摘要：针对带有时滞和多故障的非线性系统,研究了基于中间观测器的故障估计问题.设计了中间变量和中间估计器,实现了多故障的故障估计,同时避免了观测器匹配条件的限制.根据Lyapunov稳定理论和线性矩阵不等式(LMI)方法,误差系统是渐近稳定的.最后,通过MATLAB仿真,验证了所提出方法的有效性.

摘要：针对一类具有磁滞输入且状态未知的非线性多智能体系统,本文提出了一种基于领导者–跟随者的分布式输出反馈渐近一致自适应控制方案.首先,构造了具有动态高增益的K-滤波器以估计多智能体系统的未知状态.然后,采用一种新型的动态面控制策略设计控制器.不同于传统动态面控制策略所采用的一阶低通滤波器,本文设计了含正时变积分函数的非线性滤波器,该滤波器不仅能解决"微分爆炸"问题、降低计算负担,而且能补偿传统动态面的边界层误差,使跟踪误差收敛到零.理论分析表明:该控制方案能有效地消除未知磁滞的影响,确保整个闭环系统的稳定性,并使跟踪误差达到渐近收敛的目标.最后,通过仿真对所提出控制方案的有效性进行了分析和验证.

摘要：本文针对一类带有输入时滞的不确定非线性系统,提出了新型动态面Funnel控制方案.首先设计补偿动态变量将输入时滞系统转换成无时滞的系统,仅需在递归控制的最后一步补偿,从而优化了控制器设计过程.其次,构造Funnel函数,使系统的瞬态和稳态跟踪误差被限制在给定边界内.最后,提出新型非线性动态面控制方法,不仅避免了自适应反推控制中的“微分爆炸”问题,而且消除了边界层误差,使得系统的跟踪误差最终渐近收敛到零.理论分析表明该闭环系统的所有信号一致最终有界,仿真结果验证了该控制方案的有效性.

摘要：为缩短未知环境下移动边缘计算(MEC)系统服务用户所需的平均时延,提高MEC系统服务质量(QoS),设计了一种基于多无人机(UAV)的MEC系统,并针对UAV数量大量增加、因用户平均时延减少呈现边际效应递减所带来的资源浪费问题,设计一种可变UAV数量的节时部署算法。MEC系统首先将UAV部署问题分解为一个双层嵌套问题,外层为最大覆盖问题(MCLP),内层为基于广义指派问题(GAP)的任务卸载问题,并将人为设置的惩罚项加入待优化目标中,在优化过程中使MEC系统UAV数量和用户所需平均时延之间达到平衡。部署算法设计了一种混合算法来针对嵌套问题进行求解,外层使用基于差分进化-蛇优化算法(DE-SO)的联合优化算法来解决UAV的部署覆盖问题,内层使用贪心算法来解决任务卸载问题。仿真实验结果表明,在多种UE分布环境下,相较于CS-G、SAO-G等算法,该算法在适应度、覆盖率等性能上取得了最优表现,相比寻优精度最高的对比算法,DE-SO-G在寻优精度上平均提升5.67%。

摘要：心律失常的自动分类对心血管疾病的诊断和预防具有重要意义。传统分类方法需要对心电信号进行人工特征提取,这对分类准确度有很大的影响。针对该问题,提出一种基于二维图像与迁移卷积神经网络(TCNN)的分类方法。通过对心电信号进行格拉姆角场变换将其转换为二维图像,在保证心电图像完整性的同时,保留原始信号的时间依赖性。在此基础上,结合迁移学习的思想,设计结构简单且参数量较少的TCNN模型对心电图像进行分类。实验结果表明,该方法网络训练用时较少,并且分类总准确率达到99.82%,可实现对心律失常的有效分类。

摘要：声表面波(SAW)微力传感器易于集成和小型化,无源无线的工作方式,具有极大的应用潜力。将其应用于物体间微间隙压力检测有望实现高灵敏、低功耗的监测水平。针对复杂环境中存在的测量灵敏度问题,设计了一种具有折线形状的叉指换能器(IDT)的SAW微力传感器。采用有限元分析方法(FEM)对其进行了仿真分析和结构参数设计。理论分析与实验表明,设计的传感器质量灵敏度可达284.16 kg/m^(2),高于直线形IDT的SAW传感器185.97 kg/m^(2),验证了此结构能够有效提高器件的质量灵敏度,及在微间隙环境下压力监测的可行性。

摘要：视频中的异常检测是一个具有挑战性的计算机视觉问题。现有的最先进视频异常检测方法主要集中在深度神经网络的结构设计上,以获得性能改进。与主要研究趋势不同,本文侧重于将集成学习和深度神经网络相结合,提出了一种基于集成生成对抗网络(Generative Adversarial Networks,GAN)的方法。在所提出的方法中,一组生成器和一组判别器一起训练,因此每个生成器可以从多个判别器获得反馈,反之亦然。与单个GAN相比,集成GAN可以更好地对正常数据的分布进行建模,从而更好地检测异常。在两个公开数据集上测试了所提出的方法性能。结果表明,集成学习显著提高了单个检测模型的性能,在两个数据集上比现有最近方法分别超过0.4%和0.3%的帧级AUC。

摘要：为在场景图生成网络中获得重要的上下文信息,同时减少数据集偏差对场景图生成性能的影响,构建一种基于外部知识库与适应性推理的场景图生成模型。利用结合外部知识库的目标检测模块引入语言先验知识,提高实体对关系类别检测的准确性。设计基于Transformer架构的上下文信息提取模块,采用两个Transformer编码层对候选框和实体对关系类别进行处理,并利用自注意力机制分阶段实现上下文信息合并,获取重要的全局上下文信息。构建特征特殊融合的适应性推理模块,通过软化分布并根据实体对的视觉外观进行适应性推理关系分类,缓解实体对关系频率的长尾分布问题,提升模型推理能力。在VG数据集上的实验结果表明,与MOTIFS模型相比,该模型在谓词分类、场景图分类和场景图生成子任务上的Top-100召回率分别提升了1.4、4.3、7.1个百分点,对于多数关系类别具有更好的场景图生成效果。

摘要：声表面波传感器因其独特的设计原理,具有体积小,无源无线,精度高等特点,在物理和生物领域应用广泛。针对声表面波输出频率信号采集复杂的问题,该文设计了一类信号调理电路,通过谐振选频电路稳定输出信号,并通过滤波、放大、整形将输出信号转变为方波信号,最终得到易于采集处理的频率信号。通过Multisim仿真证明,该电路有良好的信号调理能力,易集成。这为声表面波微压力传感器的信号采集和处理奠定了基础。

摘要：图像中的人群计数在公共安全领域具有重要价值.为了解决由于摄像机透视效果、人群密度分布不均匀和严重遮挡等导致人群计数准确率低的问题,本文提出一种多尺度全卷积网络架构,用于准确地估计任意摄像头视角的静态图片的人群密度.通过利用不同尺度的卷积核,使分支网络能更好地学习图像中头部特征变化.同时,由于每个分支网络设计的网络层数量不同,因此这种多尺度的网络组合能够有效地捕捉高层的语义信息和低层的细节信息.实验结果显示,本方法在Shanghai-tech标准数据集上具有较高的人群计数准确率.