摘要：该文针对多源时变干扰影响的双三相永磁同步电机系统,研究其基波平面内的调速控制问题和谐波平面内的谐波电流抑制问题。首先,在基波平面采用非串级控制结构,通过构造广义比例积分观测器(generalized proportional integral observer,GPIO)估计转速环的多源快变干扰;然后,针对q轴电流的过流保护问题,在传统比例微分反馈控制器的基础上利用障碍函数设计思想,结合干扰估计信息,得到基于GPIO的电流约束复合控制器;其次,在谐波平面,通过设计2个GPIO精准估计电流环的多源快变干扰,并与比例反馈控制器结合形成复合控制器来抑制2个电流环中的谐波电流。最后,给出严谨的稳定性分析,并通过对比实验验证所提方法的有效性。

摘要：针对电动汽车充电路径规划问题,提出了一种适用于强化学习的环境建模方法。该方法基于城市道路网格与充电站地理位置分布等现实情况,将电动汽车的基本行驶路径分为三段进行表达。在三段式表达方法的基础上,提出了状态空间、动作空间、状态转移与奖励函数的设计方案,将充电路径规划建模为马尔可夫决策过程,并利用Q学习方法与深度Q网络(DQN)方法求解。实验结果表明,基于三段式表达法的强化学习环境设计方案具有可解性与可迁移性,考虑了电动汽车从道路驶向充电站过程中的降速转弯等现实场景,同时将充电动作简化为一种行驶方向选择,提升了基于Q学习与DQN的强化学习算法效率。

摘要：肺部疾病已成为危害人类身体健康的重要因素,胸部X光片是医疗实践中广泛应用的肺部疾病检测工具,在协助临床诊断中发挥着重要的作用。针对上述问题设计出一种胸部X光片疾病分类算法,应用于医疗场景下辅助医生进行诊断。研究方案在肺炎图像分类领域的权威数据集Chest X-ray 14上进行实验,数据集涉及14种不同的肺部疾病标签。研究工作基于深度学习算法,使用ConvNeXt卷积神经网络为主干网络,设计了该网络的多尺度特征融合模块,以及全局上下文注意力模块,用以提高分类算法的准确性。算法的评价指标使用AUC(area under curve),其值越接近1则算法效果越好,仅使用ConvNeXt主干网络的AUC值为0.836 8,加入多尺度特征融合模块的AUC值为0.844 0,加入全局上下文注意力模块的AUC值为0.839 9,同时加入两个模块的结果为0.849 3。改进算法的性能优于该领域的常用算法DenseNet121(0.830 1),CheXNet(0.841 4),MXT(0.830 8),并且在4类病理现象的判断上取得了最优的水平。这两项改进都可提高模型性能,也可共同作用进一步提高模型分类能力。改进算法在综合能力和专项能力之间取得一个平衡,在综合分类性能优秀的同时,对于专项病症的分类能力也取得领先的成绩。

摘要：为解决控制器设计中是否需要对执行器速率饱和影响进行补偿的问题,针对速率饱和现象对控制性能的影响进行了定量分析.基于频域时间尺度变换特性,提出了一阶惯性时延被控对象所在闭环系统在执行器速率饱和下的参数归一化方法,将可变参数由4个简化为1个.采用近似最大灵敏度约束积分增益优化(AMIGO)和Skogestad内模控制(SIMC)2种比例积分微分(PID)整定方法来设计控制器参数.经过仿真和逆归一化处理,得到了在恒定系统超调下执行器临界速率饱和值与系统参数之间的数学模型.分析结果表明:AMIGO-PID和SIMC-PI控制器对应的数学模型的平均精度分别为13.89%和2.17%;在相同系统最大超调下,相较于AMIGO-PID控制器,SMIC-PI控制器对执行器的动作速率要求更低,说明SIMC-PI控制器对于执行器的速率饱和影响具有一定的缓和作用;当实际执行器速率饱和值小于模型估计值时,应对速率饱和的影响进行补偿,反之可忽略其影响以节约设计成本.

摘要：针对手部康复装置结构复杂、穿戴舒适性差、制作成本高等问题,提出了一种基于三维软体驱动器的新型手部康复装置。首先,根据手部功能运动范围分析,设计了具有三空腔结构和纤维增强结构的三维软体驱动器。其次,利用Yeoh模型、虚功原理和结构分析,建立了以空气压强、纤维匝数为输入量,弯曲角度为输出量的数学模型。然后,通过有限元分析,确定了纤维匝数和建议工作压强,降低了数学模型的计算量。最后,使用3D打印技术和硅胶材料完成了样机的制作。为了验证以上理论,在软体驱动器综合实验平台上进行了性能测试。结果表明,该软体驱动器的最大弯曲角度、指尖力和相对误差分别为230°、1.08 N和25.04%;该装置可以模仿常见手势,抓取日常生活用品,能够满足基本的手部康复训练。

摘要：针对现有图像匹配算法追求匹配精度,而一定程度上忽略匹配速度下降的问题,设计了通道注意力和特征切片描述网络(CAFSD),并将其与快速特征点检测算法(ORB)结合,进而提出一种精度和速度均衡的图像快速匹配算法。首先利用通道注意力对ORB获取的图像块进行初步全局特征学习,接着将初步特征描述子切片,再对每个特征切片进行特征学习和二进制化,最后重新拼接得到二进制特征描述子,减少了传统二进制编码的冗余问题。此外,设计了复合损失函数进一步减少描述子二进制化造成的信息损失。实验结果表明,所提算法的匹配性能和处理速度优于大部分其他二进制匹配算法。

摘要：针对人脸测量时的抖动现象,设计了一种循环反向编码方法。该方法无需专门投影反向二值条纹辅助边缘点定位,减少了投影图案的数量。用循环的三帧条纹图像代替原本利用正反两帧条纹图像定位的方式,提高边缘点检测精度的同时能够有效消除定位偏差。实验表明,所提方法能够有效提高测量速度,同时保持较高的测量精度,减少点云中的运动波纹。

摘要：直流变换器在能量转换系统中起到至关重要的作用.针对直流降压变换器系统中存在的多源干扰问题,本文提出了一种基于观测器的复合离散滑模控制方案.为获得高电压跟踪精度和强抗干扰能力,在控制器中引入了干扰估计信息的二阶差分.通过干扰估计和前馈补偿,有效地消除了干扰对变换器电压跟踪精度的影响.同时,为削弱抖振影响,文中设计了一种新型的自适应滑模趋近律,并针对闭环系统给出了严格的稳定性与收敛性能分析.此外,本文基于快速原型控制器进行不同工况下变换器系统实验测试.结果表明,相比于传统离散滑模控制,文中所研究的复合控制器具备较强的抗干扰能力和较高电压跟踪精度.

摘要：为提高发电机励磁汽门系统机端电压和转速的控制性能,提出了基于在线学习和扩张状态观测器(ESO)的改进神经网络逆控制方法.首先,将神经网络逆与被控励磁汽门系统组成的复合伪线性系统等效为含有扰动的线性系统.然后,基于自抗扰控制方法,设计了用于在线估计复合伪线性系统状态和扰动的ESO,并在设计的伪控制量中对扰动进行补偿,利用线性系统理论证明了ESO的收敛性和闭环系统的稳定性;同时,在离线训练的基础上设计了基于在线梯度方法的神经网络逆在线学习算法,利用李雅普诺夫稳定性理论证明了神经网络逆在线学习的收敛性.最后,以典型的两区域四机系统为例进行数值仿真,结果表明,与传统的AVR/PSS方法和基于离线训练的神经网络逆控制方法相比,所提方法明显提升了电力系统的暂态性能.

摘要：研究控制器增益存在加性摄动时的一类线切换系统的非脆弱鲁棒H∞控制问题.首先,利用多Lyapunov函数方法,把状态空间划分为N(子系统个数)个子区域,并以最小Lyapunov函数作为切换规则,研究标称系统的稳定性,而给出的稳定性条件不要求每一个子系统都是渐近稳定的.然后,考虑系统的不确定性,给出了非脆弱状态反馈控制器和切换律设计方案.通过子系统之间的切换,保证系统对所有允许的不确定性是渐近稳定的且具有H∞性能界,并以线性矩阵不等式组的形式给出控制器增益矩阵存在的充分条件.最后,以数值仿真验证了该方法的有效性.