强不确定系统“全系数之和等于1”的实现方法

摘要： 研究强不确定系统“全系数之和等于1”的实现方法，强不确定系统指的是系统的静态增益及其界不完全确知且范围较大.“全系数之和等于1”是吴宏鑫院士20世纪80年代发现的，该原理表明，对于未知连续系统，其离散化系统的系数的和在一定条件下是1.该原理的发现对于解决闭环辨识和自适应控制的瓶颈问题具有关键作用.“全系数之和等于1”是在一定条件下成立的.为了实现系统的“全系数之和等于1”，需要对系统进行一定的变换，以满足所需条件.其中，采用静态增益的标称值的倒数进行输入变换的方法在实际中得到了广泛应用.但是，当系统的不确定性较大时，该变换将带来较大偏差.针对该问题开展了深入研究，明确给出了系统静态增益的不确定性与标称值的比值的关系对于实现“全系数之和等于1”的影响.当不确定性与标称值的比值较小时，可以近似实现“全系数之和等于1”；当比值较大时，进一步给出了通过选取合适的采样周期，近似实现“全系数之和等于1”的方法.本文的研究对于特征模型理论在实际中的应用提供了一定的基础.     

商业银行高管离职市场效应的性别差异分析

证券市场普遍地将高管的离职事件作为特殊事件对待,而由于商业银行的特殊性质,其高管离职事件又与普通上市公司不同。选择2007~2012年间16家上市商业银行的高管离职事件为样本,在以事件分析法分析商业银行高管离职事件市场效应的基础上,实证研究了商业银行高管离职事件中的"性别差异"问题。研究发现,市场投资者对于不同性别的商业银行高管离职事件表现出不同的态度,较之男性商业银行高管离职事件,市场投资者在女性商业银行高管离职事件中,显著地获得了更多的累积超额收益,也就是说,在商业银行高管离职事件中,显著地存在"性别差异"。     

“小信号谐振放大器”的教学策略

小信号谐振放大器是高频电子线路课程的基本单元电路之一,主要应用在通信系统的接收机电路中,高频放大和中频放大是信号传输电路中的核心部分。掌握小信号谐振放大器的分析方法,对电子信息类、通信工程类专业学生的学习及工作是非常关键的。     

航空发动机增益调度控制的多项式平方和规划方法

针对现有的线性变参数(linear parameter varying,LPV)控制器设计方法都是关于仿射参数依赖系统而没有专门针对多项式描述的LPV系统这一现状,提出了一种基于多项式平方和(sum of squares,SOS)规划的增益调度控制设计方法,并将其用于转速大范围变化时的航空发动机高压转子转速及压比控制.根据发动机非线性模型获取不同转速下的状态空间模型,并利用多项式拟合的方法建立发动机线性变参数模型.给出能够保证无静差的增益调度控制结构,利用有界实定理和多项式平方和理论推导出能够保证闭环系统鲁棒稳定的SOS约束条件,并形成控制器求解的SOS规划问题,通过求解获得多项式描述的增益调度控制器.分别以LPV模型和发动机非线性模型为对象做阶跃仿真,结果表明:高压转子转速/发动机压比控制系统的调节时间在2s以内,稳态误差不超过0.1%.      

基于自适应支配和参考向量的高维多目标优化算法

现有的改进支配方法提高了解集逼近Pareto前沿的能力,但平衡种群收敛性和多样性的能力仍然不足。针对此问题,提出了一种基于自适应支配和参考向量的高维多目标优化算法(An adaptive dominance and reference vector based evolutionary algorithm for many-objective optimization,ADRVEA)。首先提出自适应支配(Adaptive dominance,AD)来设计小生境机制;然后通过参考向量划分目标空间来提高种群多样性;最后构建适应度表达式来实现精英选择。实验证明所提出的ADRVEA不仅性能良好,而且有效平衡了种群的收敛性和多样性。     

基于高光谱和LiDAR的黄河口湿地植被分类方法

利用无人机（Unmanned Aerial Vehicle, UAV）高光谱影像（Hyper-spectral Imaging, HSI）和激光雷达（Light Detection and Ranging, LiDAR）数据开展黄河口湿地植被分类方法研究。由于高空间分辨率HSI光谱变异性强,以及LiDAR点云密度不均匀,分类结果呈现出“椒盐”现象。为了解决这些问题,本文提出了一种结合空谱特征融合和通道注意力机制的双分支卷积神经网络（SSF-C-DBCNN）。光谱注意力机制通过为每个波段分配不同的权重来减少光谱变异性的影响。空间注意力机制侧重于学习和强调特征表达能力强的密集点云区域空间信息,从而减轻LiDAR点云密度不均匀对结果的影响。最后,在双分支融合特征后引入通道注意力机制来提取更深层次的特征。利用UAV采集的HSI和LiDAR数据进行实验验证,结果表明,本文提出方法的性能优于随机森林和五种深度学习方法,分类结果更为贴合实际土地覆盖,有效地抑制了“椒盐”现象。     

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。      

三轴陀螺稳定平台伺服回路全姿态解耦及变增益控制方法

在载体大机动飞行背景下,要求惯性平台具备全姿态的功能。国内现有的三轴陀螺稳定平台（简称三轴平台）不具备全姿态的功能,在内框架增加了限位挡钉以限制内框架角的工作范围,主要是基于内框架角不能工作在接近于?90?的认识。为了准确描述全姿态条件下三轴平台的运动规律,本文指出了传统动力学推导过程中的不足之处,重新建立了三轴平台的动力学模型,基于该模型给出了非奇异的全姿态伺服回路并提出了一种新的全姿态解耦方法,包括力矩解耦和转动惯量解耦。最后,针对转动惯量在框架转动过程中非定值的问题,提出了基于H∞控制理论的变增益控制策略。仿真结果表明,变增益控制器相对定常参数控制器可显著改善三轴平台伺服回路控制的性能。