摘要：永磁同步电机多矢量模型预测控制能够有效改善传统单矢量模型预测控制存在的电流脉动大、控制精度有限等不足,但其控制性能更易受电机参数摄动的影响。为提升多矢量预测控制算法在电机参数摄动下的鲁棒性,提出一种永磁同步电机无参数三矢量模型预测电流控制算法。通过构建基于永磁同步电机输入输出信号的超局部预测电流模型,避免了电流预测受电机本体参数的影响,同时设计了扰动观测器对超局部模型中未建模与扰动部分进行估计。此外,引入基于电流误差的矢量占空比直接计算法,抑制电机参数摄动对占空比计算环节的不确定性影响,进一步提高了系统鲁棒性。与传统有参数三矢量模型预测电流控制进行仿真和实验对比,结果显示所提策略能够有效抑制电机参数变化所带来的系统扰动,保证了电机运行时的稳态性能。

摘要：常规三相LCL并网逆变器模型预测电流控制方法存在计算量大、参数鲁棒性差等缺点。为了解决这些问题,提出了一种三相LCL并网逆变器无参数滑模预测电流控制方法。该方法利用滑模控制理论,建立了一种新型无参数电流控制价值函数,无需采用模型参数即可实现并网电流预测控制,从而简化了控制系统的预测过程。此外,该方法省去了逆变器侧电流传感器和电容电压传感器,节约了硬件成本,提高了系统运行可靠性。最后,根据常规模型预测电流控制和滑模预测电流控制的优点,提出了一种三相并网逆变器自适应预测控制方法,提高了并网逆变器控制对模型参数失准的适应能力。实验结果表明,在系统参数失准的情况下,所提出的控制策略具有更小的并网电流控制误差,有效地提高了系统参数鲁棒性。

摘要：风电机组通常以集群规模化运行,机组结构复杂、振动测点多,所产生的振动数据量大,仅靠人工进行故障诊断具有较大挑战。提出基于无参数经验小波变换的风电齿轮箱故障特征提取方法,运用尺度空间方法和经验法则对振动信号的傅里叶谱进行自动分割,获得不同的滤波频带,据此设计一系列经验小波滤波器对信号进行分解和重构,获得不同频带下的经验模式,进一步采用裕度因子对分解后的经验模式进行排序,选取裕度因子最大的经验模式作为故障敏感模式;该方法能在无需预设任何参数的情况下对振动信号进行分解与故障特征提取,具有自适应性。风电试验台和实测风电齿轮箱故障案例验证了方法的有效性。

摘要：针对现有基于节点度的功率控制算法一般采用调节参数进行功率调整而导致的收敛速度慢和高能耗问题,通过引入网络节点分布密度ρ,结合无线传播模型和邻居数量估计模型,提出一种无参数影响的功率调整方案NPPC.仿真实验表明,NPPC使节点更快地达到期望邻居数量,有效地形成了连通网络,同时收敛速度和能量效率有显著提高,且在不同部署密度、规模的网络模型中均具有良好的稳定性.

摘要：在测绘地理信息产品中存在着大量的独立坐标系成果,这些成果中有很大一部分由于各种现实原因导致定义该坐标系的技术资料严重缺失,这为成果的再利用带来了很大的困难。通过工程实践,讨论在未知定义参数的条件下,完成独立坐标系数据向标准坐标转换的方法以及精度评估。为从事相关活动的技术工作者提供参考。

摘要：针对一般约束问题,提出一个新的无参数填充函数。分析了该函数的相关性质,利用其理论性质设计了一种新的无参数填充算法,并对几个经典的算例进行了数值实验。实验结果表明:该算法是可行的、有效的。

摘要：传统UDP算法的参数选择是一个经典问题,至今仍没有一种有效的方法从根本上解决这个问题。针对复杂的参数选择,提出一种基于组稀疏的参数自适应学习UDP算法(SUDP)。使用组稀疏来描述样本点的几何结构,自适应地构造样本点的近邻图,避免传统UDP算法中使用K-NN算法带来的弊端。由于稀疏表示带有天然判别信息的优势,SUDP算法比传统的UDP算法有着更强的判别能力。在6个广泛使用的人脸数据集上进行的实验,实验结果表明了SUDP算法的有效性和稳定性。

摘要：事件检测(ED)是信息抽取领域中最重要的任务之一,旨在识别文本中特定事件类型的实例。现有的ED方法通常采用邻接矩阵来表示句法依存关系,然而邻接矩阵往往需要借助图卷积网络(GCN)进行编码来获取句法信息,由此增加了模型的复杂度。为此,提出了融合句法信息的无触发词事件检测方法。通过将依赖父词及其上下文转换为位置标记向量,并在模型源端以无参数的方式融入依赖子词的单词嵌入来加强上下文的语义表征,而不需要经过GCN进行编码;此外,针对触发词的标注费时费力的问题,设计了基于多头注意力机制的类型感知器,以对句子中潜在的触发词进行建模,实现无触发词的事件检测。为了验证所提方法的性能,在ACE2005数据集以及低资源越南语数据集上进行了实验。其中,在ACE2005数据集上与图变换网络事件检测(GTN-ED)方法相比,所提方法的F1值提升了3.7%;在越南语数据集上,与二分类的方法类型感知偏差注意机制神经网络(TBNNAM)相比,所提方法的F1值提升了9%。结果表明,通过在Transformer中融入句法信息能有效地连接句子中分散的事件信息来提高事件检测的准确性。