基于新型广义离散趋近律的微波加热温度控制

微波加热固体介质是一个介质物理参数变化和温度动态响应的复杂过程。对此,设计了一种新的微波加热系统控制策略。首先,结合双源微波加热系统模型,设计了一种能快速收敛的广义离散趋近律,并证明了趋近律能改善系统的动态性能。然后,基于该趋近律,结合干扰观测器设计了一种滑模控制算法。之后,在内部热传导损耗和外部扰动作用下,基于该滑模控制算法设计微波加热温度控制器。接着,在控制器的作用下,分析了系统在误差收敛时间、抑制扰动、消除抖振等方面的动态性能。最后,结合仿真实例说明了所提控制策略具有更高的控制精度、更短的收敛时间。     

基于多分辨率图像的矿物特征自动提取与矿物智能识别模型

传统卷积神经网络运用于矿物种属鉴定时，由于其较大的参数量和固定输入图像分辨率的限制，需要充足的计算资源与一定的图像预处理，难以在实际勘探中部署。为此，本文基于深度可分离卷积，结合注意力机制，通过密集连接的方式构建矿物智能识别模型，且该模型可以对多分辨率矿物图像进行训练。实验结果表明，模型内存占用仅为20M，验证准确率与测试准确率均高于90%，分类效果优于经典卷积神经网络，表现出优异的正负例样本鉴别能力。以上结果证明，本文提出的模型在识别性能与内存占用达到良好的平衡，适用于便携式设备，且能有效地对不同分辨率矿物图像进行识别，并有良好的泛化性，具有潜在的应用价值。