深度学习技术在航迹控制系统中的应用

研究深度学习技术在航迹控制系统中的应用,实现航迹智能、精确控制,以适应复杂多变环境和任务需求。利用LOS算法确定船舶航行期望航向角、航迹误差,在融合船舶模型采集的船舶状态信息后,得到航迹跟踪控制的状态变量,将其输入到基于MDP模型的航迹控制器中,将最高长期累积回报作为目标,利用卷积神经网络对控制器训练,学习给定状态到执行动作之间的映射关系,以获得使船舶按照预定航迹行驶的最优舵角动作值,实现航迹精准跟踪控制。实验结果表明,该系统所用控制器经过150回合训练,即可实现航迹数据规律的精准捕捉,具有突出学习能力;干扰工况下,该系统也可使船舶沿期望航迹航行,航迹控制效果显著。

氧化锆修复体崩瓷后复合树脂口内修补的2年随访研究

目的：探讨氧化锆修复体崩瓷后复合树脂修补的临床效果。方法：对53例崩瓷氧化锆修复体利用含有功能性粘结单体10-MDP的陶瓷偶联剂Clearfil CeramicPrimer联合复合树脂对崩瓷修复体进行口内直接修补，随访观察6～24个月。结果：49例崩瓷修复体复合树脂修补后2年内未发生树脂松动脱落或变色，成功率为92．4％。结论：在严格选择适应证的前提下，利用含10-MDP的偶联剂处理崩瓷界面后，复合树脂修补崩瓷氧化锆修复体可取得良好的临床效果并值得推广。