This article investigates the issue of adaptive fixed-time control for stochastic nonlinear systems with unknown covariance noise. First, we derive a significant corollary regarding fixed-time stability in stochastic nonlinear systems. This corollary provides the minimum bound for the settling time, which is a crucial parameter in assessing the system’s performance and stability. The adaptive control strategy is used to compensate the detrimental effect caused by unknown covariance noise. Then, in order to ensure the fixed-time stability of the closed-loop system, an adaptive state-feedback controller is constructed by utilizing backstepping method and the adding a power integrator technique. Moreover, the settling time estimate provided by the proposed control law is less conservative, meaning it allows for a more accurate prediction of the actual settling time compared to more traditional approaches. Finally, the simulation results are presented to verify the correctness of our theoretical results proposed in this paper.
针对增程式电动汽车馈电状态下增程器燃油消耗较高,动力电池寿命衰减较大等问题,提出一种基于遗传算法的能量管理策略多目标优化方法.在选择增程器四点控制策略的基础上,以减少等效燃油消耗及提高电池循环使用寿命作为优化目标,采用遗传算法进行多目标优化.分别采用Simulink、Cruise搭建控制策略模型和整车模型,进行NEDC工况和复合工况下的联合仿真.仿真结果表明,该文提出的控制策略鲁棒性较强,在电量保持模式下,优化后百公里等效油耗分别减少13.2%和 8.8%、流经电池能量减少 8.9%和 5%,有助于提高电池循环使用寿命.
为了提高网络入侵检测准确度,采用深度置信网络(Deep belief networks,DBN)算法用于入侵检测,同时借助菌群优化(Bacterial foraging optimization,BFO)算法求解最佳DBN参数.首先,建立 DBN 网络入侵检测模型,初始化深度置信网络中受限玻尔兹曼机(Restricted Boltzmann machine,RBM)层的核心参数.接着,以RBM的权重和偏置构建菌群.以DBN检出的攻击数量和实际攻击数量差值作为BFO的适应度函数.其次,通过驱化、繁衍和迁徙操作不断更新适应度值来获得最优个体.最后,以最优个体所对应的权重和偏置进行DBN的网络入侵检测.实验结果表明,合理设置菌群算法的引力和斥力系数、迁徙概率阈值等参数,BFO-DBN算法能够获得较高的网络入侵检测性能.相比于其他深度学习检测算法,BFO-DBN算法拥有更高的网络入侵检测准确率和稳定性.
为提高慢性阻塞性肺疾病氧减状态的辨识性能,该文将注意力机制有效融入长短期记忆神经网络,提出了一种基于注意力机制的长短期记忆神经网络方法:首先,抽取每个待辨识状态点的四种有效鉴别特征,包括血脉氧饱和度指数、脉搏、血脉氧饱和度指数的窗口特征以及梯度特征;其次,在此特征表示的基础上,通过引入注意力机制,使用训练集来训练基于注意力机制的长短期记忆神经网络;最后,使用测试集来验证所训练模型的有效性.与多个经典机器学习算法的对比实验结果表明:所提出的基于注意力机制的长短期记忆神经网络方法的辨识模型能够准确识别氧减状态,全局性能指标曲线下面积达到了 0.853 1.所提方法对于慢性阻塞性肺疾病的准确诊断具有重要的参考价值.
该文提出一种集数据处理-量化-预测全环节融合的时序潜力评估方法.该方法数据处理部分采用三次样条插值法补充缺失值;数据量化采用基于K-means和深度神经网络(Deep neural networks,DNN)相结合的聚类模型,相对于以往的单层聚类具有更高的聚类效果;数据预测部分采用融合变分模态分解(Variational modal decomposition,VMD)和优化时间卷积网络(Temporal convolutional network,TCN)优点的综合预测方法,预测效果更好.首先,充分提取用户在不同时间序列下各类影响工业用户潜力的特征,提出考虑负荷综合特性的可调节潜力指标体系.其次,为实现对工业负荷潜力的量化分析,该文提出基于K-means-DNN的多层反馈聚合模型.再次,基于多层反馈聚合分析结果,采用基于VMD-TCN潜力分析方法对工业负荷进行潜力分析.最后,以某地区的实际工业用户负荷数据为例,呈现了工业用户负荷时序可调节潜力分析结果.
将数字图像处理中模糊锐化算子与三支聚类进行结合,提出了一种基于图像处理的三支聚类算法.该算法通过逆多元二次核函数将数据集的密度量化为灰度值,对数据总体采用模糊与锐化操作,提取锐化后灰度值较高的数据区域,将低密度区域从原始数据中删除.对灰度值较高的数据采用传统的聚类算法得到不同的类簇,然后对每个类簇利用图像模糊算子得到类簇的核心域,锐化算子得到类簇数据边界域,从而获得每个类簇的三支表示.试验采用不同的UCI数据集,通过比较聚类指标Adjusted Rand Index(ARI),Normalized Mutual Information(NMI)和Adjusted Mutual Information(AMI),验证了该聚类算法的有效性.
深刻解析纳米零价铁(Nanoscale zerovalent iron,nZVI)的腐蚀特性可为阐释其化学还原技术原理提供支撑.基于此,该文考察了硫化和络合剂对nZVI在水中腐蚀行为的影响规律,通过对电化学塔菲尔动力学曲线和电化学阻抗谱的分析,表明硫化与络合剂能够协同改善nZVI的抗腐蚀性能,且可提升其导电性能.通过进一步考察腐蚀开路电位-时间变化曲线,证实了S-nZVI在不同络合剂体系下的初始期腐蚀速率受到抑制.最后,系统揭示了硫化能够通过调控体系的初始传质过程而改善nZVI的腐蚀活性.
出于电感和电容本质上是分数阶的实际情况考虑,针对单端初级电感变换器(Single ended primary inductor converter,SEPIC)的分数阶建模问题进行研究,建立了更准确的分数阶模型.在分数阶微积分的理论基础上,使用状态空间平均法,建立了电流连续模式下SEPIC的分数阶数学模型,推导了分数阶模型的静态工作点、电感电流纹波、电容电压纹波和传递函数表达式.采用分抗电路拟合的方法,实现0.9 阶电感和0.9 阶电容,用它们替换变换器中的整数阶元件,得到了SEPIC的分数阶电路模型.在MATLAB/Simulink仿真软件中,对SEPIC的分数阶数学模型和电路模型进行了仿真,并与理论计算值进行比较,仿真结果与理论计算基本一致,充分验证了分数阶模型的正确性.对比了分数阶模型与整数阶模型的差异,分数阶模型会产生更大的纹波,但具有更好的动态性能:响应速度更快,超调量更小,到达稳态的时间更短.
该文针对应用于高精度伺服的单边平板式永磁同步直线电机提出了一种齿部不等宽的结构,通过有限元法分析了不同设计参数对电机推力品质的影响,验证了所提结构的优越性.针对具有大量参数的多目标优化问题,采用分层优化的策略,先通过Taguchi筛选敏感参数,再由中心复合设计(Central composite design,CCD)构建基于敏感参数的响应面(Response surface method,RSM)模型进行优化.通过仿真分析,对比初始结构参数,验证了所提优化方案的有效性.
为了解决5G网络环境下云计算环境的复杂性和不确定性因素导致其差分隐私保护效果较差这一问题,该文研究了 5G网络环境下云计算数据差分隐私保护算法.建立 5G网络环境下云计算数据差分隐私保护架构,利用信息熵抑制方式,消冗处理 5G网络环境下云计算数据.将5G网络环境内云计算数据看作一个社区,并对社区内的云计算数据添加拉普拉斯噪声.通过重构云计算数据社区内的边和社区之间的边,实现 5G网络环境下云计算数据差分隐私保护.实验结果表明:该算法对云计算数据消冗处理后,数据结构复杂度最大降低 1.2,对数据实施差分隐私保护后,信息泄露比明显降低,表明该研究方法具有较为显著的应用效果.
为了提高视频目标跟踪性能,采用结构化支持向量机用于视频目标跟踪,并借助核主成分分析用于视频目标特征降维及去冗余处,以增强视频目标分类适应度.首先,提取视频目标特征,经过核主成分分析映射至更利于目标分类的特征向量.接着,建立基于结构化支持向量机的视频目标判别分类模型,从而充分挖掘目标内数据特征的紧密性,有效提高了目标跟踪的精准率.最后,针对结构化支持向量机进行关键参数求解,并获得稳定的视频目标跟踪分类结果.根据分类结果判定对应的目标以完成视频目标跟踪.试验结果表明,对于4 类公共视频数据集,对比其他3 种视频跟踪算法,所提方法在跟踪精准率和跟踪速率等 4 个关键性能指标方面具有明显优势,在应对大规模视频目标跟踪时具有较强的适应度.
为了在提高物联网中数据可信度的同时提升处理效率,提出采用边缘计算进行数据处理,并在边缘计算环境中构建区块链用于数据安全保护.建立物联网设备层、边缘计算层和应用服务层三层物联网结构模型.对多边缘服务器的多用户多任务协同资源分配策略进行数学描述,实现边缘服务器的协同工作.采用智能合约模式实现物联网设备节点、物联网网关节点及边缘计算节点的可信认证,实现物联网用户任务的边缘接入和边缘计算.试验结果表明,相比于云计算,在边缘计算环境中采用区块链策略,既能够提高物联网中常见任务的执行效率,又能降低能耗,同时区块链智能合约则为物联网节点的通信质量提供了有效保障.
该文在奇异值矩阵分解方法的基础上,提出了一种融合景点季节演变信息的旅游推荐算法.该算法根据景点属性与季节演变之间的关联,将旅游景点的属性划分为静态方面和动态方面,并通过设计包含时间因素的动态偏置函数来刻画用户偏好与景点之间的动态关联.这些静态和动态方面的信息被作为新的偏置项融入有偏奇异分解(Bias singular value decomposition,Bias SVD)模型,以改善用户对旅游景点的评分预测.标准数据集Yelp上的实验结果表明,相比于对用户签到数据无差别对待的推荐方法,该文方法在推荐精度和用户体验方面均有明显的提升.
为了提高三维后期重建中的点云数据配准成功率,采用果蝇优化算法进行点云的最优变换矩阵和平移向量求解.首先,提取源点云特征,并结合模板点云特征构建点云配准目标函数.接着,建立果蝇优化算法点云配准模型,以点云配准目标函数作为果蝇优化算法适应度函数,并通过对最优浓度个体的搜索,完成最优变换矩阵和平移向量的求解.为了提高果蝇优化算法搜索精度,采用自适应气味浓度变换率参数,以增强果蝇优化算法对大规模点云的配准适应度.仿真结果表明,即使对源点云引入不同强度的噪声信号和不同规模的离群率干扰,果蝇优化算法的仍能够表现出较高的点云配准成功率和稳定性.相比常用点云配准算法,所提算法的旋转均方根误差和平移均方根误差更小,且配准的成功率更高.
为实现某款车载方舱轴流风机的降噪,进行了轴流风机噪声特性研究.基于RNG k-ε模型、大涡模拟模型和FW-H 噪声模型,运用滑移网格法和多重参考系法(Multiple reference frame,MRF),从稳态和瞬态两个维度对风机的偶极子噪声进行了数值模拟.结果显示:风机的噪声声压级为45.6 dB;在安装风机罩后,数值增大到 59.2 dB.采用调整风机罩安装距离和出风口形状进行了降噪研究,研究表明:风机罩安装距离增加到25 mm时,噪声从59.2 dB降低到了51 dB;风机罩出风口改为扇形结构后,噪声从59.2 dB降低到了 53.8 dB,降低了 9.1%,降噪效果明显.
由于直播数据量大、数据模态多样、实时变化性强,且直播数据具有热点效应,给直播资源的精准推荐提出了更高挑战.为了提高直播推荐的有效性,提出了一种基于多模态神经网络的直播推荐算法,为各种大型媒体平台提供技术保证.首先,通过用户观看时长和评分权重矩阵建立了直播推荐评分准则.然后,在文本数据样本的基础上,选取了视频、图片、音频等多模态特征作为输入数据样本.利用多模态神经网络建立用户和直播资源的推荐算法,并构建直播推荐正则损失函数.以损失函数最小值为优化对象,不断迭代获得最优算法.最后,输入多模态特征,获得直播TOP-K推荐序列,并对推荐序列进行性能评价.实验结果表明,通过合理设置神经网络的层数,所提直播推荐算法在5 个不同媒体平台数据中,均获得了较高的推荐性能,为直播平台的精准资源推荐提供了有效的策略支持.
为了提高约束条件下项目工期进度优化水平,采用免疫算法(Immunity algorithms,IA)对工期进度目标函数进行优化求解,并采用鲸群算法(Whale swarm algorithm,WSA)对免疫算法进行改进,以进一步提高IA队项目工期进度的优化精度.首先,对项目工期样本特征进行编码和向量化,确定约束条件和工期进度目标函数,然后以目标函数为抗原,建立IA工期进度优化模型.接着,采用WSA算法搜寻与抗原亲和度最高的抗体,通过WSA算法的猎物搜索、螺旋运动和包围运动等获得亲和度最高个体即为本次最优解.最后,IA根据抗体浓度可重新生成抗体,形成新的种群进行下次迭代求解最优适应度的抗体,获得的最优抗体即为工期进度调度结果.试验结果表明,在相同约束条件下,通过合理设置WSA参数和IA的浓度阈值,相比于其他工期进度优化算法,WSA-IA算法能够获得更优的工期和成本.
为了提高实验室预约工作的效率,采用动态差分进化算法进行预约方案生成,并通过樽海鞘群算法对动态差分进化算法进行改进,从而增强方案对不同预约规模的适应度.首先,输入实验室设备、实验室时间、预约者申请使用记录等样本特征,构建多个预约样本个体.然后,建立动态差分进化算法实验室预约模型,以实验项目满足度作为适应度.通过交叉和选择操作不断更新个体适应度,并采用樽海鞘群算法对差分进化算法的缩放因子进行优化求解.通过樽海鞘个体的领导者和跟随者在设定运动范围内的位置更新来获得最优缩放因子.最后,采用最优缩放因子对应的动态差分进化算法进行实验室预约方案求解,输出最优受益面指标预约解.实例仿真结果表明,通过合理设置樽海鞘群算法参数,在不同预约者规模情况下,基于樽海鞘群改进的动态差分进化算法均能够获得较高受益面指标的预约方案.
针对现有矿井自动装卸钻杆机械臂运动轨迹跟踪方法精度低而导致施工效率低下的问题,综合应用模糊滑模控制与反步控制理论,提出模糊滑模反步控制钻杆机械臂轨迹跟踪法.采用扰动观测器对扰动信号进行估算,采用模糊理论描述滑模面与运动点的广义距离,以降低滑模控制中由速度瞬变所引起的抖振,并采用模糊滑模反步控制法对由系统扰动造成的误差进行补偿.针对钻杆机械臂的两个重要关节进行了运动仿真与试验测试.结果表明:两个关节的轨迹跟踪误差比模糊滑模控制分别减小了 28.2%和 22.6%.模糊滑模反步控制法有效降低了钻杆机械臂关节运动轨迹误差,极大提高了运动稳定性和响应能力.
为解决低压低产气井积液问题以及提高排水采气井筒携液效率,建立新型超音速喷管模型,自行搭建的实验平台探究气相流量、液相流量、液相入口直径对雾化效果的影响,对 25 组实验结果进行相关性分析,结果表明气相流量在 3 000～5 000 m3/d范围内,随着气相流量增加,雾化效果增强.液相流量在0.6～2.2 m3/d,液相喷孔直径在 6.0～8.4 mm范围内,随着流量与直径增加,雾化效果减弱.并得出对雾化角和雾滴粒径影响因素的强弱为气相流量>液相流量>液相入口直径.根据实验数据和相关性分析建立多元非线性回归雾化模型,雾化模型决定系数R2 为0.971,通过雾化液滴模型预测得到雾滴预测值与实验值进行误差分析,平均误差为14.02%,雾化模型良好.
