生成式人工智能在个性化学习中的应用模式

ChatGPT等生成式人工智能具有强大的自然语言交互和内容生成能力,给教育领域的应用带来机遇和挑战。通过分析生成式人工智能在教育领域应用的优势和面临的挑战,研究发现,生成式人工智能对个性化学习具有促进作用,其有助于准确分析学生偏好、推荐多样化学习材料和全面实现教学目标。利用构造提示、生成推荐和评价结果三个步骤的应用模式,以生成式推荐的方式,可以更好地实施因材施教和降低学生负担。

无模型控制在气动变载荷加载系统中的应用

针对气动加载系统压力跟踪控制中强非线性、强耦合性、模型不精确性等问题,提出一种无模型自适应控制(model-free adaptive controller,MFAC)器,该控制器结构简单、参数少、不需要被控系统的数学模型,是一种低成本的控制器。其中的伪偏导数估计算法仅需利用受控系统的输入输出数据来估计伪偏导数,使该算法具有更强的灵活性和一般性。然后在三种典型的输入信号下与经典PID控制进行仿真比较,并在气动变载荷摩擦磨损试验机试验平台上进行了试验验证,仿真和试验结果表明,无模型自适应控制器具有非常强的适应性和鲁棒性,而且在工程上易于实现。

气动加载系统的无模型自适应控制方法

针对气动加载系统压力跟踪控制中的强耦合性、强非线性、不确定性等问题,将跟踪微分器(TD)作为反馈滤波器加入到无模型自适应控制(MFAC)中。结合2种方法的优点,可以有效抑制外界干扰对系统带来的影响,获得更好的输出性能,提高控制系统的鲁棒性。在气动变载荷摩擦磨损实验机控制平台上进行了实验验证,与无模型自适应控制进行对比,实验结果表明,改进的控制器具有抗干扰性强、响应速度快、鲁棒性强等特点。

Model-free adaptive control of space manipulator under different gravity environment

Due to the release of gravity in the space environment, the dynamic characteristics of the space manipulator have changed compared with that of the ground, which results in the change of its tracking precision. This paper presents a model-free adaptive control(MFAC) strategy to track the desired trajectory under different gravity environment. A dynamic transformation method and full form dynamic linearization(FFDL) approach are selected to dynamicly linearize the system, which can better eliminate the complex dynamics that may exist in the original system. The controlled object uses the two degrees of freedom of space manipulator and the controller only depends on the desired angle and torque of each joint of the space manipulator. Moreover, the proof of stability is also provided. Finally, simulation results are presented to demonstrate the effectiveness of the proposed strategy. It is shown that the proposed approach can achieve better trajectory tracking performance under different gravity environment without changing the control parameters, and the tracking precision can be significantly improved as compared with the proportional differential(PD) control results.

“双减”背景下的个性化学习推荐策略研究

个性化学习推荐通过实施因材施教,对于基础教育的减负、提高教师对学生特征的了解等具有重要作用。通过分析现有推荐策略的优缺点和基础教育领域应用的特点,研究认为,个性化学习推荐策略需要把“教”和“学”的个性化统一起来,应用多目标优化方法,提出三种混合推荐策略:教师评价最大化的推荐策略、满足教师评价要求的协同过滤策略和内容分析策略,用背包模型进行定量描述,并把个性化学习过程分为准备、掌握和熟练三个阶段,分别采取三种推荐策略,以实现达成教学目标和减轻学习者负担的个性化学习推荐。

基于位移迭代的伺服电缸压力控制模型

为了解决传统伺服电缸压力机在扭矩模式下控制精度受系统阻尼影响,不适用于大量程的压力控制的问题,设计了一套伺服电缸压力机系统,采用基于位移迭代的压力控制模型,利用被压工件材料的压力与变形之间的本构关系,通过调整电缸输出位移,控制被压工件的变形量,实现基于位移迭代的压力控制,从而克服了系统阻尼对控制精度的影响,使伺服电缸压力控制精度高于±0.6%,且压力越大,控制精度越高。研究成果使得普通电缸也能够满足大量程、高精度压力控制的需求,大幅降低了伺服电缸压力机系统的制造成本。