基于PNN与FNN模型神经网络控制器设计与分析

模糊神经网络和预测神经网络分别是基于经验和学习的新型神经网络控制系统,通过在卧式电液仿真转台中框控制器上分别采用这2种控制方法来研究它们的控制特性和应用范围.其中,模糊神经网络结合了模糊控制的经验和神经网络的学习能力,但控制精度取决于人为经验;所研究的预测神经网络采用了基于非线性自回归滑动平均模型建立预测模型,实现在线学习和在线控制,但初始阶段控制精度不高.仿真研究证明,根据具体的控制对象采用适当的控制方法或是将2种方法合理地结合起来将会达到较高的控制精度.      

一种基于八叉树的三维网格盲水印算法

鲁棒性数字水印特别是盲水印是保护数字作品版权的重要手段.提出一种针对三维网格模型的盲水印算法.首先通过PCA(Principle Component Analysis)对模型进行预处理,将模型调整到唯一的姿态朝向,然后对三维模型进行剖分得到八叉树.对有意义的RGB(Red, Green, Blue)水印信息图进行随即置乱生成密钥,并将水印信息量化并作为细微扰动信息嵌入到八叉树底层节点包含的顶点坐标中.提取水印时不需要原始模型数据,且与模型拓扑无关,可直接对点云数据进行水印嵌入.特点是嵌入容量大,可抵抗旋转、平移、均匀缩放和顶点重排序攻击.根据八叉树高层节点编码抽取模型的特征来构造零水印,并注册到第三方公证处,还可以在一定程度上抵抗均匀化简、噪声和重新网格化等攻击,具有较强的鲁棒性和普适性.      

泵阀联合EHA效率设计仿真分析

分析了泵阀联合电动静液作动器(EHA,Electrical Hydraulic Actuator)效率的影响因素,提出了降低油源压力设计值以提高效率的方法.针对泵阀联合EHA的工作特点,在负载相同的条件下,对伺服阀和定量泵的输出流量、损耗流量变化、作动系统整体效率变化进行了分析,并分析了油源压力设计值变化对系统主要性能参数的影响.相对于常规阀控系统设计,在一定范围内降低油源压力设计值的方法可提高液压系统总效率,减少流量损耗引起的功率损耗.系统快速性提高,稳定性增强,抗扰动能力下降,因而系统效率设计要兼顾性能综合进行.以弹性负载为对象的作动系统仿真计算验证了设计方法的可行性.      

基于Kalman滤波的镍氢动力电池SOC估算方法

动力电池的荷电状态(SOC,State-of-Charge)是电动车能量控制的重要参数,针对镍氢动力电池,建立了一种新的状态空间模型.电池模型采用荷电状态和极化状态作为状态向量,考虑持续充放电时电荷累积效应对电池电压的影响,对模型的状态方程进行了优化,增加了电荷累积项,以提高模型在变电流充放电过程中的精度.根据Kalman最优滤波理论,设计了电池荷电状态Kalman滤波递推算法,估算方法考虑了电池电压、电流和电池温度,给出了递推计算公式.根据恒流充电、恒流放电、脉冲充/放电、变电流充/放电实验的实验数据,对模型进行了仿真分析.结果表明,采用Kalman滤波估算方法有利于提高动力电池的荷电状态估算精度,适合应用在混合动力电动车中.      

萤火一号探测器有效载荷数据管理器设计

针对萤火一号探测器各有效载荷的需求设计出安全、可靠的载荷数据管理器(PDHU), 实现对其 进行数据采集、处理、存储以及供配电等; PDHU提供操作系统, 便于应用软件的 开发; 针对火星探测的实际情况, 对地通信采用无交错的RS码加卷积码的级连编码方式进行信道编码.      

超快变换复合脉冲方波变极性TIG电弧行为

基于一种新型超快变换复合脉冲变极性电路变换拓扑,在正极性电流持续期间,叠加超音频直流脉冲方波电流,获得了过零无死区时间且具有快速电流上升沿和下降沿变化速率的复合超音频脉冲变极性方波电流,将其应用于铝合金的变极性TIG焊接过程,试验研究复合超音频脉冲方波变极性TIG电弧电学特性及其对铝合金焊缝成形等行为的变化规律.研究结果表明:超音频脉冲方波电流对变极性TIG电弧具有显著的收缩效应,电弧径向尺寸明显减小,在一定范围内提高脉冲电流频率,减小脉冲占空比,增加脉冲电流幅值,可提高铝合金焊缝熔透率,有利于改善和提高铝合金的焊接质量.     

基于通道注意力机制的行人重识别方法

针对行人特征表达不充分的问题,提出了一种基于通道注意力机制的行人重识别方法。将通道注意力机制SE模块嵌入到骨干网络ResNet50中,对关键特征信息进行加权强化;采用动态激活函数,根据输入特征动态调整ReLU的参数,增强网络模型的非线性表达能力;将梯度中心化算法引入Adam优化器,提升网络模型的训练速度和泛化能力。在Market1501、DukeMTMC-ReID和CUHK03主流数据集上对改进后的模型进行测试评价,Rank-1分别提升2.17%、2.38%和3.50%,mAP分别提升3.07%、3.39%和4.14%。结果表明:改进后的模型能够提取更强鲁棒性的行人表达特征,达到更高的识别精度。      

一种基于状态反馈的比例伺服阀控制方法

在电液比例伺服阀中,液动力存在较强的非线性,开环控制下驱动电流与阀芯位移的线性度较差,使用传统PID控制算法难以达到良好控制效果。针对该现象,在分析阀芯液动力特性的基础上,提出了一种位置负反馈式的控制方法。通过搭建比例伺服阀的控制器模型和阀芯受力模型,开展试验验证。结果表明该方法能够有效地解决了控制中的电流—阀芯位移的非线性问题,控制稳定性有明显的提升。     

一种基于在轨深度学习的压缩率确定方法

如何对遥感图像中的重要目标进行精确的识别分类,是卫星遥感领域的一个难点和重要的研究方向。深度学习能较好解决识别分类的问题,但其学习模型有大量参数需要确定,会消耗大量计算和存储资源,不利于在轨实现。模型压缩是降低资源需求的有效方法,但会导致分类准确率降低。剪枝是模型压缩的主要方法之一,目前剪枝技术大多研究的是在降低计算量的情况下如何减少准确率损失,如何确定压缩率是有待研究的问题。本文提出了一种通过函数拟合准确率与压缩率关系的方法,可以据此确定相应的压缩率,并对不同的压缩方法进行比较。仿真结果表明:该方法的函数模型可以在不同场景下用较少的点拟合出准确率与压缩率关系曲线,且均方根误差最大为1.09,平均值为0.51,拟合效果较好,可据此针对不同的应用条件与需求确定相应的模型压缩率。     

基于深度森林的卫星ACS执行机构与传感器故障识别

针对卫星姿态控制系统（ACS）闭环回路的故障难以辨识的问题,引入深度森林算法,实现执行机构与传感器故障识别。首先针对可获取的少量卫星姿态控制系统遥测数据,结合系统动力学特性,研究合适的特征选择和特征提取方法,再结合深度森林算法进行故障信息学习与辨识,建立故障预测模型,实现执行机构故障与传感器故障的识别。半物理仿真结果表明：在存在气浮台干扰力矩、卫星转动惯量未知、飞轮非线性特性、闭环故障传播等多种不利因素情况下,深度森林算法对于执行机构和传感器故障具有高效的识别能力。