摘要：阐述了压缩感知信号稀疏化模型、测量矩阵构造、重构算法设计、压缩检测和压缩感知硬件信号处理系统的演变过程,提出压缩感知理论未来发展需要解决函数序列处理问题,包括解决函数序列信号稀疏化,函数序列信号的测量矩阵构造,测量矩阵的压缩检测(compressed measurement,CM)约束条件,以及降低压缩感知(compressed sensing,CS)硬件系统的复杂度等问题。针对目前压缩感知理论应用中复杂度高、压缩检测算法准确度低的问题,提出了一种伪随机信号动态电能量值的精确同步压缩检测方法,该方法复杂度低,易于硬件实现,研发的硬件实验装置测量误差优于2×10^(-4),为提高压缩检测算法准确度提供了一种解决策略,具有高准确度动态电能测量应用前景。

摘要：“心理健康和精神卫生”是“健康中国”建设进程中的重要环节,是培养学生健康心理、健全人格的核心,是实现立德树人使命的关键保障。在教育部颁发的《高校思想政治工作质量提升工程实施纲要》中,心理育人被列为“十大育人体系”之一,在高等学校思想政治教育中的重要性日益提升。文章基于工作实践,溯源当代青年大学生常见的心理危机问题,探索家校协同视域下的心理育人路径。提出要建立家校协同机制,指导家长同步成长;设立校院两级心理互助站,健全预警和帮救机制;完善“一生一策一档”,针对性开展全程帮扶,纵深推进心理育人工作体系的建立。

摘要：具身智能强调大脑、身体及环境三者的相互作用,旨在基于机器与物理世界的交互,创建软硬件结合、可自主学习进化的智能体.当前,机器学习、机器人学、认知科学等多学科技术的快速发展极大地推动了具身智能的研究与应用.已有的具身智能文献更多从技术和方法分类的角度入手,本文以具身智能在研究和应用过程中面临的关键挑战为角度切入,分析具身智能研究的一般性框架,围绕具身感知与执行、具身学习与进化两个方面提出具体的研究思路,并针对其中涉及的关键问题详细梳理相关技术及研究进展.此外,以移动机器人、仿生机器人、平行机器人三方面应用为例,介绍具身智能在感知与理解、控制与决策、交互与学习等方面给实际机器人系统设计带来的启发.最后,对具身智能的发展前景进行展望,探索虚实融合数据智能、基础模型与基础智能、数字孪生与平行智能在其中的重要作用和应用潜力,希望为相关领域学者和从业人员提供新的启示和思路.论文相关项目详见https://***/BUCT-IUSRC/Survey__EmbodiedAI.

摘要：纯棉与丝光棉制品是日常生活中常用的两种纤维制品,但是由于二者在物理结构和化学结构上非常相似,以至于使用一些简单的方法难以准确识别一部分纯棉与丝光棉制品。提出一种使用水含量作为扰动的二维相关光谱结合机器学习方法来对二者进行鉴别的新方法。共使用从专业机构获得的200个标准样本来设计实验对新方法进行验证,其中包括100个纯棉样本与100个丝光棉样本。对每一个样本,使用水含量作为扰动,分4次改变样本水含量并采集该水含量下样本的一维光谱,其中4次的水含量分别为20.20%, 14.52%, 7.77%与0%。根据四条不同的一维构造每一个样本的动态光谱,再通过二维相关算法来计算其同步二维相关光谱,从该同步二维相关光谱中使用移动窗口技术提取三组不同的分类特征,每组特征分别对应一个设计好的支持向量机(SVM)分类器。之后本文提出一种基于信息熵的多分类器融合方法,根据权值不同,将三个分类器融合为一个具有更优效果的强分类器。为了验证方法的准确性与有效性,设计了严谨的实验对方法进行验证。实验首先按照传统的从一维光谱中提取特征的方法对纯棉与丝光棉样本进行鉴别,使用两种样本各50个来进行分类模型建立,剩余的进行模型验证,分类效果最高只有76%。但是基于从二维相关光谱中提取的三组特征设计的三个支持向量机(SVM)分类器的准确率分别可以达到88%, 90%, 88%,最后根据提出的基于信息熵的多分类器信息融合方法将三个分类器进行融合同一可以得到92%的分类准确率,比三个基础分类器准确率都有提升。与从一维光谱中提取特征并设计分类器进行分别鉴别相比,从二维相关光谱中提取特征设计多个分类器并使用基于信息熵的多分类器信息融合方法进行分类鉴别具有更高的分类准确率。二维相关光谱将光谱信息扩展到更高的维度,将一维光谱中隐藏的折叠峰进行展开,因此具有更高的分类准确率。提出的方法是一种快速准确鉴别纯棉与丝光棉制品的新方法。

摘要：针对一类包含模型不确定和外界干扰等非重复扰动的线性离散系统,本文通过将迭代学习控制与自抗扰技术相结合,提出一种新的基于扩张观测器的鲁棒迭代学习控制方法.本文以时间轴和迭代轴两个方向同时出发考虑系统的非重复扰动估计和稳定收敛问题.将与时间和迭代轴同时相关的模型不确定及外界干扰等因素归纳为系统总扰动,针对其非重复变化特性给出了扩张观测器的设计,保证在批次内快速、准确地估计系统总扰动;基于上述扰动估计,设计新型的迭代学习控制律,利用线性矩阵不等式方法证明了整个鲁棒迭代学习系统的稳定性和收敛性,并给出合理的控制器参数估计条件.此外,讨论了迭代学习控制中第一批次的控制律设计问题,给出合理的自抗扰控制器设计.最后通过仿真对比实验验证了本文方法的可行性和有效性.

摘要：多变量复杂控制系统不仅具有多耦合和多时滞性,还具有结构上的复杂性,即输入输出不等,传递函数为奇异矩阵。传统的多变量内模控制是基于对非奇异对象求逆来进行的,因此很难解决这类问题。针对该情况引入矩阵论中的广义逆概念,通过求对象的广义逆矩阵来设计解耦内模控制器,打破了内模控制只能对方系统进行控制的局限性,并利用泰勒近似很好地解决了多滞后的问题,最后通过设计特殊形式的滤波器,不仅能够消除由纯滞后近似引入的不稳定极点,保证系统的稳定性,且能够保证系统的正则性。仿真结果表明,该方法不仅跟踪迅速,且继承了内模控制的无余差和强鲁棒性,动态解耦效果良好,仅对时滞变化较为敏感。由于系统基于内模控制设计,故模型匹配度越高,系统响应越好。

摘要：隔离壁精馏塔(dividing-wall distillationcolumn,DWDC)是提高两个或者多个传统精馏塔热力学效率的有效手段。由于隔离壁精馏塔内部结构复杂、相互作用强,传统的序贯优化方法计算时间长,很难达到全局最优解。标准粒子群算法应用广泛、易于实现,但易于早熟、易于陷入局部极值点。因此,本工作采用改进的元胞粒子群算法对Kaibel隔离壁精馏塔进行综合与设计研究。元胞粒子群算法通过改进粒子的学习策略,采用元胞邻域的方法可有效地将粒子分散在多个子空间。对比标准粒子群优化和元胞粒子群优化两种方法的50次优化效果,结果表明,两种粒子群算法能够对内部结构复杂、相互作用强的四组分Kaibel隔离壁精馏塔这一复杂分离系统进行优化,优化效果显著。

摘要：针对一类非线性网络化控制系统,根据网络诱导时延两个主要部分即传感器到控制器时延及控制器到执行器时延的不同随机分布特性,利用Lyapunov-Krasovskii泛函方法得到了闭环系统的均方稳定性条件.在系统闭环方程中引入时滞的随机分布特性,获得一种新形式的Lyapunov-Krasovskii方程,降低了控制器设计方法的保守性.仿真结果表明了该方法的有效性.

摘要：根据复合控制的思想,将滑模控制中的滑模面和切换律引入自抗扰控制中,设计了一种自抗扰控制器,以用于处理不确定系统和大范围不确定性问题.采用切换律的概念,以获取自抗扰控制系统的主输出、增强系统抗干扰能力和提高系统稳定性.同时,通过仿真实例,介绍了自抗扰控制以及带滑模的自抗扰控制的设计和推导过程,并与传统的比例-积分-微分方法的控制效果进行比较.结果表明,引入切换律的自抗扰控制器能够对不确定系统进行较好地控制.

摘要：持续集成环境下的测试存在测试用例集变化大、测试时间有限和快速反馈等需求,传统的测试优化方法难以适用.强化学习是机器学习的一个重要分支,其本质是解决序贯决策问题,可以用于持续集成测试优化.但现有的基于强化学习的方法中,奖励函数计算只包括测试用例在当前集成周期的执行信息.从奖励函数设计和奖励策略两个方面开展研究.在奖励函数设计方面,采用测试用例的完整历史执行信息替代当前执行信息,综合考虑测试用例历史失效总次数和历史失效分布信息,提出了两种奖励函数.在奖励策略方面,提出对当前执行序列的测试用例整体奖励和仅对失效测试用例的部分奖励两种策略.在3个工业级被测程序进行实验研究,结果表明:(1)与现有方法相比,所提出的基于完整历史执行信息奖励函数的强化学习方法可以大幅度提高持续集成测试序列的检错能力;(2)测试用例历史失效分布有助于发现潜在失效的测试用例,对强化学习奖励函数的设计更加重要;(3)整体奖励与部分奖励两种奖励策略受到被测程序的多种因素影响,需要根据实际情况具体选择;(4)包含历史信息的奖励函数会增加时间消耗,但并不影响测试效率.