基于双门控-残差特征融合的跨模态图文检索

由于互联网和社交媒体的快速发展,跨模态检索引起了广泛关注,跨模态检索学习的目的是实现不同模态的灵活检索。不同模态数据之间存在异质性差距,不能直接计算不同模态特征的相似度,使得跨模态检索任务的准确率很难提高。为缩小图像和文本数据间的异质性差距,文中提出了一种双门控-残差特征融合的跨模态图文检索方法(DGRFF),该方法通过设计门控特征和残差特征来融合图像模态和文本的特征,能够从相反的模态中获得更有效的特征信息,使得语义特征信息更全面。同时,采用对抗损失来对齐两个模态特征的分布,以保持融合特征模态不变性以及在公共潜在空间中得到更有辨识力的特征表示。最后,联合标签预测损失、跨模态相似性损失和对抗损失对模型进行训练学习。在Wikipedia和Pascal Sentence数据集上进行实验,结果证明,DGRFF在跨模态检索任务上获得了良好的效果。

基于Adaline神经网络参数辨识的PMSM鲁棒电流预测控制

针对复杂工况下永磁同步电机存在模型参数失配导致控制系统性能下降的问题,提出一种基于参数在线辨识的鲁棒电流预测控制方法。首先,建立永磁同步电机预测控制模型,详细分析电磁参数失配对电机响应电流及输出转矩和转速的影响。然后,设计了基于Adaline神经网络的参数在线辨识器,并在传统的权值调整算法上,提出一种应用于电机参数辨识系统的新型动态混合最小均方算法。最后,利用在线辨识的参数来实时更新电流预测控制器中的参数,以避免参数失配对控制系统性能的影响。通过仿真和实验验证了所提方法和新型算法的可行性和有效性,其结果表明了该方法不仅能够实现精准在线跟踪电机参数的变化,而且有效抑制了参数失配导致的响应电流偏差。

集成自适应变异混沌松鼠搜索和LSTM算法的RUL预测方法及应用

针对松鼠搜索算法(SSA)优化长短期记忆人工神经网络(LSTM)时,存在优化参数易陷入局部最优以及LSTM预测效率下降的问题,提出一种自适应变异混沌松鼠搜索算法(AMCSSA)优化LSTM学习率及其下降因子的预测模型。通过计算AMCSSA的时间复杂度证明其在未增加算法复杂度的前提下提高寻优效率,AMCSSA采用切比雪夫混沌映射生成混沌初始种群,并将捕食者概率改为非线性递减模式,利用位置贪婪选择策略使其在算法迭代过程中不断更新并保留更优个体,引入自适应T变异策略提高SSA在搜索空间中的勘探能力。通过AMCSSA对LSTM的学习率及其下降因子进行参数寻优,进一步提高LSTM的预测能力。对滚动轴承的剩余使用寿命(RUL)进行实验验证,结果表明所提方法相较于传统SSA、粒子群算法(PSO)、蝙蝠算法(BAT)以及萤火虫算法(FA)优化LSTM后,在预测中的精度分别提高了1.05%、7.61%、8.4%以及7.73%,并且使优化后的LSTM在完成收敛所需要的迭代次数减少,从而提高预测效率。

基于约束对抗卷积自编码记忆融合网络的故障诊断

现有的基于多传感器融合技术的电机轴承故障诊断方法存在传感信号种类单一以及难以充分捕获不同数据间的分布不变性(模态不变性)问题。为此,在振动、电流数据上提出一种基于约束对抗卷积自编码记忆融合网络(CACAE-MFN)用于诊断电机轴承故障。首先,在融合之前通过引入挤压激励模块(SE-Block)和模态鉴别器和中心矩偏差度量函数(CMD)来改进卷积自编码器(CAE),使其能够加强关键性特征提取的同时捕获不同数据间的模态不变性信息。然后,利用长短周期记忆网络(LSTM)融合所提取的特征以学习其上下文信息。最后,对比实验表明所提融合方法实现了97%的轴承故障诊断精度,优于非融合方法约5%~11%。消融实验、可视化实验和泛化性能实验的结果验证了模型的有效性和泛化性。

一种永磁同步电机无模型超螺旋快速终端滑模控制方法

针对内置式永磁同步电机(interior permanent magnet synchronous motor,IPMSM)由于内部参数变化、外部扰动等各种不确定性因素导致控制性能不佳的问题,提出一种无模型超螺旋快速终端滑模控制方法。首先,建立考虑IPMSM不确定性的新型超局部模型,结合超螺旋算法和快速终端切换函数设计无模型超螺旋快速终端滑模控制器,确保系统状态有限时间收敛,并有效减小抖振。其次,设计扩展滑模扰动观测器精准估计超局部模型中的未知部分,并前馈补偿给设计的控制器,进一步提升系统的抗干扰能力和跟踪性能。最后,通过与PI控制和传统无模型滑模控制进行仿真实验对比,验证了该方法具有更快的收敛速度和更强的鲁棒性。

冷藏条件下鸡胸肉品质变化及新鲜度评价模型的构建

目的分析冷藏过程中鸡胸肉新鲜度评价指标并构建新鲜度评价模型。方法以新鲜鸡胸肉为对象,通过对其在4℃冷藏过程中的pH、挥发性基盐氮(total volatile base nitrogen,TVB-N)值、菌落总数(total viable count,TVC)和感官评分等指标进行测试,分析鸡胸肉在4℃贮藏过程中的新鲜度变化特性。通过主成分分析法、层次聚类分析法和判别分析法等多元统计方法,对鸡胸肉多项新鲜度评价指标的信息进行分析,并搭建新鲜度评价模型。结果通过多元统计方法和新鲜度评价模型分析发现,鸡胸肉在4℃冷藏条件下贮藏过程中,0~2 d为新鲜,3~5 d为中度新鲜度,6~8 d为腐败。结论该结果可为鸡胸肉贮藏过程中新鲜度的相关研究提供理论依据,为其他肉类食品贮藏过程中新鲜度评价模型的构建提供借鉴意义,并有助于减少食品浪费和食源性疾病。

遗传算法和神经网络融合的滑模控制系统及其在印刷机中的应用(英文)

针对一类非线性系统 ,提出了一种综合集成滑模控制器设计方法 .首先 ,采用遗传算法进行参数调节 ,从而构造出一个最佳切换函数 ,使得系统既具有良好的动态性能 ,又扩大了鲁棒区域 .然后 ,采用神经网络在线调整控制器参数 ,从而克服了由不确定性引起的系统轨迹偏离切换函数 ,并且通过变学习率学习算法来加快神经网络的收敛性 .最后 ,研究了所提出方法在凹版印刷机张力调节中的应用 .仿真结果表明该控制器具有较好的动态性能及鲁棒性 ,并有效减少了抖动 .

永磁同步伺服电机的变结构智能控制

提出了一种基于智能控制的离散变结构系统。该系统采用一种新的状态观测器的设计方法。首先设计一个线性观测器,随后用神经网络对其具有不确定性的部分进行补偿,并用神经网络实现对变结构控制器参数的在线调整。在永磁同步伺服电机位置控制系统中的实际应用,表明了该方法的优越性和实用性。

一种永磁同步电机失磁故障容错预测控制算法

针对永磁同步电机失磁故障导致牵引系统带负载能力降低的问题,提出一种基于磁链在线检测容错预测控制算法。首先,根据永磁同步电机预测控制模型,详细分析了永磁体发生失磁故障对电流控制和电机运行状态的影响。其次,设计了基于滑模变结构的观测器,利用滑模变结构等值控制原理,建立了实时估计永磁体磁链算式。通过永磁体磁链算式,进而计算状态电流观测值。最后,提出了容错预测控制算法。该算法将状态电流观测值作为反馈量输入到容错预测控制器中,以使响应电流准确跟踪给定电流,从而达到容错控制的目的。通过仿真及实验验证,证明了所提算法的可行性和有效性。

基于自适应观测器的鲁棒失磁故障检测方法

针对永磁同步电机存在失磁问题,提出了一种基于自适应状态观测器的失磁故障实时检测方法。首先,通过选择磁场同步旋转坐标系下定子电流为状态变量,建立了嵌入式永磁同步电机失磁故障的数学模型。然后,针对电机参数变化而导致传统滑模观测器无法准确检测失磁故障问题,提出将模型参考自适应与滑模变结构控制相结合的方法,设计了自适应滑模观测器,借助Lyapunov稳定性理论证明观测器的稳定性,推导出待辨识参数的自适应律,依据滑模变结构等值控制原理,建立了估计永磁体磁链算式。最后,通过仿真验证,证明了所提方法的可行性和有效性。

基于观测器的感应电机故障检测方法及应用

定子绕组和转子绕组的故障是导致感应电机失效的主要原因之一,实时监测电机运行状况不仅可以提高电机运行的可靠性,而且可以避免不必要的经济损失,因此及时而有效地检测感应电机绕组故障是完全有必要的。首先对感应电机定子绕组和转子绕组的故障特性进行分析,并对其故障进行了建模,然后利用感应电机d-q坐标系的状态空间数学模型,提出了一种鲁棒观测器的设计方法,该方法不仅对未知输入扰动具有良好的鲁棒性,而且对绕组故障具有很高的灵敏度,最后对模拟的绕组故障进行了实验,结果证实该方法是正确有效的。同时该方法的提出对实际工程应用也具有一定的参考价值。

滑模变结构的智能控制及其应用

分析和设计了一个对不确定参数变化和外部干扰呈不灵敏性的智能滑模变结构控制器。该文提出的模糊神经滑模控制器 ,能有效地解决滑模变结构的 2个主要问题。仿真和实验的结果表明 ,该控制器具有较好的动态性能和鲁棒性。

匝间短路故障对永磁同步电机失磁影响的分析与研究

目的研究不同相带第1匝发生短路故障对永磁电机失磁的影响。方法利用有限元法,在对电机的设计参数及绕组结构进行介绍的基础上,运用ansoft软件建立了永磁电机模型,并计算了不同故障类型对永磁电机的失磁影响;提取了不同故障下,永磁电机短路线圈的电流变化波形和磁密矢量分布图;从绕组分布的2个不同方面,讨论了不同相带的第1匝发生短路故障时,去磁磁场的大小、失磁区域的大小和失磁区域分布之间的关系。结果失磁区域的大小和分布与短路线圈的空间位置有关。结论该研究结果可以作为判断短路线圈与永磁体失磁位置的依据,也为永磁同步电机的设计提供了技术参考。

基于改进卷积双向门控循环网络的轴承故障诊断

针对传统深度学习方法没有充分利用轴承信号的时序特点,以及难以处理动态数据的问题,提出一种基于改进卷积双向门控循环神经网络的轴承故障智能诊断方法。采用卷积神经网络从输入信号中提取代表性特征,引入双向门控循环神经网络挖掘故障数据在时间维度上的语义信息,通过注意力机制自适应地对特征图通道赋予不同权值,从而实现高精度的轴承故障诊断。在公开轴承数据集上进行实验,实验结果表明,该方法能够正确地将轴承故障分类,分类精度可达99.6%。

一种检测永磁同步电机失磁的级联观测器

针对永磁同步电机存在失磁问题,提出了一种基于级联自适应滑模观测器的失磁故障实时检测方法。首先,针对定子电阻发生时变变化而导致传统自适应观测器无法准确检测失磁故障问题,提出将改进型自适应与滑模变结构控制相结合的方法,设计了级联自适应滑模观测器,并给出了定子电阻的自适应估计算法。然后利用滑模变结构等值控制原理,建立估计永磁体磁链算式。最后,通过仿真以及实验验证,证明了所提方法的可行性和有效性。

智能变结构状态观测器的研究

针对一类非线性系统 ,研究了智能变结构状态观测器的设计问题。文中首先提出采用B样条模糊神经网络对系统不确性进行补偿并减少观测器抖动的方法 ,然后给出网络的在线自学习算法 ,最后将所提出的方法应用到感应电动机的转子磁通观测器设计中。

培养具有创新能力的自动化专业应用型人才的实践

结合创新人才的知识、能力和素质要求，重新构建自动化专业创新人才培养体系。并从提高教师科研能力、改革人才培养方案、建设实践基地以及强化创新能力训练等方面进行探索。

神经网络滑模鲁棒控制器及其应用

从提高系统的鲁棒性出发 ,提出一种基于神经网络的滑模面和滑模控制器 ,在证明滑模条件成立的基础上 ,采用了快速优化学习算法对其进行参数训练 .经在永磁同步电动机调速系统中应用 ,表明本文提出的设计方法可满足系统要求 .

高速列车制动力分配优化控制算法研究

针对当列车制动力大于粘着限制时,将产生严重滑行问题,提出了一种高性能的制动力动态分配的优化控制算法。通过建立单节列车受力模型,计算各节列车当前轨面状态下的粘着力。在电制动优先的控制策略下,考虑列车施加的制动力受到粘着力的约束条件,可得动车和拖车分别应施加的总的制动力大小。然后,各节列车按照粘着力的正比例关系,对动车和拖车总的制动力进行再分配。各节列车应施加的制动力均小于其粘着力约束,粘着力大的列车承担更大的制动力。通过仿真软件对该算法进行仿真和分析,说明提出的制动力分配优化控制算法的优越性。

内燃机车集散加油系统的设计

介绍了一种内燃机车集散加油系统的基本原理，讨论了控制系统的特点及原理，包括加油机硬件和软件的设计方法，最后给出了系统实验结果．