基于深度图神经网络的协同推荐算法

针对现有基于图神经网络(GNN)的推荐算法面临的过平滑的问题,提出一种基于深度GNN的协同过滤推荐算法Deep NGCF(Deep Neural Graph Collaborative Filtering)。该算法在GNN中引入初始残差连接和恒等映射,避免了GNN进行多次图卷积运算后陷入过平滑。首先,通过用户和项目的交互历史得到它们的初始嵌入;其次,在聚合传播层利用初始残差连接和恒等映射得到用户和项目的不同阶协同信号;最后,对所有协同信号进行线性表示以得到预测评分。此外,在初始残差连接和恒等映射中设置比重进行调节,从而进一步提高模型的灵活性和推荐性能。为验证Deep NGCF算法的可行性和有效性,在Gowalla、Yelp-2018与Amazon-Book数据集上进行实验。实验结果表明,相较于图卷积矩阵补全(GCMC)、神经图协同过滤(NGCF)等现有的GNN推荐算法,Deep NGCF算法取得了最高的召回率和归一化折损累计增益(NDCG),验证了所提算法的有效性。

基于指数收敛观测器的协调臂自适应滑模控制

提出了一种基于扰动观测器的弹丸协调臂电液伺服系统自适应滑模控制方法。设计干扰观测器在线观测系统扰动大小并进行补偿,从而有效降低切换增益;设计自适应律不断调整系统参数以适应对象变化,并采用一种映射自适应算法保证估计参数有界;为了加快趋近速率,设计了基于指数趋近律的滑模控制方法,保证在大阶跃情况下系统仍然能以较大的速度趋近于滑动模态。仿真结果表明该控制策略有较好的动态跟踪性能和鲁棒性。

基于改进自适应趋近律的弹丸协调臂滑模控制

针对某火炮弹丸协调臂电液伺服系统在传统滑模控制趋近律下存在抖振现象和收敛速度慢等问题,提出一种基于改进自适应趋近律的弹丸协调臂滑模控制。当系统状态变量距离切换面较远的时候,幂次项起主要作用;当系统状态变量距离切换面较近时,自适应变速项起主要作用,随着状态变量变化自适应调节变速项系数,直到状态变量收敛到稳定点。当系统存在参数不确定性和外界扰动时,滑模状态变量可在有限时间收敛到边界层宽度为2.6的稳定误差界内。仿真结果表明,控制策略能有效提高系统的动态精度和到位精度,提高系统的鲁棒性。

基于干扰观测器的弹丸协调臂Terminal滑模控制

为了解决某火炮弹丸协调臂电液伺服系统位置控制精度问题和鲁棒性问题,提出了一种基于扰动观测器的弹丸协调臂Terminal滑模控制策略。推导出弹丸协调臂电液伺服系统的动力学方程,将系统的参数不确定性以及外界扰动处理为干扰项。采用指数趋近的干扰观测器进行在线观测并在控制律中进行补偿,提高了系统的鲁棒性。同时为了克服传统滑模控制在线性滑模面条件下状态渐进收敛导致无法在有限时间内到达平衡状态的特点,设计了一种全局快速Terminal滑动模态,使系统在有限时间内到达滑模面,系统状态在有限时间内迅速收敛到平衡状态,最后利用Lyapunov证明全局稳定性。仿真结果证明,该控制策略能对电液伺服系统不确定性和干扰具有很好的鲁棒性,且能明显提高弹丸协调臂动态精度与稳态精度。

药仓推药链故障仿真研究

为了掌握磨损对药仓推药链系统的影响,采用虚拟样机技术。对药仓推药链系统工作原理进行分析,通过Adams与Matlab软件建立药仓推药链联合仿真系统模型。根据零部件磨损后几何尺寸发生的变化,在仿真模型中注入滚轮磨损和链轮磨损两种故障模式,并进行仿真分析。分析结果表明,出现磨损后会导致链传动运动精度和平稳性下降,冲击振动更加明显。该方法可为药仓推药链系统磨损机理和故障诊断方面的研究提供参考。

电商数据的爬取及价格模型的建立

随着电商交易量和用户数的不断增加,一方面在电商营销过程中商家调价的频率和幅度都有所增加;另一方面面对众多选择消费者难以对自己所需的商品有准确的价格估计,也无从判断现在是否处于价格高地。笔者用网络爬虫程序获取了知名大型电子商务平台以电脑为例的多个时刻的商品数据,提取有效信息字段并进行量化,最终通过多元线性回归建立了商品价格模型,并对模型的进一步应用进行了展望。