摘要：在复杂环境、多变负载工况中,由于时变电感参数、磁场耦合、铁心饱和等影响,电机控制精度及可靠性下降。为解决以上问题,该文充分利用时间序列模型反映电机电压、电流等状态变量之间关系,消除传统参数化建模的影响,提出基于超局部化时间序列的无模型预测电流滑模控制(SMC)方法。该方法将时间序列数据驱动模型超局部化,提升传统超局部模型精度,并采用递归最小二乘法(RLS)在线估计和更新模型中全部待定系数,实时精准响应当前系统工作状态。在此基础上,结合超局部时间序列模型,生成滑模控制函数,并设计Lyapunov方法验证函数趋近条件。实验结果表明,与传统控制方法相比,提出方法具有更强的鲁棒性、更优的电流质量和较低的系统噪声。

摘要：目的提出一种鞋材弹性模量与厚度联合优化设计糖尿病足鞋垫的方法,以降低足底压力和软组织内部应力。方法通过逆向工程方法建立足部有限元模型,基于足底压力分布特征划分鞋垫压力区域,采用有限元法对接触力学进行研究,为优化过程中调整不同区域内材料的弹性模量和鞋垫前后足厚度奠定基础,使用最优拉丁超立方设计得到最优参数组合。结果设计的鞋垫增加约37.55%的足底接触面积,跖骨区和足跟区的压力峰值分别降低15.07%、36.96%,足跟处软组织内部应力降低20.83%,足底筋膜张力降低约60%。结论所提出的方法可用于设计定制鞋垫,设计的个性化鞋垫具有更大的接触面积和降低糖尿病足底溃疡的良好潜力。

摘要：针对点云分割任务中标记样本不足的问题,提出一种基于原型融合的小样本点云语义分割算法。在骨干网络中,引入自适应权重用于捕获中心和相邻点之间的局部信息,选择性获取邻域特征;利用原型融合方法双向提取支持集和查询集的原型,对其进行融合、筛选获得融合后的原型用以分割。实验结果表明,与原型网络相比,该方法在数据集S3DIS和ScanNet上都表现出良好性能,验证了该方法具有良好的泛化能力。

摘要：针对三相交错并联Buck变换器在外部干扰下影响系统鲁棒性和动态性能的问题,本文提出一种基于自适应超螺旋滑模观测器的无模型预测控制策略。首先,建立超局部模型代替原有的数学模型,设计自适应超螺旋滑模观测器估计超局部模型中的动态部分。然后,引入最小二乘法预测电流误差趋势,动态调整观测器增益矩阵。最后,构建离散方程,设计代价函数,实现无模型预测控制。实验结果验证了所提算法可以有效抑制因外部扰动产生的稳态误差,且相较于传统无模型预测控制具有更好的鲁棒性和动态性能。

摘要：针对点云分类问题,提出一种改进点云上采样网络,从低密度点云生成密集点云,提高点云分类准确率。针对点云上采样网络PU-GAN细节表示能力不足的问题,在生成器网络中引入Transformer模块,整合提取的特征信息;在特征扩张模块加入门控循环单元和分层上采样单元,重构细粒度特征;以PU-GAN数据集进行训练,构建闽南古建筑数据集作为测试。实验结果表明,改进后网络的上采样效果获得了提升,具有良好的鲁棒性。通过对ModelNet40数据集进行上采样,在PointNet上进行分类实验,验证了该网络对分类准确率的提升。

摘要：三相Vienna整流器具有不需要考虑开关死区、可靠性高等优点,但参数易受外部扰动影响而导致控制性能下降。针对这些问题,该文提出一种基于自适应超螺旋滑模观测器的无模型预测电流控制策略(ASTSMO-MFPCC)。首先,通过分析三相Vienna整流器参数失配数学模型,构建不依赖系统物理参数的超局部模型。其次,设计超螺旋滑模观测器估计超局部模型中的动态部分,有效抑制系统扰动影响。同时,设计自适应增益,动态调整超螺旋滑模观测器参数,解决增益选择难题。最后,构建离散化预测模型和成本函数,实现无模型预测电流控制算法。仿真与实验结果表明,所提策略具有良好的鲁棒性和动稳态性能。

摘要：平均场理论(MFT)为理解深度神经网络(DNN)的运行机制提供了非常深刻的见解,可以从理论上指导深度学习的工程设计。近年来,越来越多的研究人员开始投入DNN的理论研究,特别是基于MFT的一系列工作引起人们的广泛关注。为此,对深度神经网络平均场理论相关的研究内容进行综述,主要从初始化、训练过程和泛化性能这三个基本方面介绍最新的理论研究成果。在此基础上,介绍了混沌边缘和动力等距初始化的相关概念、相关特性和具体应用,分析了过参数网络以及相关等价网络的训练特性,并对不同网络架构的泛化性能进行理论分析,体现了平均场理论是理解深度神经网络机理的非常重要的基本理论方法。最后,总结了深度神经网络中初始、训练和泛化阶段的平均场理论面临的主要挑战和未来研究方向。

摘要：激光雷达数据由于其几何特性,被广泛应用于三维目标检测任务中。由于点云数据的稀疏性和不规则性,难以实现特征提取的质量和推理速度间的平衡。本文提出一种基于体柱特征编码的三维目标检测算法,以Pointpillars网络为基础,设计Teacher-Student模型框架对回归框尺度进行蒸馏,增加蒸馏损失,优化训练网络模型,提升特征提取的质量。为进一步提高模型检测效果,设计定位引导分类项,增加分类预测和回归预测之间的相关性,提高物体识别准确率。本网络所做改进没有引入额外的网络嵌入。算法在KITTI数据集上的实验结果表明,相比于基准网络,在三维模式下的平均精度值从60.65%提升到了64.69%,鸟瞰图模式下的平均精度值从67.74%提升到70.24%。模型推理速度为45 FPS,在提升检测精度的同时满足了实时性要求。

摘要：为提高双三相永磁同步电机系统应对复杂扰动时的鲁棒性,提出了一种带有最速下降观测器的滑模预测速度控制策略。通过将参数变化和外部扰动注入到q轴电流系数,建立了带有扰动的双三相永磁同步电机运动模型。基于电机扰动模型提出了一种滑模预测速度控制策略,该方案使用基于双曲正切函数的新型幂次趋近律,能够在保持较快跟踪速度的同时有效抑制滑模抖振。设计了一个基于最速下降算法的扰动观测器,用于估计随叠加扰动而时刻变化的q轴电流系数并将其传递到滑模预测速度控制模型中。与传统的滑模预测速度控制相比,仿真结果证明了所提方法具有较好的动态跟踪性能和扰动抑制性能。

摘要：针对永磁同步电机气隙磁场不可调以及传统电励磁电机的效率低等问题,提出了一种新型并列式双转子混合自励磁电机。首先,该电机利用谐波激励原理,通过调节谐波电压可灵活调整励磁电流,在中高速域更容易实现弱磁扩速。其次,保证功率不变的前提下,先分析两部分各占的比重,再分别对励磁源参数进行优化设计。最后,通过调节励磁电流的大小与方向且利用二维有限元模型对所提电机的性能进行验证。仿真结果证明:所提电机具有较好的调磁能力,在弱磁情况下,反电动势幅值接近于0,可以有效实现转速调节。