基于迭代滑模的机械臂控制策略

针对机械臂这类非线性的不确定性系统,基于迭代学习控制与滑模控制策略,提出了一种有效的迭代滑模控制方法。该控制方法通过将滑模控制律引入到迭代学习控制中,并运用Lyapunov理论对控制律进行证明,从而确保系统的稳定性。基于拉格朗日力学法建立动力学模型,得到相对简化的n关节机械臂模型。以一个二关节机械臂为例,通过MATLAB仿真验证所提控制策略可有效提高关节的跟踪速度与跟踪精度,并且在一定程度上可减缓传统滑模控制的抖振现象,与传统迭代学习控制相比,系统具有鲁棒性。物理试验验证了所提控制策略的有效性。     

基于终态滑模的机械臂自适应迭代学习控制

针对带未知参数且执行重复任务的机械臂,提出一种自适应迭代学习控制算法。为了克服因重置精度低带来的重置误差,引入了终态滑模和初始状态修正吸引子,实现了跟踪误差在有限时间收敛于0,并通过迭代轴上的自适应算法来调节控制器参数。理论证明了跟踪误差的收敛性和系统中所有信号的有界性,仿真结果验证了算法的有效性。     

Sunspot cycle prediction using Warped Gaussian process regression

Solar cycle prediction is a key activity in space weather research. Several techniques have been employed in recent decades in order to try to forecast the next sunspot-cycle maxima and time. In this work, the Gaussian process, a machine-learning technique, is used to make a prediction for the solar cycle 25 based on the annual sunspot number 2.0 data from 1700 to 2018. A variation known as Warped Gaussian process is employed in order to deal with the non-negativity constraint and asymmetrical data distribution. Tests using holdout data yielded a root mean square error of 10.0 within 5 years and 25.0–35.0 within 10 years. Simulations using the predictive distribution were performed to account for the uncertainty in the prediction. Cycle 25 is expected to last from 2019 to 2029, with a peak sunspot number about 117 (110 by the median) occurring most likely in 2024. Thus our method predicts that solar Cycle 25 will be weaker than previous ones, implying a continuing trend of declining solar activity as observed in the past two cycles.     

高职生英语学习焦虑的成因与对策分析

高职学生在英语学习过程中普遍存在着焦虑情绪,一定程度上阻碍了学生英语水平的提高.对焦虑情绪对英语学习的影响、成因和如何预防及解决学生的焦虑情绪进行分析,以期对解决学生的焦虑情绪提供一些建议.     

组合动力运载器上升段轨迹智能优化方法

针对组合动力水平起飞可重复使用运载器,开展了上升段轨迹优化模型设计与轨迹优化方法研究。首先,针对跨大空/速域飞行须采用多种动力形式协调工作这一问题,考虑动力/气动/轨迹/指标间的复杂耦合关系,建立了运载器动力和气动模型。其次,为降低轨迹优化问题的求解难度,设计了一种全新的飞行剖面,实现了关键优化参数的提取和攻角约束的自动满足,减少了优化算法需要处理的约束数量。然后,提出了一种改进的粒子群优化(PSO)算法完成求解;在收敛性分析的基础上,引入强化学习机制对PSO寻优过程进行自主智能控制,从本质上提升了PSO算法的求解效率。最后通过数学仿真验证了方法的正确性和有效性。     

浅谈在编译原理教学中促进学生的学习迁移

学习迁移规律是指导教育和学习的一种实用理论,根据对迁移的不同类型及其特点和影响学习迁移的各种要素的分析,结合编译原理课程的特点,按照促进学习迁移的教学原则,在编译原理教学中促进积极学习迁移,有助于培养学生的创新思维和解决问题的能力,有利于培养学生的良好学习品德.     

影响我国高校开展武术活动的主要因素

通过文献资料对我国高校开展武术活动的影响因素进行了探讨分析。研究发现大学生武术人口;学生认识水平;师资状况;经济和环境等因素对高校开展武术活动有一定的影响。提出了应从大学生认识观念、教师的引导作用、师资队伍建设、改进教学方法、实现以人为本的武术教学目标等方面入手进行强化建设。     

基于RBFNN自适应混合学习算法的航天测控系统任务可靠性分配

为解决执行航天测控任务的各设备存在复杂的时空关联、可视与信息关联等动态约束关系,使得航天测控系统任务可靠性分配建模和分析极其困难,同时模型求解效率低的问题,提出了自适应混合学习算法的径向基神经网络建模方法.算法通过训练样本相关性矩阵的主成分分析确定网络隐含层初始节点数;在此基础上,利用梯度信息衰减因子改进了迭代过程中网络参数的梯度信息计算方式,避免了学习过程早熟的不足,且加快了迭代收敛速度.最后,通过采集航天测控系统输入-输出数据,将自适应混合学习算法应用于参数训练,并给出了具体实现步骤.通过算例仿真,表明算法在解决航天测控系统任务可靠性分配问题时具有较高泛化能力和分配结果稳定等优点.      

基于YOLOv5的红外目标检测算法

针对红外图像的特点,提出了一种YOLOv5-IF算法,采用基于残差机制的特征提取网络,实现了不同特征层之间信息的高效交互,能够得到更丰富的目标语义信息。通过改进YOLOv5的检测方案,增加更大尺度的检测头,有效提升了红外图像中小目标的检测概率。针对计算平台资源有限、算法实时性要求高等问题,设计了Detection Block模块,并由此构建了特征整合网络,该模块不仅能提升算法检测精度,还可有效缩减模型参数量。在FLIR红外自动驾驶数据集上,该算法的平均准确率(mAP)为74%,参数量仅19.5MB,优于现有算法。     

航天器反应式碎片规避动作规划方法

提出一种航天器反应式碎片规避动作规划方法,首先以扰动流体动态系统(IFDS)算法作为动作规划的基础算法,通过其中的总和扰动矩阵对航天器的轨道速度矢量进行修正,实现轨道机动规避;然后,建立基于双延迟深度确定性策略梯度(TD3)深度强化学习算法的反应式动作规划方法,通过TD3在线优化IFDS规划参数,实现对碎片群的“状态-动作”最优、快速规避决策。在此基础上,将优先级经验回放和渐进式学习策略引入该方法中,提升训练效率。最后,仿真结果表明,所提方法可使航天器安全规避多发、突发、动态且形状各异的空间碎片群,且具有较好的实时性。