应数据比较,表明所采用的辨识方法取得了良好的效果。     

重症监护病房紧急状况预警算法

重症监护病房中的病人身体状况通常很不稳定,常出现各种需要医护人员介入治疗的紧急状况。由于医疗资源有限,医护人员可能无法及时发现并处理这些紧急状况,给病人的存活率带来严重的负面影响。如果可以预测这些紧急状况的发生,并及时通知相关医护人员,将大大提高病人的存活率。常见重症监护病房紧急状况包括突然死亡、败血症、肺部感染、急性低血压、以及器官衰竭等。紧急状况预警建模主要采用病人的长时间生命体征监测数据,预测在一定时间之后发生某种紧急状况的可能性。预警模型所采用的监测数据分为静态数据、事件数据和时间序列数据等三类。静态数据具有容易采集、但预测准确性偏低的特点。事件数据或时间序列数据、以及多种类型数据的混合数据对于紧急状况预警模型的预测性能的提高有重要作用,将会获得更广泛的应用。     

基于STEP-NC的数控系统体系结构的研究

分析了当前主流开放式数控系统的本构模型,建立了系统内部的信息流模型,根据非实时、弱实时和强实时区分信息流。综合考虑数控系统的功能模型、信息流模型,建立STEP-NC数控系统的层次模型为模型应用层、制造规划层和实时控制层。给出了基于PC和嵌入式系统分层架构的STEP-NC数控系统结构。