时变参数不确定广义系统的有限时间预见控制器设计

基于具有参数依赖的Lyapunov函数方法及LMI技巧,本文研究一类具有时变参数不确定广义离散时间系统的有限时间预见控制问题.首先,采用预见控制理论中误差系统的方法,引入两个辅助变量和离散提升技术,构造出包含未来目标值信号的信息的扩大误差系统,将有限时间预见跟踪问题转化为扩大误差系统的有限时间稳定性问题;然后,针对所推导的扩大误差系统,考虑输出反馈时,改造输出方程,使其包含可预见信号的信息,通过LMI技巧给出闭环系统有限时间稳定的条件及预见控制器的设计方法.通过求解LMI,即可确定预见控制器增益矩阵.数值仿真表明本文结果的有效性.     

高考二轮复习中微专题设置的四个切入点

在教学实践过程中,可以从不同方面切入,合理地设置微专题,有效提升高考二轮复习课堂的效益,本文结合具体案例进行介绍.     

激赏世界杯的良伴--飞利浦(Philips)DVDR3375刻录机

想把旅途见闻与人分享?想把家庭节日欢聚保留珍藏?想将小孩子的整个成长过程,从呱呱坠地、蹒跚学步到生日聚会、毕业典礼完全记录?想把整届世界杯录下来慢慢欣赏?一切的美好、所有的感动将会因记录而格外珍贵,但以往的老式录像机早已淡出人们的视野,而能记录珍爱的视频和定时录制电视节目的功能在今天仍然有很大的需求,特别是随着人们工作节奏的加快,大部分人都没有时间观看自己喜爱的电视节目。针对这种需求,飞利浦电子推出了全新的DVD录像机产品——DVDR3375。     

试验优化设计GdTaO4:RE/Yb(RE=Tm,Er)荧光粉制备及上转换发光特性研究

为得到GdTaO₄:RE/Yb(RE=Tm, Er)系列最大特征发光强度的上转换荧光粉,通过试验优化设计建立了980 nm激光激发下荧光粉发光强度与其稀土掺杂浓度的回归方程,其中Tm³⁺/Yb³⁺样品结合均匀设计和二次通用旋转组合设计, Er³⁺/Yb³⁺样品则利用均匀设计和三次正交多项式回归设计分步寻优.检验并求解回归方程,分析浓度与发光强度关系,结果表明RE³⁺(RE=Tm, Er)和Yb³⁺浓度变化均对发光强度影响显著,且在试验空间中存在光强极值点.同条件下再次通过高温固相法制备最优发光样品.分析最优样品X射线衍射(XRD)图谱,结果表明样品均为纯相, Li+助熔剂掺杂会抑制反应杂相的产生,稀土的掺入使衍射峰向高角度偏移,且不改变峰形.分析激发功率与发光强度的关系,结果表明Tm³⁺/Yb³⁺共掺的蓝光发射为三光子过程, Er³⁺/Yb³⁺共掺...     

高功率脉冲合束光纤激光器的研究

高功率脉冲激光器在精密焊接和激光清洗等领域具有重要应用,脉冲合束能够实现对多路脉冲峰值功率的叠加,而脉冲同步精度很大程度上决定了合束脉冲的性能。为此,提出了一种基于程控时间调制电路的脉冲同步方法,最大时间延迟为256 ns,同步精度小于1 ns。采用该同步方法实现了3台独立激光子模块的非相干合束,合束效率达97%。当同步误差≤4 ns时,脉冲重复频率和半高全宽在40～1000 kHz、19～660 ns范围内灵活可调。     

基于YOLOv3的农田鸟类目标检测算法

针对近年来鸟类啄食对农业生产带来的损失,通过实时检测鸟类优化传统驱鸟器开关策略,提出了一种基于YOLOv3检测鸟类的目标检测算法。该方法对YOLOv3网络中特征融合进行改进,将SE模块嵌入进主干网络的Darknet53网络中,关注不同通道特征的重要程度。采用自适应空间特征融合（ASFF）增强网络中特征金字塔网络（FPN）的特征融合,提升各尺度的检测能力。引入CIOU边界框回归损失函数,将预测框和目标框在有重叠甚至包含等情况考虑进去,使目标框回归变得更加准确和稳定。改进后的YOLOv3模型在自制鸟类数据集上的精度均值（AP）达到96.65%,单张图像检测耗时仅为0.058 s,相比于原YOLOv3模型在检测速度变化不大的情况下AP提高了2.54百分点。该改进方法能达到很好的实时性和更佳的检测精度,对农田防治鸟害优化驱鸟器开关策略提供依据。     

基于回归分析和遗传算法优化的BP神经网络熔覆层形貌预测

针对激光熔覆过程中熔覆层形貌难以控制的问题,以45钢和Fe45分别作为基材和熔覆粉末,设计3因素5水平的试验方案,并测量熔覆层的宏观尺寸。首先,利用遗传算法（GA）对反向传播（BP）神经网络的初值进行优化,建立了GABP神经网络模型,以激光工艺参数为输入、熔覆层形貌为输出进行了训练和测试,分析其预测精度。然后,分别以回归分析、BP神经网络和GA-BP神经网络三种方法建立预测模型,并与实际得到的熔覆层形貌进行比较。结果表明,通过遗传算法优化的GA-BP神经网络模型与实际的误差约为3%,BP神经网络模型与实际误差为7.38%,而回归分析预测模型预测误差最大可达到15.5%。经比较可知,GA-BP神经网络预测模型的结果与实际最为接近。故GA-BP神经网络预测模型对提高熔覆层质量具有一定的指导价值。     

基于分布式大数据的Expectile回归分析

为应对分布式大数据对传统统计建模分析带来的巨大挑战,考虑Expec tile回归模型以实现基于分布式大数据的有效数据处理和统计推断.其新颖之处在于对分布式存储于每台机器中的数据,分别应用Expectile回归,再通过平均方法聚合这些回归结果并进行综合推断.在算法上,考虑在处理大数据计算中热门的交替方向乘子算法(ADMM)基础上,提出了分块ADMM算法,该迭代算法易于并行计算,结果稳健,而且可以显著减少存储大数据所需的容量.不仅基于分布式大数据的Expectile回归模型的参数估计具有良好的有效性和渐近性质,而且数值模拟和实证分析也都验证了该方法在处理分布式大数据时的有效性.     

基于OMNeT++的时间敏感网络延迟仿真

为了研究时间敏感网络(Time-Sensitive Networking,TSN)中不同调度算法下流量的端到端延迟特性,基于OMNeT++搭建了TSN仿真平台,提出了支持TSN调度机制的算法模块和调度模型,并在不同网络场景下对调度机制进行仿真,分析不同调度机制下流量延迟仿真结果和延迟影响因素,得到了各调度算法下流量的延迟特性,研究结果对时间敏感网络延迟研究具有一定参考价值。