摘要：针对具有大加减速和系统参数不确定性的轴向移动系统振动主动控制问题,基于Lyapunov直接法、经典反步控制和自适应技术,提出自适应反步边界控制算法对系统振动进行主动控制,并以符号函数处理边界扰动.同时,考虑不连续符号函数在工程上易引起输入颤振,设计饱和函数替代控制器中符号函数,以提升振动控制品质.所设计的控制算法能够补偿系统参数不确定性,确保闭环系统稳定性.数字仿真结果验证了所提出的控制算法的有效性.

摘要：针对具有大加减速的轴向移动系统,为有效抑制结构振动和避免控制溢出问题,将鲁棒边界控制技术与Lyapunov直接法相结合,基于结构无限维模型设计鲁棒边界控制器对结构振动进行主动控制.使用符号函数处理未知扰动,提高了控制器系统鲁棒性,并对控制系统的稳定性和一致有界性进行了验证.仿真结果表明,所提出的鲁棒边界控制方法能有效抑制结构的振动.

摘要：针对具有系统结构参数不确定的大加减速轴向移动系统,为了提高其振动控制品质,结合Lyapunov理论、自适应控制技术和曲线加减速法设计自适应边界控制,用以抑制结构振动偏移量.所设计的自适应控制能避免控制溢出效应和补偿系统参数不确定性,并保证闭环系统的稳定性和闭环状态的一致有界性.仿真结果表明,所设计的自适应边界控制算法能有效抑制结构振动偏移量.

摘要：研究了针对执行器非光滑反向间隙-饱和约束特性的深海柔性立管系统振动控制和全局稳定问题.为了实现控制效果和品质,引入辅助系统和函数设计边界控制策略,以抑制立管系统振动并消除混合的反向间隙-饱和输入非线性影响.采用严格的分析且无需求助于模型降阶,所研发的控制器确保闭环系统在Lyapunov意义下的一致有界稳定性.通过选取恰当的设计参数,仿真结果验证了所设计控制器的控制性能.能.

摘要：针对耦合时变内流和洋流动力学的海洋柔性立管系统,为有效抑制其振动和避免控制溢出问题,基于立管原始无限维模型,将边界控制技术与高增益观测器相结合,设计了边界控制器对立管振动进行主动控制,通过严格的数学分析,验证了控制作用下立管系统的稳定性和闭环系统状态的一致有界性。仿真结果验证了所设计边界控制算法对立管振动抑制的有效性。

摘要：针对耦合内流动力学的海洋柔性立管系统,为了提高其振动控制品质,结合Lyapunov直接法和高增益观测器理论设计了输出反馈边界控制和干扰观测器,用以抑制结构振动偏移量和减弱外部环境干扰载荷的影响.其后,证明了闭环系统解的存在性、唯一性和收敛性及闭环状态的一致有界性.此外,本文的控制设计和稳定性分析是基于立管的原始无穷维动力学进行的,因此关于模型截断法产生的控制溢出问题将不会产生.最后仿真结果验证了本文所提出的输出反馈边界控制器能有效抑制柔性立管的振动.

摘要：针对集成电路X射线图像噪声强烈、对比度低的特点,本文充分考虑图像边缘细节和平滑区域在细节保持和噪声去除上的不同需求,提出一种多正则化图像复原方法。该方法基于快速傅里叶变换下的高斯高通滤波和高斯低通滤波获取集成电路X射线图像的边缘细节结果和平滑滤波结果作为正则化图像复原的观测图像,充分利用l1正则项在细节保持以及全变分(Total Variation,TV)正则项在噪声去除上的优越性设计了一种TV-l_(1)混合正则化模型,解决整幅图像采用单一正则化项造成的细节过度平滑缺失或去噪效果差的问题。标准自然光图像和集成电路的X射线图像两个系列的实验表明了本文方法能够在有效去除噪声的同时保留更多的细节信息,为后续集成电路的缺陷检测奠定基础。

摘要：海洋输油柔性立管的振动是引起立管疲劳破坏的主要原因,对其研究边界控制是消除振动疲劳、减少断裂的有效方法.本文引入内流动力学,完善了立管原始无穷维分布参数模型,更好地表达了柔性立管的动力学响应.为抑制柔性立管在内外流激励下的振动奠下基础,本文用Lyapunov直接法对柔性立管系统的稳定性和状态一致有界性进行了证明,设计了边界控制器调节柔性立管的振动,其中控制器使用了符号函数来消除不确定性环境扰动对振动控制效果的影响,提高了系统的鲁棒性.仿真实验表明本文所设计的控制算法有效地减少了柔性立管的振动偏移量.

摘要：针对边界未知扰动和系统结构参数均具有不确定性的柔性机械臂系统,为了抑制其振动和提高振动控制效果,通过对柔性臂的结构参数估计,采用自适应和边界控制技术,设计了带有边界扰动观测器的鲁棒自适应边界控制对柔性臂振动进行控制。所设计控制算法能补偿结构参数不确定性和避免了控制溢出,边界扰动观测器能抑制和跟踪边界未知扰动的影响。随后利用Lyapunov综合法对控制系统的稳定性和一致有界性进行了证明。仿真结果进一步验证了该控制算法对抑制柔性臂振动的有效性。

摘要：交通标志识别应用中待检测目标多为小目标,因其携带信息少、定位精度要求高、易被环境噪声淹没等特点成为当前交通标志检测的难点.针对小目标交通标志漏检、误检、检测准确率低等问题,本文设计了一种用于小目标检测的STDYOLOv5s(Small target detection YOLOv5s)模型.首先,通过增加上采样和Prediction输出层数获得了更丰富的位置信息,解决了YOLOv5s模型在处理小目标时信息不足的问题,增强了对图像的全局理解能力;其次,在每个C3模块之后添加CA(Coordinate attention)注意力机制并在每个输出层前添加Swin-T注意力机制模块,增加了网络对多层特征信息的捕捉,提高了小目标的检测性能;最后,充分利用SIoU惩罚函数同时考虑目标形状、空间关系的特点,更好地捕捉不同尺寸的目标在图像中的位置关系,提高目标位置的精确性.所提模型在TT100K数据集上进行了验证实验,实验结果表明本文方法不仅保持了YOLOv5s模型的轻量性和快速性,在精确率、召回率和平均精度三个指标上也有所提升,提高了小目标检测的精确性.