基于量子衍生涡流算法和T⁃S模糊推理模型的储层岩性识别

鉴于梯度下降法易陷入局部极值、普通群智能优化算法易早熟收敛,提出一种基于量子衍生涡流算法(Quantum Vortex Search Algorithm,QVSA)和T⁃S模糊推理模型的岩性识别方法,QVSA具有操作简单、收敛速度快、寻优能力强等优点,有助于T⁃S模糊推理模型获得最优参数配置,从而实现储层岩性的准确识别。首先利用具有全局搜索能力的QVSA优化T⁃S模糊推理模型的各种参数;然后利用主成分分析方法降低获取的地震属性维度;再利用优化的T⁃S模糊推理模型识别储层岩性。实验结果表明,利用反映储层特征的8个地震属性识别储层岩性时,所提方法的识别正确率达到92%,比普通BP网络方法高5.1%,同时查准率、查全率、F1分数等指标也较BP网络方法提升明显。

基于扩展卡尔曼滤波的T⁃S模糊模型建模方法

冷冻站系统设备和回路众多,且具有非线性、强耦合、大滞后等特点,机理建模困难。为满足冷冻站系统智能控制需要,提出基于扩展卡尔曼滤波的Takagi⁃Sugeno(T⁃S)模糊模型建模方法,构建了系统负荷预测模型和能效比预测模型。首先采用模糊C⁃均值聚类算法得到样本的聚类中心和聚类半径,进而计算出模糊规则的隶属度函数,完成结构辨识;为解决模型参数辨识中传统方法效率较低的问题,采用扩展卡尔曼滤波算法进行模糊模型后件参数修正,以辨识系统非线性动态特性,同时提升建模效率,为后期模型参数在线修正打下基础。文中采用上述方法对北京市某公共建筑冷冻站系统建模,实验结果表明,所建立的负荷预测模型和能效比预测模型精度较高,相对误差分别是2.75%和2.25%,满足工业控制模型精度要求。

车辆主动悬架自适应变论域T-S模糊控制研究

针对传统变论域模糊控制存在过度依赖专家经验、伸缩因子参数不能自适应调整的问题,提出一种车辆主动悬架自适应变论域T-S模糊控制策略,从而提高车辆的行驶平顺性。结合神经网络和T-S模糊推理建立基于自适应神经模糊推理的一阶T-S模糊控制器,利用神经网络的自学习特性产生完善的模糊规则,进而在传统函数型伸缩因子的基础上,将系统误差和误差变化率作为动态参数引入伸缩因子中,实现伸缩因子参数的自适应调整,解决了传统函数型伸缩因子因参数确定难度大导致控制效果差的问题。通过随机工况下的仿真分析和基于相似理论的缩尺实验,对所提出算法的有效性和工况自适应性进行了验证。结果表明,所提出的自适应变论域T-S模糊控制策略具有较强的工况适应性,在不同车速、路面激励下均可有效提高车辆的平顺性并保证轮胎接地安全性。

粗穗披碱草1H^(t)S染色体特异荧光原位杂交标记开发

小麦-粗穗披碱草1H^(t)S.1BL罗伯逊易位系高抗小麦条锈病和叶锈病,是小麦遗传改良的优异基因源。我们前期利用中国春ph1b基因突变体对该易位系进行诱导,获得了一批诱导后代材料,为了从中准确鉴定小麦-粗穗披碱草1H^(t)S小片段易位系,需要建立能够覆盖粗穗披碱草1H^(t)S染色体的荧光原位杂交(FISH)标记。本研究利用21个小麦及其近缘种探针、61个基于中国春基因组序列新开发的小麦1BS染色体探针以及40个根据简单三碱基重复序列新开发的探针对小麦-粗穗披碱草1H^(t)S.1BL易位系进行非变性FISH分析。结果显示,B74、B76和B77等36个探针(33个为新开发的)在1H^(t)S染色体上具有杂交信号,并且杂交信号可分为仅在染色体末端、仅在着丝粒处、同时在着丝粒处和近着丝粒处、覆盖1H^(t)S约3/4染色体臂、覆盖绝大部分1H^(t)S共五种类型。因此,部分探针单独使用或多个探针联合使用,其信号能覆盖1H^(t)S染色体,能够满足小麦-粗穗披碱草1H^(t)S小片段易位系鉴定,这可为小麦背景中粗穗披碱草染色质追踪提供新的检测手段。

基于T-S模糊故障树的驱动电机冷却系统可靠性分析

车用驱动电机液压冷却系统存在故障机理不确定等问题。本文应用模糊数描述其故障概率和故障程度,建立驱动电机冷却系统的T-S模糊故障树模型,计算系统模糊可能性,分析各部件的概率重要度和关键重要度,找出影响系统可靠性的关键部件。

混合差分和多种群粒子群算法的T-S模糊模型辨识

为提高T-S模型的辨识精度,针对基本粒子群优化(particle swarm optimization,PSO)算法T-S模型全局优化辨识问题,提出混合差分和多种群粒子群算法的T-S模糊模型辨识方法,将T-S模型前件参数和后件参数整体编码进行全局优化辨识.为避免基本粒子群的早熟收敛和后期收敛速度慢的缺陷对T-S模型辨识精度和速度的影响,算法将种群分为若干个子群,每个子群根据粒子适应度值自适应调整惯性权重,平衡了算法的开发和探索能力,对子群最优粒子,进行差分操作以增强算法的全局搜索能力,采用全局最优粒子替代随机子群的最优粒子以加强子群间的信息交流,维持粒子多样性.典型非线性系统和混沌系统的仿真结果表明,采用混合差分和多种群粒子群算法辨识的T-S模型具有更高的辨识精度.

S-T-S混合式循环互助教学模式用于少学时“化工原理”课程

“化工原理”课程是化工及相关专业的专业基础课程,相关专业的学时少,课程难,需重点解决的问题是“三多”“三不愿”“三不明”。针对痛点问题,提出了线上线下混合式循环互助的创新设计思路,包括:教师帮助学生自制课前、课中、课后习题,学生帮助教师反馈真实学习情况,学生帮助学生组团互助学习。问卷调查和评教结果显示,在一定程度上解决了“三多”“三不愿”的问题;通过建立“助教团队”反馈不同层次学生的学习情况,较好地解决了“三不明”的问题。学生的成绩与教改前相比有明显提高。

基于T-S模糊逻辑的混合储能孤岛直流微电网功率分配控制

在含混合储能的直流微电网中,传统阻容下垂控制无法解决由线路电阻和负荷功率波动导致的系统功率分配失衡问题。为此,提出一种基于Takagi-Sugeno(T-S)模糊逻辑的自适应阻容下垂控制方法以实现混合储能的分频分配。根据蓄电池和超级电容的物理特性,建立单个蓄电池支路输出电压、蓄电池组间输出功率差额和阻性下垂系数之间的T-S模糊逻辑关系,以及单个超级电容支路输出功率及其变化率、超级电容组间功率差额和容性下垂系数之间的T-S模糊逻辑关系,并由此构建基于T-S模糊逻辑的阻容下垂控制器。推导含混合储能的直流微电网中各部分的平均阻抗模型,并采用阻抗比分析法对微电网的小信号稳定性进行研究。MATLAB/Simulink仿真结果表明,基于T-S模糊逻辑的阻容下垂控制可保证在线路电阻和负荷功率波动情况下系统功率的合理分配。

帕金森病患者免疫球蛋白、Th9亚群水平变化及其与IGF-1、S-100B蛋白的相关性

目的:研究帕金森病(PD)患者免疫球蛋白(IgG、IgA和IgM)、辅助性T细胞亚群Th9水平变化及其与胰岛素生长因子-1(IGF-1)、S-100B蛋白的相关性。方法:选取2020年12月至2022年12月期间在河北省中医院确诊的108例PD患者,将其作为研究组,并根据患者病变程度分为轻度组(35例)、中度组(44例)和重度组(29例);另选108例健康成人作为对照组。对比研究组和对照组免疫球蛋白和Th9亚群水平,以及轻度组、中度组及重度组免疫球蛋白、Th9亚群、IGF-1和S-100B蛋白水平,采用Pearson相关性分析免疫球蛋白、Th9亚群和IGF-1、S-100B蛋白的相关性。采用Spearman相关性分析PD患者疾病程度和所有差异指标间的相关性。结果:研究组IgM水平较对照组低,且重度组低于中度组,中度组低于轻度组(P<0.05);研究组IgG、IgA、IL-9和Th9亚群水平较对照组高,且重度组高于中度组,中度组高于轻度组(P<0.05)。重度组IGF-1水平低于中度组,中度组低于轻度组;重度组S-100B蛋白水平高于中度组,中度组高于轻度组(P<0.05)。Pearson相关性分析结果显示,PD患者IgM水平与IGF-1水平呈正相关,与S-100B蛋白水平呈负相关;IgG、IgA、IL-9和Th9亚群水平均与IGF-1水平呈负相关,与S-100B蛋白水平呈正相关(P<0.05)。Spearman相关性分析结果显示,PD患者疾病程度与IgM、IGF-1水平呈负相关,与S-100B蛋白、IgG、IgA、IL-9和Th9亚群水平呈正相关(P<0.05)。结论:PD患者IgM水平降低,IgG、IgA、Th9亚群水平升高,且其水平变化与IGF-1、S-100B明显相关,可以用于评估病情的严重程度。

基于TS-DBN的地铁牵引系统可靠性分析

论文提出一种结合连续时间T-S动态故障树和贝叶斯网络(TS-DBN)的可靠性评估方法来模拟实际运营过程中牵引系统的动静态失效行为。首先,构建基于牵引系统单元结构的故障树模型;然后,通过应用T-S动态门的时序规则,给出T-S门的逻辑定义,进而计算子节点后验概率及重要度参数;将敏感节点进行排序,建立系统连续时间状态下的稳定度函数数学模型。该方法能够直观地反映牵引系统结构单元的敏感薄弱环节,可以为后续维修策略优化提供理论参考。

基于T-S MPC的车辆自适应巡航控制策略研究

针对于汽车自适应巡航系统面对复杂工况时自适应性不强的问题,提出了一种基于T-S模糊变权重模型预测控制(Takagi-Sugeno fuzzy model predictive control,T-S MPC)的自适应巡航分层控制策略。首先上层控制器基于安全距离模型将自适应巡航系统划分为定速巡航模式、多目标优化控制的跟随模式和紧急制动模式;下层控制器基于车辆逆动力学模型,将上层控制器输出的期望加速度转变为节气门开度或制动压力;其次考虑到权重系数对控制精度的影响,建立基于T-S模糊控制的变权重模型预测控制器;最后搭建Carsim Simulink联合仿真平台,验证控制策略的准确性、适应性和跟踪响应速度。结果表明,在定速巡航工况时,T-S MPC控制方法跟踪响应时间为1.54 s,较PID和传统MPC控制跟踪响应快;在跟随和混合工况时,T-S MPC控制方法均方根误差为分别为0.3073、2.775,均低于PID、PID+LQR和传统MPC控制的均方根误差、并且自适应性好,有效提高了跟车性能与安全性。

基于改进T-S模糊模型的弧焊机器人轨迹实时跟踪

针对弧焊机器人在实际作业中受到诸多不确定因素的影响,导致弧焊机器人焊接轨迹偏离预期轨迹的问题,提出一种基于改进T-S(Takagi-Sugeno)模糊模型的弧焊机器人轨迹实时跟踪方法。采用图像识别技术识别并定位焊缝,通过坐标转换,确定焊缝中心线在机器人坐标系中的位置坐标。利用蚁群算法根据焊缝中心线在机器人坐标系中的坐标,搜索从起始位置到目标位置的最优焊接路径。设计了一种改进区间二型T-S模糊模型,通过视觉传感器实时获取新的焊缝信息,计算轨迹误差,以此为输入,利用改进T-S模糊模型对机器人的运动轨迹进行实时调整。实验结果表明,采用改进T-S模糊模型后,机器人轨迹跟踪离散度均降至1 mm以下,弧焊机器人轨迹与预期轨迹高度重合,比传统方法跟踪离散度大大降低。

靶向蛋白S-棕榈酰化修饰在T细胞免疫疗法中的研究进展

S-棕榈酰化是细胞内一种可逆且动态的蛋白质翻译后修饰,参与调控下游靶基因转录、表达以及信号转导,进而影响细胞生命活动。研究发现数千种人类蛋白质经历S-棕榈酰化修饰,表明S-棕榈酰化与疾病发生发展以及治疗之间存在很大程度的关联性。T细胞是机体抗肿瘤免疫的主力军,多种T细胞免疫相关蛋白受S-棕榈酰化调节。本文围绕S-棕榈酰化对T细胞信号转导的影响及在T细胞免疫疗法中的应用展开论述,为T细胞免疫治疗新靶点及多肽抑制剂的开发提供新思路。

T-S模糊系统的动态自触发有限时间H_(∞)控制

文中研究一类不确定Takagi-Sugeno(T-S)模糊系统的自触发有限时间H_(∞)控制。首先,提出动态自触发方案,构造触发参数的动力学方程,从而使自触发机制能依据触发时刻状态自适应地调整触发参数;同时,基于当前触发时刻的系统状态实时计算触发间隔,预测下一个触发时刻。相较于T-S模糊系统的静态自触发方案,文中所提的动态自触发方案能进一步降低触发频率,节约计算资源。其次,基于有限时间稳定理论,设置系统状态运动轨迹的次临界界限;结合状态轨迹与次临界界限的相对位置关系和动态自触发方案,分析系统的H_(∞)性能;此外,设计依赖模糊规则的H_(∞)状态反馈控制律,保证T-S模糊系统的动力学行为有限时间有界。最后,给出实例仿真验证文中方法的可行性。

基于人脸识别的课堂教学行为S-T分析系统设计

提出并详细介绍了一种基于人脸识别技术的课堂教学行为S-T分析系统的设计。该系统以S-T分析法为理论基础,采用多种人脸识别算法,包括年龄检测、表情分析、姿态分析等,旨在自动识别并分析教师和学生在课堂上的行为。基于大量课堂视频数据的准备、软件系统原型的设计、深入研究课堂教学行为理论等,解决人脸识别技术的算法选型、视频关键帧的分析与因果关系模型的建立、系统运行的稳定性和界面设计等关键技术问题。通过系统性的需求分析、设计与架构、实现、评估与可视化等阶段的论述,详细展现了该系统的开发过程。

制冷站系统负荷和能效比改进T-S模糊模型构建

制冷站具有非线性、强耦合等特点,导致传统机理的建模面临困难。为实现系统节能优化控制,并改善模型在线修正和移植性能,提出一种基于改进Takagi-Sugeno(T-S)模糊模型的制冷站负荷和能效比动态建模方法,前件结构辨识设计改进天牛须搜索算法,以改善模糊C-均值聚类方法对初值敏感和易陷入局部最优的问题;为实现非线性模型辨识,并降低现场测试数据噪声的影响,设计自适应扩展卡尔曼滤波算法实现模型后件参数辨识和在线修正。实验结果表明,所建立的负荷和能效比预测模型在广州某建筑上运行时,相对误差分别为0.63%和1.49%;使用广州市另一座建筑的数据进行模型可移植性验证,经过500步在线训练,新模型成功收敛,证明所构建模型具备良好的可移植性和适应性。

基于T-S动态故障树的桁架机器人系统可靠性分析

为了提高桁架机器人系统的动态可靠性,并且在发生故障时提升排查故障的效率,提出一种对桁架机器人系统动态可靠性分析的方法。首先,对桁架机器人系统建立T-S动态故障树;然后,把T-S动态故障树和T-S动态门规则分别转化为离散时间贝叶斯网络(DTBN)与相应网络节点的条件概率表,根据DTBN正反向推理分别计算得到各时间段以及任务时间内系统失效概率和根节点后验概率,并获得各根节点的T-S概率重要度、T-S关键重要度和灵敏度;最后,应用Monte Carlo仿真法进行验证,结果显示相对误差为0.29%,证明所提方法可行。给出当系统发生故障时应优先排查的零部件,并确定了系统薄弱环节,得出应优先提高可靠度的零部件,为桁架机器人系统的动态可靠性分析提供了理论依据。

T-S模糊系统的自触发有限时间H∞控制

为克服事件触发控制对硬件设备的依赖以及控制策略频繁更新的局限,针对一类不确定Takagi-Sugeno(T-S)模糊系统的有限时间H∞控制问题,引入自触发机制,提出一种基于此机制下只与触发时刻状态有关的模糊控制器设计方法;基于自触发机制并结合有限时间控制的思想,通过设计触发间隔函数、推导并求解线性矩阵不等式(LMI),使得系统在保障稳定性的前提下,系统运动轨迹不会超过一定的界限,并达到所期望H∞性能水平;同时相较于事件触发机制,自触发机制位于系统内部,无需额外硬件设备接收触发信号且只需利用当前的触发状态信息来预测下一触发时刻,在一定程度上进一步降低系统资源成本;此外,利用李亚普诺夫函数对系统稳定性进行了严格分析,并提供一个确保能够防止芝诺现象发生的证明;最后,通过数值仿真、单连杆刚性机器人系统实例仿真两个实验说明所提方法的有效性。

基于T-S模糊建模的气动肌肉拮抗关节预测角度控制

目的:为了提升气动肌肉拮抗关节的控制精度。方法:提出了一种用于气动肌肉拮抗关节角度跟踪的T-S模糊模型预测控制方法。建立了拮抗关节的T-S模糊模型,并对模型进行了离散化处理;基于离散后的T-S模糊模型,设计了拮抗关节的模型预测控制器,通过特征值法验证了系统的稳定性。结果:仿真实验表明,T-S模糊模型预测控制器跟踪±15°和±10°的角度时,相对于传统模型预测控制,平均绝对误差分别降低了29.05%和44.11%。结论:设计的T-S模糊模型预测控制器提高了气动肌肉拮抗关节的控制精度。

基于T-S模糊神经网络的光伏发电机组自动控制

光照情况变化会使光伏发电机组功率呈现不稳定性,加大光伏发电机组控制难度,为此,设计了基于T-S模糊神经网络的光伏发电机组自动控制方法。构建光伏阵列数学模型,分析在均匀和不均匀2种光照情况下光伏发电机组特性曲线。以分析结果为依据,采用T-S模糊神经网络构建光伏发电机组自动控制模型。为保证良好的控制效果,引入定比因子优化隶属度函数,输出最佳跟踪结果,结合最佳跟踪结果和自动控制模型实现光伏发电机组自动控制。测试结果显示,该方法能够完成光伏阵列特性分析,控制效果好。