摘要：为了向老年人提供居家自动化测量血糖的智能装备,设计了基于模糊比例积分微分(PID)的家用血糖智能感知装置刺针自适应控制方法.首先给出了家用血糖智能感知装置的总体设计,然后为确保刺针运动过程的稳定性,建立了刺针控制模块的动力学模型,并提出了基于模糊PID的刺针自适应控制方法,以实现刺针控制模块工作过程中PID控制器参数的自适应在线整定,采用基于模糊PID的刺针自适应控制方法的系统调节时间仿真结果为0.30 s.最后,试制并测试了家用血糖智能感知装置,原型装置调节时间测试结果为0.35 s,能抑制刺针抖动.

摘要：【目的】探究不同种类及质量浓度植物生长调节剂对药用植物米槁愈伤组织诱导、组培苗生根的影响,寻找最适宜米槁愈伤组织诱导和组培苗生根的最佳培养基组合,为米槁大量繁殖提供技术支撑,加速米槁苗木生产,丰富米槁的无性繁殖体系。【方法】以米槁叶片和不定芽为外植体,采用正交试验设计,研究不同种类及质量浓度组合植物生长调节剂对米槁愈伤组织诱导和组培苗生根的影响。【结果】MS培养基适合米槁叶片愈伤组织诱导,不同质量浓度的2,4-D和6-BA均对米槁叶片愈伤组织诱导有显著影响,NAA的质量浓度无显著影响,2,4-D和6-BA是影响愈伤组织诱导的两个主要因素,当2,4-D质量浓度为1.0 mg/L、6-BA质量浓度为2.0 mg/L、NAA质量浓度为0.3 mg/L时,愈伤组织诱导率最高,达到了81.25%。1/2 MS培养基适合米槁不定芽组培苗生根,不同质量浓度的IBA和AC(活性炭)均对米槁不定芽组培苗生根有显著影响,NAA的质量浓度无显著影响,IBA和AC是影响组培苗生根的主要因素,当IBA质量浓度为0.1 mg/L、NAA质量浓度为0.5 mg/L、AC质量浓度为0.2 g/L时,组培苗生根率最高,达到了72.38%,且根系生长状况最好,生根较早,根系繁密,有须根,根长较长。【结论】米槁叶片愈伤组织诱导最佳培养基为MS培养基+2,4-D 1.0 mg/L+6-BA 2.0 mg/L+NAA 0.3 mg/L+琼脂6.5 g/L+蔗糖30 g/L,2,4-D和6-BA比NAA更适合米槁叶片愈伤组织诱导;米槁不定芽组培苗生根最佳培养基为1/2 MS+NAA 0.5 mg/L+IBA 0.1 mg/L+AC 0.2 g/L+琼脂7 g/L+蔗糖30 g/L,IBA和AC比NAA更适合米槁不定芽组培苗生根。

摘要：以内在动机为导向的探索类强化学习中,通常根据智能体对状态的熟悉程度产生内在奖励,难以获得较合适的近似度量方法,且这种长期累计度量的方式没有重视状态在其所处episode中的作用。Anchor方法使用锚代替分层强化学习中的子目标,鼓励智能体以远离锚的方式进行探索。受Anchor方法的启发,根据转移状态与同一个episode中历史状态之间的距离设计内在奖励函数,进而提出远离旧区域和避免回路的强化探索方法。将当前episode中部分历史状态组成的集合作为区域,周期性更新区域为最近访问的状态集合,根据转移状态与区域的最小距离给予智能体内在奖励,使智能体远离当前最近访问过的旧区域。将转移状态的连续前驱状态作为窗口并规定窗口大小,根据窗口范围内以转移状态为终点的最短回路长度给予内在奖励,防止智能体走回路。在经典的奖励稀疏环境MiniGrid中的实验结果表明,该方法避免了对状态熟悉程度的度量,同时以一个episode为周期对环境进行探索,有效提升了智能体的探索能力。

摘要：多源信息融合评价技术是煤层底板突水预测的重要手段,该方法在应用过程中存在专业技术要求高、评价过程复杂繁琐且智能化水平不足的问题。根据突水危险性评价技术流程特点,系统阐述煤层底板突水多源信息综合评价系统的设计原则、设计思路、开发模式和开发方式。构建具有普适性的煤层底板突水评价指标体系、权重计算方法和危险性评价模型等系统核心功能。以GIS技术为基础支撑,依托Visual Studio开发平台,合理调用三方控件(WindowsForm控件、DevExpress控件、ArcEngine控件),引入随机森林机器学习方法,集成开发从数据处理、存储、权重运算、专题图制作到评价结果可视化输出等多功能一体化的煤层底板突水危险性综合评价系统,实现从源数据到评价结果可视化呈现的“一”系统,使煤层底板突水评价技术更加简便和高效,解决了现有技术依赖多平台计算、评价步骤分离化大且智能化水平低的问题。

摘要：训练舱舱体作为低压模拟设备的结构支撑,其主要破坏形式是由于舱体壁承受的压差载荷,加剧了应力集中部位的疲劳损伤,从而导致结构部分失效。针对负压大型舱体结构的疲劳损伤问题,以企业某型低压舱为原型,创建包括内加强筋、过渡舱在内的几何模型,进行了静力学和动力学分析,确保结构设计的合理性;同时,采用三点雨流法统计并获取对应的循环载荷谱;选择Goodman方程进行平均应力的修正,提高预测的准确性;最后,利用舱体材料的S-N曲线和Corten-Dolan法则,对其结构进行疲劳寿命预测分析,获取了危险单元部位在对应循环载荷作用下的循环次数、疲劳损伤和雨流矩形图。仿真结果表明:疲劳损伤严重部位的损伤值为1.018×10^(-5),局部可循环次数为9.822×10^(4)次,预计可使用寿命达15年左右;由雨流矩形图可知,平均应力主要集中在202.1~281.7 MPa之间,最大应力幅为211.8 MPa,平均应力以拉应力为主。

摘要：针对输电线路附近的树障进行清理问题,本文提出了一种新型的悬挂伸缩刀具的树障清理空中机器人并进行了仿真和实物验证.首先,对悬挂伸缩刀具的空中机器人进行了伸缩刀具重心变化下的动力学、运动学建模及接触建模.其次,为避免空中机器人接触作业时机器人倾翻的问题,设计了力估计器用于力感知和导纳控制器用于力控制.针对空中机器人非线性强耦合、伸缩刀具时参数摄动及作业时扰动的问题,设计了线性自抗扰控制(LADRC)的机器人位姿控制器.再次,数值仿真验证了导纳控制能有效避免空中机器人接触作业时产生倾翻的问题,以及基于LADRC控制器的位姿控制具有良好的稳定性和抗扰性.最后,通过实物飞行和接触作业测试,进一步验证了本文悬挂伸缩刀具的树障清理空中机器人及其控制方法的有效性.

摘要：【目的】为明确我国本土优势蜂种中华蜜蜂Apis cerana cerana Fabricius对白三叶的访花行为和授粉效果。【方法】2021年5月,利用中华蜜蜂为白三叶授粉,采用随机区组设计,共设置了完全授粉、不授粉、初花期授粉、盛花期授粉及末花期授粉5个处理,观察蜜蜂的访花行为和规律,并分析蜜蜂授粉对白三叶产量相关性状的影响。【结果】中华蜜蜂在不同时间段授粉,其访花行为均不相同。中华蜜蜂的单花滞留时间和访花转移次数在初花期的10:00-12:00和末花期的13:00-15:00最多,盛花期则与此相反;其花序采粉、蜜次数和访花速率在初花期的16:00-18:00最高,盛花期和末花期的最大值出现在13:00-15:00。中华蜜蜂访花转移次数、花序采粉、蜜次数和访花速率的值均在盛花期最高,而单花滞留时间、花序访问时间在盛花期最短,且在盛花期与末花期存在显著性的差异(P?0.05)。相关分析结果表明,访花速率与单花停滞时间呈不显著负相关关系(P>0.05),与花序访问时间呈不显著正相关关系(P>0.05)、与花序采粉和蜜次数(P?0.01)呈极显著正相关关系;白三叶产量相关性状中产花密度、种子数以及荚果数在全花期授粉与盛花期最高,分别为(286.67±8.11)个、(4.65±0.20)粒和(66.7±3.93)个;在不授粉的情况下最低,分别为(273.33±5.81)个、(4.21±0.10)粒和(38.00±2.93)个。【结论】中华蜜蜂对白三叶盛花期的访花最活跃;完全授粉和盛花期授粉条件下能较好提高白三叶的花密度、花序花朵数、单序荚果数和种子数。

摘要：为建立一种快速诊断由猪链球菌(SS)、猪胸膜肺炎放线杆菌(App)、猪多杀性巴氏杆菌(Pm)、副猪嗜血杆菌(Hps)、猪支气管败血波氏杆菌(Bb)和猪肺炎支原体(Mhp)单独或混合感染引起的猪呼吸道疾病的检测方法,基于上述6种病原菌对应的gdh(SS)、apxⅣA(App)、KMT1(Pm)、16S rRNA(Hps)、fla(Bb)和p36 ldh(Mhp)基因设计特异性引物,通过优化各反应条件建立了能同时检测SS、App、Pm、Hps、Bb和Mhp的多重PCR方法。结果显示,该方法特异性强,仅对SS、App、Pm、Hps、Bb和Mhp有特异性扩增,对大肠埃希氏菌、奇异变形杆菌、停乳链球菌和金黄色葡萄球菌等其他病原菌的扩增结果均为阴性;敏感性较高,对6种病原菌DNA的最低检出限分别为SS 8.66×10^(2)拷贝/μL、App 1.05×10^(4)拷贝/μL、Pm 8.61×10^(2)拷贝/μL、Hps 9.01×10^(2)拷贝/μL、Bb 7.54×10^(2)拷贝/μL、Mhp 3.86×10^(3)拷贝/μL。利用该多重PCR和各单项PCR分别检测贵州省9个市(州)部分猪场的469份临床样品,结果显示,多重PCR阳性检出率为App 0.85%(4/469)、Pm 15.35%(72/469)、SS 59.49%(279/469)、Hps 52.67%(247/469)、Mhp 6.40%(30/469)、Bb 5.12%(24/469)。混合感染主要以SS和Hps为主,阳性检出率为30.92%(145/469),其次是Pm、SS和Hps混合感染,阳性检出率为7.04%(33/469),其他混合感染情况占比较低。多重PCR和单项PCR的总阳性符合率为96.76%。结果表明,建立的多重PCR检测方法为SS、App、Pm、Hps、Bb和Mhp混合感染的临床快速检测及流行病学调查提供了技术支持。

摘要：为解决推荐系统的个性化应用问题,提出一种融合准确性和多样性的多目标优化推荐模型DenseNCF。利用自组织映射网络(Self-Organizing Map,SOM)模型对推荐项目样本进行聚类分析,并建模用户的多样性倾向度。采用DenseNet深层卷积网络学习用户和项目的外积交互特征,得到精准的推荐结果。根据用户的多样性倾向度,设计综合准确性和多样性的损失函数,实现模型的端到端训练。在公开数据集上进行实验验证,结果表明所提模型的性能比简单的CNN网络结构的模型更优,既能够保证推荐结果的准确性,同时能有效提高推荐结果的多样性。

摘要：传统浅层机器学习方法在识别恶意TLS流量时依赖专家经验且流量表征不足,而现有的深度神经网络检测模型因层次结构复杂导致训练时间过长。提出一种基于CNN-SIndRNN端到端的轻量级恶意加密流量识别方法,使用多层一维卷积神经网络提取流量字节序列局部模式特征,并利用全局最大池化降维以减少计算参数。为增强流量表征,设计一种改进的循环神经网络用于捕获流量字节长距离依赖关系。在此基础上,采用独立循环神经网络IndRNN单元代替传统RNN循环单元,使用切片并行计算结构代替传统RNN的串行计算结构,并将两种类型深度神经网络所提取的特征拼接作为恶意TLS流量表征。在CTU-Maluware-Capure公开数据集上的实验结果表明,该方法在二分类实验上F1值高达0.9657,在多分类实验上整体准确率为0.8489,相比BotCatcher模型训练时间与检测时间分别节省了98.47%和98.28%。