摘要：本文针对具有变负载的不确定刚性机械手系统,提出了一种依赖平均驻留时间的神经网络自适应切换控制策略.本控制方案将夹持不同负载的刚性机械手系统视为切换系统,即根据负载的不同将整个系统分为若干子系统,并基于平均驻留时间原则对每个子系统分别设计控制器.在各子系统中,分别采用径向基函数(RBF)神经网络逼近系统结构参数,以避免控制器对系统精确模型的依赖.同时,基于神经网络设计鲁棒补偿项,以抑制集总扰动对系统的影响.然后,利用多Lyapunov函数方法证明了轨迹跟踪误差的一致最终有界性.最后,通过仿真验证,所提出的控制方案不仅可实现变负载机械手期望轨迹的高精度跟踪,而且可有效削弱输入力矩的抖振.

摘要：中频面形误差(MSFSE)会导致光学系统发生小角度散射,影响系统性能。为了在光学设计和光学加工中制定合理的中频面形误差公差,就中频面形误差对光学系统调制传递函数(MTF)的影响进行了量化研究。在衍射受限条件下,推导出正弦型中频面形误差对光学系统MTF的影响的表达式并对其进行分析,然后通过光学设计软件仿真验证理论推导结果。假设光学系统光瞳上带有正弦型中频面形误差,对光瞳函数进行傅立叶变换,然后平方得到点扩散函数(PSF),再对PSF进行傅立叶变换得到光学系统的光学传递函数(OTF),对OTF取模,即可得到中频误差影响下的MTF表达式。将该式与衍射受限条件下无中频误差的光学系统MTF进行对比,得到中频误差对光学系统MTF的量化影响。理论计算结果表明:正弦型中频误差会使光学系统的MTF在不同空间频率处产生不同的损失,损失值随空间频率呈周期性变化;峰谷值(PV)分别为0.030μm、0.095μm、0.159μm和0.223μm的中频面形误差,导致的光学系统MTF的最大损失比例分别为0.89%、8.80%、23.48%和43.31%;随着中频误差PV的增加,MTF的损失值呈非线性快速增加。软件仿真结果与理论计算结果吻合。

摘要：传统协作配送研究假设企业及其组建的任意子联盟配送能力充足,但现实中每个企业的配送能力都是有限的,可能出现配送能力不足的情况。基于此,本文提出先向联盟内部寻找闲置车辆,再向联盟外部租赁车辆的车辆弥补策略,并设计相应的联盟成本量化流程,构建考虑企业配送能力约束的多方协作配送成本量化模型,采用Shapley值法分摊联盟成本。最后,通过数据实验对策略及模型的有效性进行了验证。结果表明,本文所提方法能够客观量化企业配送能力不足时,子联盟所需的协作配送成本。此外,对企业配送能力约束的影响进行了分析,当联盟成员配送能力不足时,其分摊值上升,成本节约量降低;当其他成员有闲置车辆时,投入闲置车辆能使该部分成员获得额外的经济效益。配送企业需合理配置车辆资源,避免因配送能力不足造成的成本节约量损失;同时,平台应当积极引导车辆资源丰富的企业共享运力,以提高联盟内部资源互补程度,提升联盟整体效益。

摘要：针对当前多模态情感识别算法在模态特征提取、模态间信息融合等方面存在识别准确率偏低、泛化能力较差的问题,提出了一种基于语音、文本和表情的多模态情感识别算法。首先,设计了一种浅层特征提取网络(Sfen)和并行卷积模块(Pconv)提取语音和文本中的情感特征,通过改进的Inception-ResnetV2模型提取视频序列中的表情情感特征;其次,为强化模态间的关联性,设计了一种用于优化语音和文本特征融合的交叉注意力模块;最后,利用基于注意力的双向长短期记忆(BiLSTM based on attention mechanism,BiLSTM-Attention)模块关注重点信息,保持模态信息之间的时序相关性。实验通过对比3种模态不同的组合方式,发现预先对语音和文本进行特征融合可以显著提高识别精度。在公开情感数据集CH-SIMS和CMU-MOSI上的实验结果表明,所提出的模型取得了比基线模型更高的识别准确率,三分类和二分类准确率分别达到97.82%和98.18%,证明了该模型的有效性。

摘要：合理的事件编码方式有助于提升业务流程剩余时间预测效果,为此,有针对性地设计出5种事件编码方式。首先,抽取业务流程包含的全部事件,并利用事件编码方式对获取的事件进行编码。其次,根据业务流程序列性的特点,构建不同类型的剩余时间预测模型,同时将事件编码向量作为预测模型的输入,从而评估事件编码方式对业务流程剩余时间预测的影响。在8个公开事件日志数据集上进行实验,结果表明GloVe事件编码方式在提高业务流程剩余时间预测效果上是最有效的。该实验结果可帮助研究者和从业者选择最合适的事件编码方式以实现最佳剩余时间预测效果。

摘要：针对具有未知谐波干扰的船舶动力定位控制问题,设计自适应干扰抵消控制策略。海洋环境扰动被表示为参数未知且系统矩阵所有特征值位于虚轴上外部系统的输出向量,构造观测器提供外部系统状态向量的在线估计值,使船舶扰动补偿转化为自适应控制问题。利用自适应动态面控制设计干扰抵消控制律,指令滤波器和辅助动态系统被引入降低输入饱和的影响。理论证明控制律能够使得船舶位置和航向角保持在期望值上,同时保证闭环动力定位控制系统所有信号一致最终有界。仿真结果验证了自适应干扰抵消控制的有效性。

摘要：本文研究了山东半岛沿岸海域航行中补给船同步控制问题,并解决网络攻击和干扰补偿引起的增益时变问题。首先,构造了干扰观测器以提供海洋中的时变干扰估计值,构造了自适应律实时更新未知控制参数;其次,通过将干扰观测器与矢量反步技术相结合,设计一种用于同步的抗干扰跟踪控制器;最后,在1∶70比例的补给船模型上进行了仿真模拟。结果表明:抗干扰同步跟踪控制器能够实现补给船与被补给船的同步航行,并保证闭环同步跟踪控制系统中的所有信号全局一致最终有界。

摘要：由于行人交互的复杂性和周围环境的多变性,行人轨迹预测仍是一项具有挑战性的任务.然而,基于图结构的方法建模行人之间的交互时,存在着网络感受野小、成对行人间的相互交互对称、固定的图结构不能适应场景变化的问题,导致预测轨迹与真实轨迹偏差较大.为了解决这些问题,本文提出一种基于全局自适应有向图的行人轨迹预测方法(pedestrian trajectory prediction method based on Global Adaptive Directed Graph,GADG).设计全局特征更新(Global Feature Updating,GFU)和全局特征选择(Global Feature Selection,GFS)分别提升空间域和时间域的网络感受范围,以获取全局交互特征.构建有向特征图,定义行人间的不对称交互,提高网络建模的方向性.建立自适应图模型,灵活调整行人间的交互关系,减少冗余连接,增强图模型的自适应能力.在ETH和UCY数据集上的实验结果表明,与最优值相比,平均位移误差降低14%,最终位移误差降低3%.

摘要：业务流程预测可以有效帮助企业进行流程控制和传递高质量服务,因此作为此类场景中的核心任务之一,业务流程剩余时间预测得到国内外学者的广泛关注.当前,在利用深度学习技术对业务流程剩余时间进行预测时,大都采用传统长短期记忆循环神经网络,然而,由于长短期记忆循环神经网络在处理序列数据的过程中缺乏并行性且建模能力有限,使得预测准确度还有进一步提升空间.因此,本文提出一种基于双向准循环神经网络和注意力机制的业务流程剩余时间预测方法.首先,该方法以双向准循环神经网络构建剩余时间预测模型,并在预测模型中融入注意力机制增强双向准循环神经网络输出的特征信息.其次,设计了一种基于不同长度轨迹前缀训练迭代策略,解决流程实例中不同长度轨迹前缀数量存在差异性的问题.最后,提出一种基于Word2vec的事件表示学习方法,实现对同一轨迹且经常出现事件的相似性向量表示,从而达到提高剩余时间预测准确度的目的.经在5个公开事件日志数据集上实验,本文方法与已有方法相比在预测准确度上平均提高近15%,模型训练时间平均缩短约26%.

摘要：针对随机环境下的复杂多中心社区居家养老服务问题,以最小化总运营时间为目标,建立带机会约束的随机规划模型。设计改进的混合牧羊人优化算法,通过引入交叉算子,使新的步长更新仍基于当前和其他个体的位置信息,让算法能够用于解决具有离散特点的社区居家养老服务问题。最后,通过不同规模的算例试验和算法比较,验证了所提算法的有效性。