电压模式Buck-Boost变换器变论域模糊PI控制

电压模式Buck-Boost变换器是一个典型的非最小相位系统。根据DC-DC Buck-Boost变换器的工作特性,运用状态空间平均法建立其小信号模型,据此设计PI控制器参数。Buck-Boost变换器是一个时变的非线性系统,传统PI控制难以达到最优的控制效果,由此采用模糊PI控制来规避PI控制的弊端。针对模糊PI控制在被控量变化较大时,控制精确度变差的问题,设计了模糊论域自适应伸缩变化的变论域模糊PI控制器,对Buck-Boost电路进行控制。通过Matlab/Simulink环境仿真,实验结果表明,变论域模糊PI控制具有更好的动态控制性能。     

低等规聚丙烯的研制 Ⅳ.聚合催化剂的制备

以二乙氧基镁为载体的主要原料，采用三氯化铝使二乙氧基镁氯化制备载体，再采用四氯化钛进行载钛，得到一种丙烯聚合催化剂，并对其进行了表征。经流相本体法丙烯聚合评价实验表明，此催化剂的活性为30－60kg/g，全聚物在沸庚烷中不溶部分为13％－30％。并对影响催化剂活性和立体选择性的各种因素进行了讨论，给出并比较了催化剂小试、模试和中试的实验结果。     

低等规聚丙烯的研制Ⅲ.分子性质及其调节方法

用溶剂分级法对低等规聚丙烯（LIPP）进行了分级,测定了各级分的含量、分子量及其分布、特性粘数、分子链规整度及序列分布等分子性质,通过改变催化剂组分和合成条件以及改变聚合工艺条件来调节分子性质,只有同时降低高分子量和高等规组分的含量,才能获得具有商品意义LIPP产品。     

低等规聚丙烯的研制Ⅱ.间歇式液相本体法聚合工艺

采用间歇式液相本体法合成低等规聚丙烯（ＬＩＰＰ）,催化剂为自行研制的Ｚｉｅｇｌｅｒ－Ｎａｔｔａ型钛系低等夫聚丙烯配位催化剂,助催化剂为三异丁基铝,并给出了聚合工艺变量对产品收率和ＫＩＰＰ各性能关系的回归方程,比较了ＬＩＰＰ与等规聚丙烯（ＩＰＰ）间歇式液相本体聚合工艺的差别。     

基于相对平均误差的高分辨距离像目标识别算法

相似度计算是基于模板匹配的高分辨距离像自动目标识别研究中的核心问题之一。该文从误差计算方法和相似度测量准则两方面对相似度计算方法的选取进行了深入的讨论,提出一种基于相对平均误差的相似度计算方法。实验结果证明,与目前普遍使用的基于绝对均方误差的模板匹配方法相比,基于相对平均误差的模板匹配方法具有更强的目标识别能力、更好的识别鲁棒性,以及在模板角域增大、模板数量明显降低的情况下,仍具备较高的识别能力,为工程上处理高识别率与低模板数量之间的矛盾问题提供了一种有效的解决方法。     

基于深度学习的无人机单目标跟踪

无人机单目标跟踪,是指对无人机运动过程中拍摄的视频进行实时处理,进而准确、稳定地跟踪一个移动目标。无人机单目标跟踪受环境影响较大,存在光照变化、背景干扰、目标遮挡、相似目标干扰等问题,使得追踪准确性尚有待提高。针对上述问题,以SiamRPN++为基础,对其模型和损失函数进行创新性优化。主要研究贡献：在网络骨架(Backbone)方面,通过引入注意力机制网络结构SENet,与原有模型的ResNet50组成Se＿ResNet50,提升对单目标跟踪的准确性和有效性;在损失函数方面,使用Balanced L1 Loss提升关键的回归梯度,在分类、整体定位以及精确定位中实现更加平衡的训练;在SiamRPN++的结构基础上,对Backbone和Loss函数进行优化。实验使用ILSVRC2013和ILSVRC2014的DET数据集进行训练,以VOT2018和OTB100为测试数据集检验训练精度。最终追踪准确性在原基础上得到了一定的提高。     

低等规聚丙烯的研制Ⅰ.低等规聚丙烯的微观结构和性能

采用低等规聚丙烯催化剂制得ＬＩＰＰ,并测定其微观和性能结果表明。ＬＩＰＰ是短距有序长距无序的等规和少量间规立体嵌段均聚物,其性能与高等规聚丙烯和副产无规聚丙烯有较大的差别。