摘要：提出一种利用激光位移传感器和电涡流位移传感器测量车轮主要几何参数的方法。分析了激光位移传感器测量轮缘直径的原理,计算得到踏面直径、轮缘高、轮缘厚度、轮辋宽等几何参数。根据提出的测量方法,设计了一套车轮几何参数在线动态测量系统。该测量系统整体结构简单,成本较低,易于实现。试验结果验证了测量系统的可行性,实现了列车车轮的在线动态测量。

摘要：研究了带有未知外部扰动的不同多涡卷混沌系统修正函数时滞投影同步问题.基于Lyapunov稳定性理论,采用模糊自适应控制的方法设计自适应同步控制器及参数的更新规则.该控制器在实现混沌系统修正函数时滞投影同步的同时对外界扰动的变化能保持较好的稳定性.数值仿真的结果进一步验证了该方法的有效性.

摘要：在性能势理论框架内,研究折扣和平均准则马尔可夫决策过程(MDP)的统一并行Q学习算法。提出了独立并行Q学习算法和状态划分并行Q学习算法,重点讨论了算法中的关键参数的设计,即同步点如何选择的同步策略和如何合成Q因子的Q值构建策略,给出了一种固定步长结合一定偏移量的同步策略,并分析了并行中Q值构建策略的确定原则,给出了几种Q值构建策略的选择方法。仿真实验表明并行Q学习算法的有效性。

摘要：设计一种敏感单元为正四面体结构的三维柔性力传感器,对传感器进行受力分析,建立传感器单元受力的数学模型,利用有限元仿真验证上述分析过程的合理性,并通过试验系统对传感器进行标定和验证,测试结果利用BP神经网络进行解耦,结果表明该传感器能够实现0~11 N量程的三维力检测。

摘要：针对决策表中因存在不一致数据而造成求核和属性约简的错误,引入对象可信度的定义,并将其添加到决策表中,以区分不一致和一致对象;然后,给出差别矩阵的定义,以及基于该差别矩阵的核属性和属性约简定义,同时证明了由该定义获得的核和属性约简与正区域的核和属性约简是等价的;最后,设计属性约简算法及其改进算法,并通过实例和实验验证了算法的有效性。

摘要：茶作为世界最受欢迎的三大饮料之一,不仅能够提神醒脑,而且还有帮助消化和降低血压等作用。随着人们对茶叶品质要求的日益提高,需要对不同品种的茶叶实现准确的鉴别分析以防止茶叶市场里茶叶品牌名不副实和以次充好等现象的发生。为实现对茶叶快速精准的鉴别分析,设计了一种综合采用傅里叶近红外光谱和新的模糊极大熵聚类(FEC)分析算法的茶叶品种鉴别系统。传统模糊极大熵聚类分析在聚类含噪声数据时,聚类结果往往容易出现错误,即FEC对噪声数据敏感。为解决这个问题,在FEC分析算法的基础上引入可能C均值聚类分析(PCM),提出了一种混合模糊极大熵聚类(MFEC)分析算法。MFEC可通过迭代计算得到模糊隶属度值,能实现对含噪声的茶叶傅里叶近红外光谱数据的准确聚类分析。首先,使用傅里叶近红外光谱仪(AntarisⅡ型)采集岳西翠兰、六安瓜片、施集毛峰三种安徽茶叶的傅里叶近红外光谱数据,光谱波数范围为10 000~4 000cm^-1。其次,对采集到的光谱数据使用多元散射校正(MSC)进行预处理,预处理后先用主成分分析(PCA)将光谱数据维数降至10维,然后再用线性判别分析(LDA)对降维后的近红外光谱数据进行特征提取。最后,通过混合模糊极大熵聚类分析和传统的模糊极大熵聚类分析对三种茶叶的光谱数据进行聚类分析,并对两种聚类分析算法得到的聚类准确率、收敛速度等进行对比分析。实验结果表明:混合模糊极大熵聚类(MFEC)分析算法与传统的模糊极大熵聚类(FEC)分析算法相比较,在相同的权重指数m下MFEC具有更高的聚类准确率。在m=2条件下,MFEC的聚类准确率达到了100%,而传统的模糊极大熵聚类在相同条件下聚类准确率仅为37.98%。MFEC收敛过程中仅需迭代10次即可达到收敛,而FEC需要迭代100次,因此MFEC可以更高效的进行模糊聚类分析,MFEC相比于FEC聚类性能具有明显的优越性。通过傅里叶近红外光谱技术,混合模糊极大熵聚类分析结合PCA与LDA算法构建的茶叶品种鉴别系统能够高效快速的完成对岳西翠兰、六安瓜片、施集毛峰三种茶叶的准确分类,为茶叶检测领域提供了一种创新的方法与设计思路,具有一定的理论价值和良好的市场应用前景。

摘要：针对光伏面板清扫特点、大斜面稳定行走的严苛要求,设计了变斜面光伏清扫全向轮式机器人构型。在建立其数学模型基础上,完成了机器人行走特性分析和实验。分析了斜面角φ变化的附着特性,给出了在2种工况下行走机构斜面上稳定附着角度。通过仿真和实验,验证了在满足力学模型约束下,三全向轮式对称构型,在斜面上有一定附着角度。分析了随姿态角θ变化的速度、力矩分配规律基础上,为了消除行走机构3个全向轮之间挤压力问题,对行走机构速度和驱动电机力矩进行综合控制。实验数据表明,采用双PI控制策略后,机器人在斜面上行走的速度偏差和功耗都有一定的减少。

摘要：针对LVDT位移传感器测量电路输出电压值和位移量之间存在非线性特征,设计和制作线性度为0.05%高精度传感器比较困难的现状,在分析产生非线性误差主要原因和传统校正方法的基础上,利用单片机软件算法进行非线性校正以提高传感器设计精度。以传感器标定数据为样本,用曲线拟合法求出非线性校正环节的特性曲线,并给出在MATLAB环境下拟合多项式系数的最小二乘求解方法,编程实现位移量和电压输出。仿真分析和实验结果表明,其测量位移的线性度达到了设计要求,非线性校正效果明显,具有良好的应用价值。

摘要：针对无监督行人重识别中行人特征表达不充分以及训练过程产生噪声标签等问题,提出了一种基于特征细化的多标签学习无监督行人重识别方法。首先,为提高网络对关键区域信息的利用能力,设计多尺度通道注意力模块(Multi-scale channel attention module,MCAM),嵌入ResNet50网络的不同层来构建特征细化网络,并利用该网络对输入图像通道维度上的关键信息进行强化和关注,以获得更丰富的特征信息;其次,为降低训练过程中产生的噪声标签对网络的负面影响,设计多标签学习模块(Multi-label learning module,MLM),通过该模块进行正标签预测以生成可靠的伪标签;最后,利用多标签分类损失和对比损失进行无监督学习。在数据集Market-1501和DukeMTMC-reID上进行实验,结果表明该方法在这两个数据集上的平均精度均值分别达到82.8%和70.9%,首位命中率分别达到92.9%和83.9%。该方法使用注意力机制强化图像的特征信息,并通过正标签预测减少噪声标签,有效提升了无监督行人重识别的准确率,为无监督行人重识别领域提供了更鲁棒的方法。

摘要：以预湿轻集料、硅酸盐水泥、硅灰、粉煤灰微珠、钢纤维、膨胀剂等为原材料,采用轻质、超高强度与低收缩协同设计方法制备了一种轻质超高性能混凝土材料,并研究其性能的主要影响因素和形成机理。结果表明:制备的轻质超高性能混凝土可实现自流平、干表观密度低至2040 kg/m³、28 d抗压/抗折强度可达120/18 MPa、弯曲韧性指数I_(20)可至21.8、56 d收缩率低至2.62×10^(–4);其性能的形成主要源于粉煤灰微珠的滚珠效应、轻集料的轻质多孔效应、预湿轻集料的内养护与拱壳效应,以及预湿轻集料内养护与膨胀剂的叠加效应。