摘要：提出了一种基于蚁群优化的模糊Sarsa学习(ACO-FSL)算法,在该算法中,首先把模糊系统按照模糊规则进行划分,对于每条模糊规则,有若干个候选动作可被选择,动作选择的概率依赖于实时的值函数;然后在每个动作选择的同时根据蚁群优化的思想定义变化的学习率,这样既缩小了搜索空间,又提高了学习效率.整个模糊推理模块被看作是蚂蚁觅食的过程,利用蚁群算法优良的随机搜索性能求解该组合优化问题.给出了该算法的设计方法和流程.小车爬山问题的仿真实验结果表明:提出的ACO-FSL算法相比FSL具有较好的学习性能.

摘要：针对传统PID控制器无法在线自整定参数的不足,提出了一种基于执行器-评估器(Actor-Critic,AC)学习的自适应PID控制器结构与学习算法.该控制器利用AC学习实现PID参数的自适应整定,采用一个径向基函数网络同时对Actor的策略函数和Critic的值函数进行逼近.径向基函数网络的输入为系统误差、误差的一次差分和二次差分,Actor实现系统状态到PID参数的映射,Critic则对Actor的输出进行评判并且生成时序差分(temporal difference,TD)误差信号.基于AC学习的体系结构和TD误差性能指标,给出了控制器设计的步骤流程图.两个仿真实验表明:与传统的PID控制器相比,基于AC学习的PID控制器在响应速度和自适应能力方面要优于传统PID控制器.

摘要：可展结构在航空航天领域应用广泛,其性能的优劣直接决定航天任务的成败。随着各种空间设备向着大型化和复杂化方向发展,对性能优良的可展结构的需求与日俱增。为了设计具有高可控性、大收纳率的可展结构,从刚性折纸的角度出发,对一种已有折纸图案进行改进,设计出一种新型零厚度正六边形折纸。进一步结合桁架理论和厚板折纸理论分析并降低了其自由度,从而提高了该机构的可控性,并借助D-H法对其进行了运动学分析。考虑到实际工程中应用的空间设备多有一侧为平整的工作表面,通过采用新的机构对原有机构进行运动等效替换,使其具有一侧平整展开表面,最终得到了一种具有单自由度大折展比的可展结构设计方案。

摘要：研究了在一定矩形板材上排放所需要小矩形的优化排样问题,提出了一种基于四块结构和一般分块排样模式的新方法,分析了四块结构模式和一般分块模式的特点,并且根据该分块的思想建立了动态规划模型。通过对在计算机上随机产生的试验数据的数值计算,表明该方法获得了比遗传算法更好的解,是一种行之有效的方法。类似文中矩形件排样问题完全可以用该方法来求解,选定合理的参数可以在比较短的时间里得到近似最优解,并且该算法具有一定的鲁棒性。如何把这种分块的启发式思想应用到不规则二维排样和一般的三维排样中去是今后的研究目标。

摘要：首先分析了电力变压器铁心柱制造的特点,以铁心柱外接圆为650毫米时建立了非线性的数学规划模型.并用Lingo10.0软件求解了该模型,从而得到了电力变压器铁心柱截面的优化设计方案,方案有模型简单和计算速度快等特点.

摘要：模糊Sarsa学习(FSL)是基于Sarsa学习而提出的一种模糊强化学习算法,它是一种通过在线策略来逼近动作值函数的算法,其每条模糊规则中,动作的选择是按照Softmax公式选择下一个动作。对于连续空间的复杂学习任务,FSL不能较好平衡探索和利用之间的关系,为此提出了一种新的基于蚁群优化的模糊强化学习算法(ACO-FSL),主要工作是把蚁群优化思想与传统的模糊强化学习算法结合起来形成一种新的算法。给出了算法的设计原理、方法和具体步骤,小车爬山问题的仿真实验表明,提出的ACO-FSL算法在学习速度和稳定性上优于FSL算法。

摘要：多媒体信息的同步是分布式多媒体信息系统的关键技术。在等人的层媒体同步参考模型的基础上,提出了一个实Meyer,Effelsberg4际应用的分布式多媒体同步应用框架,并对其中的一些关键内容及模块进行了讨论。

摘要：美标电源线是国内电线电缆企业生产的产品之一,因布局合理、电气安全设计规范等优势,在美国、加拿大、巴西等国家和地区广泛使用。目前多数国内生产企业使用的检测方法是人工离线检测和工具检测(如显微镜,投影检测仪等传统设备),这类方法耗费较大人工成本,且精度低,效率不高,并不适用于大规模生产过程。因此急需一种测量精度高、测量速度快的产品检测方法,以满足高质量生产和高效率检测的要求。以美标电源线为研究对象,利用图像处理和机器视觉相关知识,设计一种基于Halcon的美标电源线缺陷检测方法,该方法可以对美标电源线进行较完整的检测,对其各种缺陷有较好的检测效果。

摘要：基于某城市高架桥L46/47联箱梁施工案例,针对桥梁边线侵入沟槽、地势不平坦等现场问题,设计一种新型T形非对称少支点支架体系,并采用CAD三维设计软件及Midas Civil建模软件对支架组合体系进行设计与受力分析,最终结合现场施工对工程类似案例提出相关建议。

摘要：从简要归纳与分析现有的神经网络模型的角度出发,讨论了GMDH网络模型的结构、特点及其输入输出关系.提出了一种基于GMDH模型的神经网络学习算法,详细阐述了该算法的主要设计思想与实现过程,并就算法停止准则和网络最佳层数问题进行了仿真研究.实践表明,该算法自组织性强,表现出了较好的泛化能力和稳定性.