基于参数辨识的永磁同步直线电机循环神经网络多维观测器

该文研究了一种基于智能在线扩展卡尔曼滤波的永磁同步直线电机高精度循环神经网络多维观测器。首先,为了提高观测器精度,建立了两相旋转坐标系下带有互感和时延扰动的直线电机数学模型;其次,基于此模型设计了循环神经网络多维观测器,并实现了磁链和速度的高精度在线观测;然后,针对系统参数时变的问题,提出了一种智能在线扩展卡尔曼滤波多参数辨识算法,提高了参数辨识的精准度;最后,搭建基于MT1050的半实物永磁同步直线电机控制平台,实验结果验证了所提观测器的准确性和高效性。

跨度语义增强的命名实体识别方法

针对命名实体识别方法存在字与字之间语义信息丢失、模型召回率不佳等问题,提出了一种跨度语义信息增强的命名实体识别方法。首先,使用ALBERT预训练语言模型提取文本中包含上下文信息的字符向量,并使用GloVe模型生成字符向量;其次,将两种向量进行拼接作为模型输入向量,对输入向量进行枚举拼接形成跨度信息矩阵;然后,使用多维循环神经网络和注意力网络对跨度信息矩阵进行运算,增强跨度之间的语义联系;最后,将跨度信息增强后的矩阵进行跨度分类以识别命名实体。实验表明:与传统的跨度方法相比该方法能够有效增强跨度之间的语义依赖特征,从而提升命名实体识别的召回率;该方法在ACE2005英文数据集上比传统的方法召回率提高了0.42%,并且取得了最高的F1值。