复杂系统控制中的相关技术讨论

针对复杂系统控制实现中存在的问题,在研究对象特性基础上,对控制策略作了分析对比,并指出仿人智 能控制策略是明智的选择.重点讨论了控制操作平台的选取问题.工程实践说明,控制策略和监控信息平台的选 取是复杂系统控制实现的关键所在.     

仿人思维控制论

仿人思维控制是从人的控制认知与控制思维出发,揭示人对复杂系统进行控制的思维密码,研究设计与人的控制思维一致的仿人思维控制器,并用计算机技术加以模拟和实现.文中介绍了仿人思维控制研究的背景、研究内容及其仿人思维控制器的结构与实现原理,定义了仿人思维控制概念空间,为仿人思维控制的进一步研究提供了重要的基础理论知识.     

基于深度学习的网络入侵检测研究综述

互联网的不断发展与广泛使用给网络用户带来了极大的方便,但同时也使得网络安全形势变得越来越严峻.传统的基于签名的入侵检测方法难以应对日益增多的加密攻击检测和零日攻击检测问题.在过去的几年里,人们对基于深度学习的入侵检测技术给予了极大的关注.文章通过广泛的文献调查,介绍了利用深度学习技术进行网络异常检测的最新工作:①总结了网络入侵检测常用的输入特征和相关预处理操作;②概括了几种常见的深度学习模型及其特点,并结合输入特征讨论了各个模型的选择方法;③总结了深度学习方法能够解决的几种常见的入侵检测问题;④讨论了利用深度学习进行入侵检测时仍然存在的若干挑战与问题.     

复杂动态网络同步控制及其在信息物理系统中的应用

信息物理系统是一个高度复杂的物理系统,物联网被认为是信息物理系统的一种简约应用.基于复杂动态网络及其同步控制思想,研究信息物理系统中的控制问题.首先,阐述复杂动态网络模型、复杂动态网络同步控制、网络故障诊断;其次,提出信息物理系统中的控制问题,分析复杂动态网络同步控制技术在信息物理系统控制中的应用;最后,对信息物理系统中控制问题的研究提出建议.     

基于最优换挡控制目标的仿人智能模糊控制策略

针对装载机控制系统的多输入、多输出、不确定性等复杂非线性特性,本文提出基于仿人智能模糊控制的自动换挡策略,将仿人智能控制与模糊控制相结合,以获取更好的自动换挡控制效果.首先提出最优换挡控制目标,以最佳动力换挡曲线设计规则库,通过模糊控制方法,实现最佳动力换挡的信息量输出;然后引入仿人智能控制,实现多态的仿人控制,最终达到最优换挡控制目标;最后以某企业典型的轮式装载机为目标样机,构建仿真模型并进行仿真分析,还在整机上进行性能验证,仿真结果与整机验证结果一致.实验表明仿人智能模糊控制具有比较好的控制效果,能够保证装载机工作过程的动力性,同时提高整机的作业效率.     

基于加权边相似度的重叠社区发现算法

社区发现是复杂网络研究的基础,其目的是发现网络的真实结构,对于分析复杂网络的拓扑结构、理解其功能和寻找其潜在的性质具有重要的意义.Palla,Yong和James等人分别提出了CPM、LINK算法,此类算法基于网络拓扑结构或边密度发现复杂网络中的社区,性能较好,但不足是计算出的社区存在过度重叠问题.如何设计新算法,避免社区发现的过度重叠问题,是一个亟待解决的重要问题.本文基于加权边相似度,提出了一种社区发现算法LINKw,可以高效发现社区结构,与其他算法相比,本算法能更好地解决社区过度重叠问题.     

仿人机器人实时步态控制系统设计

采用智能优化方法进行仿人机器人实时步态控制系统设计,把仿人机器人的上楼梯过程近似为7连杆模型,并推导出1个周期内的运动学方程;使用2个模糊控制器分别对上楼梯过程中单双腿支撑周期内的关节轨迹输出进行离线学习训练,通过嵌入式视觉系统采集环境信息作为控制器的输入信息,并进行实时控制;同时为了解决模糊控制器离线训练过程耗时长、...     

不确定性复杂硫化过程智能融合控制

针对硫化过程中因模糊性与不确定性导致的塑胶产品成形过程难以控制、产品质量稳定性差的问题.提出一种智能融合控制策略.总结了复杂硫化过程中的控制难点,探讨了硫化过程的控制论特性,研究对不确定性复杂过程的控制策略,提出智能融合控制策略,基于仿人智能构造了控制算法.工程实现效果显示该策略的鲁棒性强、控制精度高.研究结果表明:智能融合控制策略对不确定性复杂硫化过程实施控制是可行与有效的.     

问题学习法和讨论法结合的教学实践

问题学习法是由教师设计问题学习单元,要求学生充当复杂问题的解决者,学生通过解决问题的过程,提高对某些主题、概念和知识的理解.养成理解问题、分析问题和解决问题的能力和技能,从而获得解决现实问题的经验.讨论法可以调动学生共同参与到问题当中去,使学生们互相启发、带动,最大限度地活跃思维.     

基于深度强化学习的水下机器人最优轨迹控制

为了实现水下机器人在跟踪复杂轨迹时具有出较高的精度和稳定性,提出了利用深度强化学习实现水下机器人最优轨迹控制的方法:首先,建立基于2个深度神经网络（Actor网络和Critic网络）的水下机器人控制模型,其中Actor网络用来选择动作,Critic网络用来评估Actor网络的训练结果;其次,构造合适的奖励信号使得深度强化学习算法适用于水下机器人的动力学模型;最后,提出了基于奖励信号标准差的网络训练成功评判条件,使得水下机器人在确保精度的同时保证稳定性. 仿真实验结果表明:在解决一定精度内的水下机器人复杂轨迹跟踪问题时,该算法与传统PID控制算法相比具有更优的性能.     

污水处理中基于仿人智能的DO参数控制策略

污水处理是一个复杂的生化反应过程，难以数学建模．针对其曝气控制过程中参数的不确定性，采用传统PID控制策略难以实现优化控制的问题，文章以DO参数控制为例，提出了基于仿人智能的控制策略对其实施控制．仿人智能控制策略很好地解决了DO参数值波动的控制问题，有效地保证了出水水质和曝气风量的合理控制．文中给出了控制策略、系统结构和控制规则．仿真结果表明了该控制策略的可行性和有效性，系统动、静态品质好．     

基于仿人智能的塑胶压模工件成型过程控制

塑胶属高分子材料,化学成分复杂,其工件制造多采用压模成型.针对成型过程参数难于控制问题,探讨了基于仿人智能的控制策略.剖析了塑胶化学组分等不确定性导致的控制难题,归纳总结了成型过程的控制论特性,研究了基于仿人智能的控制策略,构造了塑胶工件成形过程的控制算法.以过程温度压力控制实验为例,验证了文中构造控制算法的良好动静态控制品质.     

基于仿人智能的塑胶压模工件成型过程控制简

塑胶属高分子材料,化学成分复杂,其工件制造多采用压模成型.针对成型过程参数难于控制问题,探讨了基于仿人智能的控制策略.剖析了塑胶化学组分等不确定性导致的控制难题,归纳总结了成型过程的控制论特性,研究了基于仿人智能的控制策略,构造了塑胶工件成形过程的控制算法.以过程温度压力控制实验为例,验证了文中构造控制算法的良好动静态控制品质.     

促进深度学习的虚拟实验教学改革

虚拟实验的深度学习是指在虚拟实验中，教师引导学生组建学习共同体来解决复杂问题，从而培养学生高阶能力的有意义的学习过程.针对目前虚拟实验教学实践中深度学习存在的问题，通过分析和解读深度学习的发生机制，构建了以问题为核心的学习内容，并注重学习的自主性和交互性，创建了具有真实性的疑难情境和具有多样性的评价体系，以充分发挥虚拟实验促进深度学习的本质属性.     

SBR工艺中污染物降解曝气过程的建模与控制

针对曝气降解过程精确控制时难于数学建模的问题,探讨了污水处理中污染物降解存在的技术难点,基于生物化学反应机理,建立了污水处理过程的DO参数控制的数学模型,对污染物降解过程的特性进行分析,采用仿人智能控制算法对降解过程特性进行模型匹配控制.仿真实验验证了所提出的数学模型与控制算法的稳定性、快速性与精确性.研究结果表明,所建立的DO参数控制数学模型与仿人智能控制算法的应用合理可行.     

基于演化学习超网络的微阵列数据分类

为解决传统模式识别方法学习结果过于复杂且难以解读的问题,提出了一种基于遗传算法的演化学习超网络模型.与传统的基于梯度下降和超边替代的超网络学习算法不同,演化学习超网络模型在其学习过程中引入了遗传算法.将超网络的超边集合划分成多个子种群;对子种群中的个体进行选择、交叉和变异等遗传操作,并对每一代种群进行子种群间优秀个体的迁移.每个子种群并行执行演化操作,完成演化后得到一个具有决策能力的超网络分类器.利用演化超网络对急性白血病、肺癌和前列腺数据集进行分类试验.结果表明,演化学习超网络对3个数据集的分类准确率分别为96.21%,99.26%,96.09%.所提出的方法与其他传统的模式识别方法相比,具有更高的分类准确率,而且其学习结果具有很好的可读性,有利于挖掘与癌症诊断密切相关的基因对高阶关联关系.     

基于单神经元PID控制器的闭环控制系统

目的 解决传统PID控制器对时变系统控制能力不强的弊病。方法 利用神经网络理论与传统PID控制理论相结合。结果 设计了一种单神经元PID控制器，将其应用于被控制对象是快时变和慢时变的两类闭环控制系统。结论 实验证明这种单神经元PID控制器通过在线边学习边控制的方式，实现了实时控制。     

基于LSTM的航空发动机整机支承刚度识别方法

针对旋转状态下航空发动机整机的支承刚度识别问题,提出了一种基于长短期记忆(long short-term memory,LSTM)神经网络的航空发动机整机支承刚度识别方法.首先,建立航空发动机整机模型,基于该模型获得目标转速下不同支承刚度对应的位移响应;然后,建立以LSTM为核心层的深度学习网络,以位移响应为输入、支承刚度为输出训练该网络,构建位移响应与支承刚度之间的非线性关系;最后,利用深度学习网络的泛化特性对多个支承刚度进行直接识别.使用该方法对一航空发动机整机进行支承刚度识别,结果表明,支承刚度的识别误差小于2％,LSTM的识别精度高于径向基神经网络与支持向量机.该方法避免了动力学反问题中复杂的寻优过程,实现了复杂非线性结构的动态参数识别.     

一类不确定性复杂系统的控制策略分析

在实际工业现场，被控对象动力学特性内部的不确定性和外部环境扰动的不确定性表现形式是多种多样的，其复杂性不仅表现在结构上，更多的是表现在信息关系的复杂程度上，对这类被控对象如何进行有效的控制，在技术实现上是有较大难度的。作者针对不确定性复杂系统控制中存在的控制策略选取问题，在对各种控制策略作分析及对比研究的基础上描述了不确定性复杂系统的控制论模型，并以成功的实际工程应用实例说明，智能控制策略最适合于实现对不确定性复杂系统的有效控制，其中仿人智能控制策略是明智的选择。     

大规模MIMO组网场景中的网络时延预测

针对5G网络规划与优化存在的问题,提出一种融合系统仿真和深度神经网络模型的网络时延预测方法.基于射线追踪模型、高清地图、工程参数等构建时延仿真模型,利用时延仿真模型获取大量时延数据.基于无线通信理论提出三视图特征模型,此模型用于输入特征提取.通过深度神经网络学习时延数据特征,训练神经网络模型,利用神经网络模型预测网络时延.实验结果表明该方法具有可行性和有效性.