测量数据部分丢失的非线性系统迭代学习控制

研究非线性离散系统的迭代学习控制．利用并行分配补偿方法(PDC)确定非线性系统的T-S模型,把非线性模型特换为局部线性模型。假定数据丢失的概率已知,采用满足Bernoulli分布的序列来描述测量数据的丢失,研究具有测量数据部分丢失的线性离散系统的迭代学习控制器的设计。结合T-S模型设计了数据丢失的迭代学习控制器,所设计的迭代学习控制器具有期望收敛特性和二次型性能指标。仿真结果表明了该设计方法的有效性。     

HDI三聚体和偶联剂对纸质文物加固保护的研究

用传统的高分子树脂对纸质文物进行加固保护取得了一定的效果，但由于高分子树脂的渗透、润湿性能较差，容易增加纸张光泽；会产生内应力加速纸张老化等问题。针对这个问题，本文研究了一种纸质文物加固保护的新方法，采用低分子预聚物HDI三聚体对纸张聚氨酯化，并用偶联剂KH-550协同处理。通过正交试验分析了处理工艺中各种因素对纸张拉伸干强度的影响；并通过对拉伸湿强度、光泽度的测试和酸碱加速老化、干热加速老化等试验验证了HDI三聚体和KH-550对纸质文物的加固保护作用，并用DSC和扫描电镜进行了分析。试验表明，这种处理方法在保护纸张原有质感的同时提高了纸张强度，降低了纸纤维的吸湿性，有效地减缓了纸张的老化降解。     

自主空战连续决策方法

未来空战正朝着无人化、自主化方向发展,自主空战决策方法是未来空战的重要支撑手段之一。传统空战决策方法由于维度限制,存在无法处理连续动作与远视决策的问题。基于Actor-Critic 方法提出空战连续决策的统一架构,依据空战训练经验对状态空间、动作空间、奖励及训练科目进行合理设计,测试多种连续动作空间强化学习算法在高不确定性空战场景下的学习效果并进行可视化验证。结果表明：基于本文提出的方法架构,可以实现连续动作下的远视价值寻优,智能体可以在复杂空战态势下做出最优决策,对随机机动飞行目标有较高的击杀率,且空战机动轨迹具有较高的合理性。     

星座碰撞规避的迭代学习构型保持方法CSCD

针对低轨卫星星座运行中地球引力摄动的周期特性,基于迭代学习控制(ILC)方法,提出了星座碰撞规避的迭代学习构型保持方法。该方法由反馈控制和ILC两部分构成,分别抑制卫星运行过程中的非周期摄动和周期摄动对构型保持精度的影响,进而在地球非球形引力摄动未知条件下,通过相对构型的精确保持实现对星座卫星碰撞的有效规避。仿真结果表明,在地球J摄动影响下,与传统反馈控制相比,ILC方法以更小的控制输入实现了轨道保持精度的显著提升,进而在星座卫星轨道高度相近的情形下显著降低了碰撞风险,且控制器可在保证收敛性能的前提下,实现启动时间的灵活选择。     

内圣外王

内圣是人格主体在德、能、学三个基本方面的自我修养,其至高境界是"极高明而道中庸";外王则是指卓越的"治平"社会功德。内圣是外王的前提和基础,外王是内圣的实践归宿和社会价值体现。内圣外王具有道德的、政治的和学术的三重理想人格涵义。内圣外王人格论的思想理论基础是传统的民本思想、"人贵论"和"人性论"。     

钢筋混凝土小偏心受压构件对称配筋截面设计

通过对钢筋混凝土结构设计规范(GB50010-2002)中有关小偏心受压构件对称配筋简化计算的分析, 经统计分析推出通过解二次方程求解ξ的近似方法,该方法计算简捷、精度较高,可供工程设计人员参考。     

一种适用于航天器某些故障诊断的知识获取方法

尽可能快地找出航天器在工作过程中出现的故障，采取补救措施，可减少或避免重大损失。故障诊断专家系统可帮助人们作出快速诊断，但它的诊断准确率主要取决于其知识的正确性。以往这些知识是靠领域专家给出的。本文根据航天器某些故障的特点，提出了一种处理连续变元示例的知识自动获取方法，用这种方法获取的诊断故障的规则，在实践中检验是正确的     

基于小波神经网络的双足步行机器人步态规划控制器

对于传统的神经网络中神经元模型在结构和信息存储能力上存在的不足，本文提出了一种基于广义小波其函数网络的神经元集聚模型，这种小波神经网络不仅收敛速度快，非线性逼近能力更好，而且具有内部结构变尺度、自适应调整和广义信息存储等智能化特点，更符合生物原型的实际情况。静态学习和准动态学习仿真实验证明这种神经网络结构的有效性。     

知识获取子系统ACQUIST的设计与实现

知识获取是专家系统的瓶颈问题,本文详细叙述了数控系统故障诊断专家系统的知识获取子系统ACQUIST的设计思想和实施方法。     

竞争学习模糊神经网络及在导弹故障诊断中的应用

尽管基于解析冗余的故障诊断方法有许多突出的优点而越来越多地得到的研究和应用，但它依赖于系统的模型，当系统存在非线性或不确定性时，存在难以建模的困难，模糊神经网络可以通过学习建立系统的模型，且模型参数有明确的物理意义，初始参数易于选择，成为解决这一问题的优选途径，作者通过把模糊神经网络的学习转化为竞争聚类和线性优化问题，基于竞争聚类和最小二乘原理，提出了一种模糊神经网络学习算法，并在某伺服机构上进行