改进粒子群算法自抗扰控制在磁悬浮系统中的研究

磁悬浮系统具有易受干扰及模型不确定等特征,因此采取不依赖模型的自抗扰控制应用在磁悬浮系统中。但自抗扰控制参数众多,为解决参数整定烦琐问题,设计自适应权重粒子群算法对自抗扰控制器参数进行优化。该算法主要利用粒子的适应值大小,对粒子速度权重进行自适应改进。同时,当粒子适应值方差多次小于一定次数时,对粒子施加柯西变异防止粒子陷入局部最优,与其他常规粒子群算法相比,该算法粒子寻优迭代次数显著提前,减少粒子搜索时间。通过Matlab/Simulink仿真实验结果表明,基于改进粒子群算法优化后的系统有着很好的抗扰动和适应性能。

基于深度学习的目标检测算法综述

目标检测技术应用非常广泛,主要用于识别以及定位图像中的物体,是发展较快的一种技术。在广泛文献调研的基础上对大量检测算法进行了研究,对各种主流网络框架的结构、优缺点作出综述,从两阶段、一阶段两种范式对不同模型的原理、优点等进行了分析,对常用数据集进行了简单介绍,并对其未来发展趋势给出了合理的分析预测。