典型电动车窗控制系统的规则化描述建模

针对传统控制方法不能满足人们对于汽车日益提高的安全性和舒适性要求,文章提出了一种基于规则化建模的车窗控制策略,系统采用专用车身控制器(BCM),利用规则式描述车窗行为关系并以此建立系统模型,根据输入信号,控制器直接调用规则库对其匹配并输出控制信号。以某款车型的部分控制系统为实例进行仿真实验,仿真结果表明,该车窗控制方法降低了系统的延时性,将系统的实时性提高了约30%。

Hall-A库仑求和规则实验束流刻度(英文)

在JLab的A大厅上的库仑求和规则(CSR)实验中,为了得到CSR实验所必需的电子对不同低温靶(氢,氦,碳,铁,铅)的散射截面,对束流监测器在不同的电流值(0.2,0.5,1,2,5,10,20,40,60μA)进行了更好地刻度,以得到不同运动学参量下更精确的束流电荷.

基于属性粒化聚类与回声状态网络的末制导雷达故障诊断

为了提高末制导雷达故障诊断的效率和精度,提出一种基于属性粒化聚类与回声状态网络(ESN)的故障诊断方法.定义一种基于属性值影响度的属性区分能力测量指标,并以此作为相似性度量依据,利用近邻传播(AP)聚类算法得到区分能力相当的若干属性粒,通过选取聚类中心属性来完成故障征兆属性的约简;在储备池构建中,采用Bienenstock-Cooper-Munro(BCM)规则进行连接权矩阵的预训练,在目标函数中添加L_(1/2)范数惩罚项,以提高ESN储备池对样本的动态适应性;同时,采用半阈值迭代法对模型进行求解,通过末制导雷达信号处理模块的故障诊断实例,验证了所提方法的有效性和优越性.结果表明:与BP神经网络和传统ESN模型相比,所提方法的稳定性及诊断准确率更高;将其与基于属性重要度和AP聚类的属性粒化约简算法相结合,能够进一步提高故障诊断的效率和精度,其仿真实验的训练时间仅为8.98s,诊断正确率可达95.2%.

基于L_(1/2)范数正则化的塑性回声状态网络故障诊断模型

为了提升储备池的动态适应性能,克服回声状态网络(ESN)输出权值求解的病态不适定问题,平衡其拟合与泛化能力,提出了一种基于L_(1/2)范数正则化的塑性回声状态网络故障诊断模型。在储备池构建中引入BCM规则对连接权矩阵进行预训练,并在目标函数中添加L_(1/2)范数惩罚项以提高稀疏化效率,利用一个光滑化的L_(1/2)正则子克服迭代数值振荡问题,并采用半阈值迭代法对模型进行求解。将模型应用于机载电台的故障诊断问题中,仿真结果证明了模型的有效性和优越性。