基于状态变量融合的三级倒立摆模糊控制

针对非线性、高阶次、多变量、强耦合、不稳定的三级倒立摆系统,提出一种基于最优控制的模糊控制器的设计方法。该设计首先利用最优控制理论设计出状态反馈器,然后利用状态变量融合技术将模糊控制器维数由8维降到了2维,设计出模糊控制器,很大程度上简化了模糊控制器的设计过程。该方法也可推广到更高级别倒立摆系统的模糊控制。仿真结果表明,该方法超调量小,调节时间短,鲁棒性强,可实现多级倒立摆的稳定控制。

基于变量融合的环形二级倒立摆模糊控制研究

为实现环形二级倒立摆系统的稳定控制,本文采用了变量融合方法降低模糊控制器维数,并通过仿真研究了量化因子与比例因子对控制效果的影响。仿真结果表明经变量融合后设计的仿真模型不但结构简单,而且控制效果良好。

泥水气压平衡盾构多变量融合控制技术开发与应用

结合隧道施工地表沉降主控对象和泥水气压平衡盾构多变量施工参数特点,结合"基于深度学习的地表沉降评估分析软件编制和服务"技术攻关项目,运用现代控制理论建立一套泥水气压平衡盾构多变量融合控制自学习方法。经编程仿真试验和实际工程示范应用,反映所建立的盾构多变量融合控制自学习方法具有稳定地表沉降质量的技术性能。

基于多变量相空间重构与近似熵的飞行动作识别方法

针对现有飞行动作识别研究中规则表述复杂和训练代价高昂问题,提出一种基于多变量相空间重构与近似熵的飞行动作识别方法。首先,统一重构基数,分别得到高度、滚转和俯仰角三维序列相空间轨迹;然后,将多相空间中同位置相点基于贝叶斯理论融合得到新序列,并提取机动动作片段;最后,利用递归图及近似熵定性定量地描述片段序列复杂度,从而实现不同飞行动作识别。根据某型号飞机多次连续飞行数据验证结果表明,该方法可快速准确识别不同机动动作,具有较好泛化性。

基于多变量自学习与融合策略的多视图聚类算法

随着计算机技术的迅速发展,数据来源实现了多元化,传统的单视图聚类算法已不适用于多源异构数据的处理,因而多视图聚类算法成为一个新的研究热点。虽然研究者们已提出多种多视图聚类算法,但是聚类性能的提高仍需要深入的研究与探索。基于多视图聚类的互补原则和共识原则,为提升聚类性能,如何充分提取视图间的异构与全面信息成为多视图聚类研究的关键。论文给出了一种基于多变量自学习与融合策略的多视图聚类算法(MSFC)。该算法首先进行多变量的自学习,对于所有的视图,依据聚类数目和信息熵理论,获取视图内全局变量、视图内局部变量和视图间变量;之后,将全部的变量通过所提相似性度量函数进行融合;最后通过K-means算法取得最终的聚类结果。在多个数据集上进行对比实验,结果验证了该算法具有良好的聚类性能。

融合动静态变量的滑坡多步位移预测方法

针对目前滑坡位移预测模型多以结合降雨、形变等动态变量的单步预测为主,缺乏对多步位移影响因素相关的时间周期等静态变量考虑的问题,提出了融合动静态变量的滑坡多步位移预测模型。首先,运用变量选择网络对初始输入变量进行选择,挖掘与滑坡日位移相关度高的变量,削弱冗余变量对模型的影响。然后,将静态变量集成于网络中,通过对上下文编码进行时间动态相关性调节。最后,以多头注意力模块捕获时序长期依赖关系,实现滑坡多步位移预测。以重庆市新铺滑坡为例,将本文方法与DeepAR、长短期记忆(LSTM)模型进行实验对比,结果表明,本文方法可实现较为稳健的高精度滑坡多步位移预测。

往复式泥浆泵故障征兆提取的多参量分析

在采用G_P算法识别往复机械故障征兆过程中,嵌入维数、降噪方法、延迟时间等参数对算法的影响至关重要。通过仿真分析单变量算法的弊端,提出基于经验模态分解(EMD)与伪相图技术结合的多变量融合算法,采用归一化的小波降噪技术,将此法应用在矿用泥浆泵故障征兆提取中,诊断效果较好。

烧结生产自动加水控制的难点及实现途径

烧结生产过程中的自动加水控制,对稳定烧结工艺"风、水、碳"三要素中的"水"起到了关键作用。本文通过研究配料量、物料性质、流量及检测方式对混合料水分控制的影响,系统分析自动加水控制的难点和关键点,并提出应对策略。实际方案中,考虑一混、二混水分测量值,以及典型亲水、疏水物料和除尘灰料量等波动对水分控制的影响,并采用多变量融合控制算法进行加水自动控制;进行安全防错设计,以避免设备及控制参数异常导致的"跑干料、跑稀料"风险,提高生产系统的可靠性。实际运行数据表明,实施上述自动加水系统后,水分的稳定性和烧结机的利用系数都有了较明显提高。

典型相关分析综述

数据之间的相关性分析是大数据处理的重要组成部分,典型相关分析及其扩展方法在多个领域得到了广泛应用.主要有用于解决多数据集特征融合的多集合典型相关分析,用于处理特征之间非线性关系的核典型相关分析,用于处理有类别特征数据时的判别典型相关分析,用于处理有噪声数据时的稀疏典型相关分析等扩展方法.本文全面综述了典型相关分析原理及其各种扩展方法,最后对这一方法的研究前景给出讨论和展望.

基于飞参数据的无人机飞行训练风险评估关键技术研究

为了提高无人机飞行训练安全,保障部队的无人机作战训练要求,提高训练质量,论文首次提出基于飞行参数数据的机载电子系统风险评估技术。首先,利用传感器进行飞参数据采集,并对采集到的数据进行一系列预处理。然后,将历史探索风险比对数据形成故障库,再将故障数据库与监控数据进行数据与数据间复杂关系比对形成参数库。依据相关准则,对不同的参数信息进行归一化处理,建立融合矩阵样本集。接下来,用多变量故障融合算法进行样本训练,准确地找到故障,实现机载电子系统风险评估。最后,进行模型有效性评价,结果显示论文方法能够有效地提高预测的精度,科学地做出无人机保障方案及训练计划,有效地进行效能评估及质量跟踪,提高训练质量有重大意义。

应用服务器集群能耗与性能平衡的在线实时优化

如何根据负载状况实时优化应用服务器集群的部署,以在能耗与性能之间取得平衡是急需解决的重要问题.对此,提出一种应用服务器集群能耗与性能平衡的在线实时优化策略,优化目标是最小化能耗与请求丢弃速率的加权值,优化内容包括各服务器的开关和CPU频率.该策略包括小规模集群优化(SSCOpt)和大规模集群优化(LSCOpt)两种方案:前者定义大量的变量,将集群优化描述成线性混合整数规划问题,然后采用软件包求解;后者通过分析能耗和负载模型的特性定义很少的变量,将集群优化描述成非线性混合整数规划问题,并提出一种基于花朵授粉算法和变量融合的求解算法.测试结果表明:当集群规模较小时,SSCOpt方案能快速求得全局最优部署;当集群规模较大时,LSCOpt方案能快速求得很好的次优部署.