基于小脑模型关节控制器的电液伺服舵机加载系统多余力矩补偿器研究

针对电液伺服舵机加载系统存在多余力矩的问题,提出一种基于小脑模型关节控制器的多余力矩补偿器设计方法.仿真结果表明,小脑模型关节控制器多余力矩补偿器抑制多余力矩的效果要远远优于传统多余力矩补偿器,且具有良好的鲁棒性.     

利用特征融合和整体多样性提升单模型鲁棒性

使用深度神经网络处理物联网设备的急剧增加产生的海量图像数据是大势所趋.但由于深度神经网络对于对抗样本的脆弱性,它容易受到攻击而危及物联网的安全,所以如何提高模型的鲁棒性就成了一个非常重要的课题.通常情况下组合模型的防御表现要优于单模型防御方法,但物联网设备有限的计算能力使得组合模型难以应用.为此本文提出一种在单模型上实现组合模型防御效果的模型改造及训练方法：在基础模型上添加额外的分支;使用特征金字塔对分支进行特征融合;引入整体多样性计算辅助训练.通过在MNIST和CIFAR-10这两个图像分类领域最常用的数据集上的实验表明,本方法能够显著提高模型的鲁棒性,在FGSM等四种基于梯度的攻击下的分类正确率有5倍以上提高,在JSMA、C&W以及EAD攻击下的分类正确率可达到原模型的10倍,同时不干扰模型对干净样本的分类精度,也可与对抗训练方法联合使用获得更好的防御效果.     

基于改进的模糊C均值聚类图像分割新算法

模糊C均值（FCM）聚类算法广泛用于图像的自动分割,但是传统的FCM算法没有考虑像素的空间信息,因而对噪声十分敏感。为了克服上述问题,提出了一种新的基于改进的FCM图像分割算法。该方法将空间的信息融入到标准的FCM算法中,通过引入表征邻域像素对中心像素作用的先验概率来重新确定当前像素的模糊隶属度值,该概率在算法执行过程中根据模糊隶属度值自动地予以确定。算法中使用基于统计直方图的快速FCM算法进行初始化,收敛速度大大提高。人造图像和实际图像的实验结果表明该方法的有效性和对噪声具有较强的鲁棒性。     

概率及非概率不确定性条件下结构鲁棒设计方法

提出了在概率不确定性和非概率不确定性同时存在时的约束函数鲁棒性和目标函数鲁棒性的实现策略及结构鲁棒设计方法。将传统优化设计问题的约束条件改造成为能同时反映两类不确定性量波动变化影响的约束条件,以实现约束函数的鲁棒性;在传统优化设计问题目标函数中增加若干个关于目标函数灵敏度的新目标函数,构成一个多目标函数设计问题,以实现目标函数的鲁棒性。所提方法应用于一个10杆桁架结构设计,采用宽容排序法求解。计算结果表明,在相同的结构总质量限制条件下,目标函数鲁棒性程度随着变量不确定性程度的增加而降低;在相同的变量不确定性程度条件下,增加结构总质量能提高目标函数鲁棒性的程度。     

开关线性复合技术及其在变换器中的应用

介绍了一类由开关放大电路与线性放大电路复合而成的电压跟随器型电源.这种电路具有线性电路与开关放大电路两者的优点,还分析了其构成原理,提出了选择开关单元与线性单元的原则.理论分析、仿真和实验结果表明它具有高效与优波兼顾的特性,以及适应多类负载(含非线性负载)和抗负载扰动的能力,因此在电力电子变换器中具有广泛的应用.     

T-S模糊控制器设计新方法及应用仿真

以具有非线性和非最小相位特性的水轮发电机调速系统为例,提出了T-S模糊控制器设计的新方法———基于PID控制器知识样本的T-S模糊控制器设计方法。将模糊控制器运用于水轮机控制,并对其进行仿真,把得到的模糊控制响应曲线与PID控制器进行比较,从调节时间、超调量、鲁棒性等方面可以看出,模糊控制器控制效果要优于PID控制。     

不确定时滞动态反馈神经网络的鲁棒分析与设计

研究了一类具有时变时滞和结构不确定性的Hopfield神经网络鲁棒稳定性问题,应用线性矩阵不等式(LMI)方法得到了不确定时变时滞神经网络全局鲁棒稳定的充分条件,特别是在给定网络平衡点允许偏移的情况下,通过验证定理中给出的LMI,可以非常方便地进行神经网络的鲁棒设计.数值仿真表明了方法的有效性.     

一种基于混沌映射的鲁棒性图形水印算法

提出了一种基于混沌映射的DCT域数字图像水印算法。将含有特定信息的二值序列作为原始水印,利用混沌密码对其进行加密,并在嵌入时再利用混沌映射将水印信息嵌入原始图像的DCT域,使得水印方案具有双重安全性。由于在水印检测时不需要原始图像的参与,该算法实现了水印的盲检测。实验结果表明,用该算法嵌入的水印信息具有不可见性,其对常见的图像处理如JPEG压缩、噪声、滤波以及剪切等具有良好的鲁棒性。     

抗好词攻击的中文垃圾邮件过滤模型

针对当前中文垃圾邮件过滤领域面临的好词攻击威胁,提出了一种鲁棒的中文垃圾邮件过滤模型。该模型基于多示例学习机制,并结合中文分词和特征选择方法,将一封邮件转化为若干示例的组合,然后应用多示例逻辑回归模型进行学习和分类。对多示例学习而言,当一封邮件中至少有一个示例为垃圾信息时,该邮件为垃圾邮件,否则为正常邮件。分别对训练数据集和测试数据集进行好词攻击,在多个大规模中文垃圾邮件过滤公开数据库上进行了测试。实验结果表明,在中文邮件过滤领域对抗好词攻击,分类器使用多示例反击策略较之于单示例反击策略有更强的鲁棒性。