高师与中学数学实验交互适应性研究

数学实验是当前数学教学改革的一个时代方向。以计算机技术为平台的高师数学实验与以计算器为重要工具的中学数学实验在本质上具有许多共同点。因此 ,这两个层次的数学实验在教学目标与效果上都具有交互适应性 。

农民工与城市居民的交互适应问题研究

农民工的城市适应是基于农民工与市民互动过程进行的,而交互性适应也是衡量多元社会和谐共生的主要判别标准。本文通过实证研究发现,农民工与市民的交互过程存在一定规律,并影响着更深层次的互动态度。基于此,文章提出相应措施,以构建良好的交互关系,对农民工的城市化过程和构建"和谐共生"的社会环境具有积极意义。

高超目标强跟踪CKF自适应交互多模型跟踪算法

高超目标运动状态复杂且具有高机动性,传统的交互多模型(IMM)跟踪精度低、收敛速度慢,基于此,提出了一种基于多重渐消因子的强跟踪容积卡尔曼滤波(CKF)自适应交互多模型(AIMM)跟踪算法。以IMM-CKF算法为基础,通过对CKF算法的结构进行分析,在时间更新和量测更新的协方差矩阵中引入强跟踪算法的渐消因子,在线实时调整滤波增益,减小模型不匹配导致的滤波精度下降;在IMM的模型集中选择Singer模型、“当前”统计模型和Jerk模型,并针对模型扩维导致CKF算法中无法Cholesky分解的问题引入奇异值分解(SVD)算法;对IMM算法中马尔可夫矩阵提出自适应算法,通过模型似然函数值对转移概率进行自适应修正,增强匹配模型所占比例。仿真结果表明:所提算法跟踪收敛速度提高了约37.5%,跟踪精度提高了16.51%。

交互式模型参考自适应滑模控制矢量控制系统

针对异步电机参数变化导致转速估计不准确的问题,提出一种同时辨识定子电阻和转速的交互式模型参考自适应估计方法,并针对常规模型参考自适应方法在估计时存在复杂的PI增益系数调节的问题,使用基于趋近率的滑模控制来替代PI环节。该方法只需检测定子侧电压和电流值即可估计异步电机在运行过程中的定子电阻和转速的值,使整个系统对定子电阻的变化具有较强的鲁棒性,提高整个系统的控制精度。通过对异步电机的矢量控制仿真实验验证了该方法的准确性。

区间量测下自适应交互多模型箱粒子滤波机动目标跟踪

针对现有交互多模型箱粒子滤波(Interacting Multiple Model Box Particle Filter,IMMBPF)算法在区间量测目标跟踪过程中模型切换和跟踪精度方面的不足,结合自适应交互多模型算法,提出了一种自适应交互多模型箱粒子滤波(Adaptive IMMBPF,AIMMBPF)算法。该算法利用模型似然后验信息构建修正因子,并结合阈值对马尔可夫转移概率矩阵进行自适应修正,使得匹配模型的概率快速增大,并且可以减小非匹配模型的影响,即使在目标运动模型先验信息不足或者不准确情况下,也能对模型转移概率进行自适应更新。对于量测常受到未知分布和偏差的区间误差所影响而呈现区间形式的问题,将箱粒子代替普通粒子,拟合后验概率密度从而进行滤波。仿真结果表明,相比于原有算法,该算法在区间量测机动目标跟踪的应用中,拥有更优的模型匹配度和目标跟踪精度。

高机动目标的改进强跟踪CKF自适应IMM算法

为提升高机动目标跟踪精度,提出了一种改进的强跟踪CKF自适应交互多模型跟踪算法。在IMM算法运动模型集中引入CS-Jerk模型,增强对高机动目标的适应能力,采用奇异值分解(SVD)算法解决模型集中因模型扩维而导致CKF算法无法Cholesky分解的问题;提出了一种改进的强跟踪CKF算法,降低强跟踪CKF算法的计算量;利用模型的后验信息对IMM算法模型转移概率进行自适应调整,提高跟踪精度。仿真结果表明,基于所提算法目标的位置均方根误差均值和速度均方根误差均值较IMM-CKF算法分别降低了22.50%和16.58%,有效提高了目标跟踪精度。

基于自适应交互学习的CPS时间序列异常检测

对信息物理系统(CPS)的时间序列进行检测是一种重要的异常检测手段,然而现有的一些时间序列异常检测方法往往忽略了时间序列内部的依赖关系,使得预测或重构数据建立起的依赖关系较差,进而影响异常检测性能。针对以上问题,提出一种基于自适应交互学习的CPS时间序列异常检测方法。利用神经网络识别CPS的隐藏状态,然后通过全局自适应融合与交互学习来保留时间序列的依赖关系;接着使用无迹卡尔曼滤波跟踪时间序列的变化趋势,以此增强预测过程的鲁棒性;最后计算异常分数并评估异常情况。应用该方法在三个CPS数据集上实验获得的平均性能为F_(1)分数0.940、精度0.965、召回率91.7%。实验结果表明,相较于近年来的其他研究方法,该方法能够较好地保留时间序列的依赖关系,提取更准确的时间序列特征,进而提高模型的预测性能,使得异常检测的召回率和F_(1)分数得到较好提升,具有良好的应用前景。

自适应交互PID在液压伺服系统中的应用

自适应交互算法实现简单,能够在未知系统模型的前提下完成控制参数梯度递减,使系统控制性能趋向优化。将自适应交互算法引入到传统的PID控制器中,构成一种自适应交互PID控制器,将该控制器应用到宝钢2050粗轧液压立辊压下系统中,结果表明在外界扰动和系统工况发生变化时,该控制器能够自适应调节控制器参数,使控制系统取得满意的控制效果。

自适应学习系统中双向适应交互评价实证研究

随着信息技术的快速发展,网络学习已经成为人们生活中不可或缺的一种学习方式。以实现网络个性化学习为目标的自适应学习系统成为提高网络学习质量的重要研究课题。然而目前大多数自适应学习系统仅具有单向适应能力,即实现了系统根据用户特性适应性向学习者呈现学习资源、过程和策略的功能。尽管这种功能有助于解决学习者认知超载和网络迷航问题,一定程度上提高了学习效率,但学习者在此系统中是一种被动学习,不利于培养学习者自主学习能力和创新能力,也不利于促进学习者对知识的主动建构,还容易使学习者产生惰性。因此,应该充分考虑学习者和系统之间的主客体关系,在自适应学习系统中建立双向适应交互,即用户主动选择资源的适应性交互和系统主动推送资源的自适应交互。双向适应交互最为关键的是用户模型,而认知风格是用户模型中影响学习者个体差异的一个重要元素。从学习效率和使用感受两个层面实证评价双向适应交互性,以及认知风格对其的影响发现:采用自适应学习方式,学习者具有更积极的学习态度,能够取得更好的学习绩效;但认知风格会影响到自适应学习和适应性学习的绩效。

自适应交互多模型滤波在INS/CNS组合导航中的应用

针对惯性/天文(INS/CNS)组合导航系统中由于量测噪声的统计特性随应用环境发生变化而导致滤波精度降低的的问题,提出了一种基于自适应交互多模型(AIMM)的组合导航算法,该算法将改进的Sage-Husa自适应滤波器与交互多模型相结合,以少量的模型实现对实际模态的覆盖。仿真结果表明:与常规Kalman滤波方法相比,该方法较好地覆盖了实际模态变化情况,实现了对量测噪声统计特性变化的自适应调整,在观测值发生异常时,导航参数误差没有大的跳变,导航滤波器在观测值异常时具有一定的自适应能力,从而保证了导航滤波器的可靠运行,提高了导航系统的精度和可靠性。

宏微并联机器人系统自适应交互PID监督控制

500m口径球面射电望远镜(Five hundred meter aperture spherical radio telescope,FAST)的馈源支撑与指向跟踪机构由宏微并联机器人系统构成,大跨度柔索驱动的宏并联机器人保证系统的大工作空间,精密电动缸驱动的Stewart平台作为微并联机器人保证系统的末端精度并扩展其伺服带宽。为了降低宏并联机器人的柔性对末端定位精度的影响,提出基于并联机构学原理的三维机动目标解耦跟踪预测算法,对馈源舱的运动进行跟踪预测。引入自适应交互算法解决PID参数的实时调整,设计自适应交互PID监督控制器,根据馈源舱的预测运动和馈源平台的目标轨迹产生电动缸规划级控制量。此外,在电动缸执行级采用带前馈的数字伺服滤波器实现电动缸的高精度轨迹跟踪。FAST50m缩尺模型试验表明,结合解耦预测算法对馈源舱的运动预测,自适应交互PID监督控制器效果良好,能够确保宏微并联机器人系统在以期望的跟踪速度运行时,获得完全满足控制要求的定位精度和指向精度。

基于自适应交互算法的神经网络控制器设计

自适应交互算法是一种简单有效的算法 ,可以应用于不同类型的系统。与常用的BP算法相比 ,它不需要反馈网络反向传播误差 ,可以直接用来设计自适应神经网络控制器 ,使控制器的设计简单化。将这种算法应用于神经网络 ,并设计了神经网络控制器。通过仿真研究表明 ,用自适应交互算法设计的控制器不仅结构简单 。

基于自适应交互多模滤波的SCNS/RSINS紧组合对准方法（英文）

为了提高船用单轴旋转捷联惯性导航系统(RSINS)初始对准的精度和快速性,针对传统的EKF滤波线性化误差和单传感器精度不高的问题,设计了一种基于自适应交互多模(AIMM)算法的SCNS/RSINS紧组合对准方法。该算法将自适应滤波器与交互多模型相结合,利用了两个合理构建状态模型和量测模型的平行滤波来实现对实际模态的覆盖:滤波1应用姿态四元数算法建立了状态方程的模型,量测量为RSINS与SCNS之间的姿态四元数误差;滤波2的根据SCNS/RSINS的误差特性构建了状态方程模型,量测量为RSINS与SCNS位置和航向误差,然后应用自适应IMM算法将两个平行滤波的估计值进行数据融合。在某种程度上,因状态噪声和量测噪声的不确定性,EKF的性能会被降低,而通过模型转换机制,IMM可用于选择一个合理的模型自动计算器来自适应地调整对准过程中噪声的协方差矩阵,因此该算法可以有效地解决SCNS/RSINS组合导航系统的初始对准问题。仿真结果表明:与EKF算法相比,基于自适应IMM算法的SCNS/RSINS组合对准方法的估计精度和对准快速能力都得到了改善,其中对方位陀螺漂移的估计时间缩短了至少40%。

一种改进的自适应网格交互多模型跟踪算法

自适应网格交互多模算法能够根据目标的运动模式,自适应调整系统各模型参数,从而实现对目标的跟踪。但当目标机动性较大时,在其模式变换时刻,网格中心剧烈摆动,导致跟踪精度下降。提出对该算法的改进,通过对网格中心运动步长进行适当的平滑处理,以增加网格的平稳性。仿真给出了平滑因子的经验值,并表明改进的自适应网格交互多模算法能解决传统算法在目标运动模式变换时跟踪不稳定的问题,提高精度跟踪。

一个交互自适应手机游戏引擎的设计与实现

在资源受限的手机上开发网络游戏很有挑战性。各种各样手机不同的屏幕大小和输入设计使得为某一款手机设计的游戏引擎很难兼容其他型号的手机。针对该问题,设计出一个交互式自适应的手机网络游戏引擎,它能够自动适应不同屏幕大小和输入按键设计的手机,从而实现对不同型号手机的兼容。并于最后给出了一个游戏引擎的应用实例以证明本设计的可行性。该游戏在超过100多种型号的手机上面运行良好,并赢得2006年度中国十佳手机网络游戏奖。

基于自适应交互多模型算法的传感器故障诊断

在标准的交互多模型算法中,模型切换概率和模型噪声方差都假定为先验信息,但是系统的模型信息一般隐含在当前的量测信息中,因此本文提出一种在线辨识模型切换概率和噪声方差的自适应交互多模型算法,在建立传感器的全局故障和局部故障模型的基础上,对自主水下航行器多个传感器的局部故障与全局故障进行了诊断。在仿真过程中发现,与一般的多模型自适应估计方法(MMAE)相比,此方法算法简单,能够更加准确可靠地诊断故障。

基于交互式模型参考自适应系统策略的无速传感器矢量控制系统

在感应电动机无速传感器矢量控制系统中,在负载条件下转子速度估计的精确度对电机内部模型参数误差非常敏感。为消除速度估计误差,电机参数通过一交互式模型参考自适应系统(MRAS)在线辨识。通过转子磁通定向控制策略在数字信号处理器中的应用描述了速度估计对参数变化的鲁棒性。实验结果证明了该控制系统的有效性以及速度估计具有较高的精确度。

柔性支撑Stewart平台自适应交互PID隔振控制

为了实现500m口径球面射电望远镜(five hundred meteraperture spherical radio telescope,FAST)二级精调稳定平台对馈源舱隔振控制的定位和指向精度,首先提出了基于并联机构学原理的3维机动目标跟踪预测算法,对柔性支撑Stewart平台的基座运动进行跟踪预测.进而,在Stewart平台关节空间设计了自适应交互PID控制器,引入自适应交互算法解决PID参数的实时调整,以适应柔性支撑Stewart平台的参数变化对不同控制参数的需求.采用现代机电系统仿真策略,对柔性支撑Stewart平台隔振系统的动力学与控制问题进行了仿真,结果表明:与传统的PID控制器相比,自适应交互PID控制器大大改善了隔振效果,完全满足隔振目标的要求.

交互式模型参考自适应PMSM速度辨识

提出了一种基于矢量控制的交互式模型参考自适应永磁同步电机无速度传感器控制方案。该方案利用静止α-β坐标系下的基于电压模型的反电动势估计值和基于磁链模型的反电动势估计值之差作为误差信号,交互式的构成对定子电阻辨识和转子转速辨识的自适应律,实现定子电阻和转速的估计,解决了因电机参数变化所影响速度辨识精度的问题。仿真和实验研究结果表明,带定子电阻在线辨识的交互式模型参考自适应控制系统,提高了转速辨识精度,改善了永磁同步电机无速度传感器矢量控制系统的动静态性能。

自适应交互式融合的视觉跟踪

针对基于传统融合机制的联合跟踪器在复杂环境下鲁棒性不足的缺陷,提出一种在交互式多模型粒子滤波框架下传递概率矩阵可在线更新的自适应融合跟踪器。首先,在贝叶斯理论框架下,基于最小二乘误差估计法得到传递概率矩阵迭代更新方程;然后,利用数值积分法获得迭代更新方程的数值解;最后,结合重采样技术实现不同子跟踪器之间先验状态分布的自适应交互,以确保传递权值较大粒子对应的目标状态。在复杂环境下进行了的跟踪实验,结果验证了本文提出的自适应交互式融合机制增加了对粒子先验状态的校正功能,有效避免了因误差积累导致的"跟踪漂移"问题,使联合跟踪器的鲁棒性明显优于单一跟踪器或基于其它融合机制的联合跟踪器。