6-DOF并联机器人分散变结构控制研究

针对6-DOF并联机器人的非线性和强耦合特性，首先将机器人模型化为正则型，然后对每个子系统设计了变结构控制器，即构成分散变结构控制系统。该控制器实现了对系统的镇定和解耦。仿真结果证明了控制器的有效性。     

氨基磺酸系高效减水剂合成及性能研究

为获得对水泥具有高分散及分散稳定性的氨基磺酸系高性能减水剂，研究了合成反应中反应物比例、反应体系pH、缩合时间等条件变化对产物分散及分散稳定性的影响，并对结果进行了分析。结果表明：适宜的反应物比例是获得良好性能的重要因素，对氨基苯磺酸n：苯酚，2为1：2且(n酸 n酚)：n甲醛为1：1．25时所得产物性能好；反应在碱性条件下性能佳；缩合时间以4h为宜。此外，还研究了产物的相对分子量、起泡高度与分散性及分散稳定性的关系，结果显示，产物为非引气型高性能减水剂；相对分子量过低或过高，产物的分散和分散稳定性均不佳。用红外光谱对产物结构进行表征。     

超声波在Ni-Si3N4纳米复合电镀中的作用

采用超声波分散技术在纯铜板上制备了含有纳米Si3N4镍基复合镀层,研究了超声波对纳米颗粒含量、复合镀层显微硬度及组织结构的影响.用扫描电镜观察镀层表面显微组织,利用MM-200磨损实验机检测所得复合镀层的耐磨性能,结果表明,采用超声波分散技术可获得性能优良的复合镀层.     

高强水下不分散混凝土

水下不分散混凝土是八十年代国际高新技术，其特点为混凝土入水不分散、自流平、自密实、无需振捣，对施工水域无环境污染，硬化混凝土质量均匀、可靠等。该项技术可应用于桥梁、港口、码头、海堤、核电站基础、钻井平台等多种水下工程，施工水深达215米(德国北海油田海底管线试验工程)。     

激趣培能增效提质

目前，在一些地区、学校学生厌学情况严重，学生学习兴趣不浓，学习动力不足，学习态度松懈，学习成绩太差。上课时注意力不集中，喜欢做小动作，不愿意回答问题，抄袭他人作业，从而表现出不同程度的的厌学情绪。造成这种现象的因素很多，从心理因素上看，有智力因素和非智力因素。智力因素是学生赖以获得知识的直接因素，是学生学习活动的基础；动机、兴趣、情感、意志、性格等非智力因素对学习活动起强化和推动作用，对学习的效果也具有增强作用。如果一个学生没有学习动机和兴趣等因素的驱动和调节，那么即使智力水平再高，也难以搞好学习。     

基于中央凹图像显著性和扫视倾向的注视点转移预测模型

注视点转移预测是图像显著性建模中的一个重要研究领域.现有算法大多过于繁琐,并且局限于利用单张静态显著图来预测,很少能考虑到注视点转移是一个动态的过程.针对以上问题,我们提出一种具有生物依据的注视点转移的预测方法,利用了3大因素:视网膜中央凹在显著目标选取中的动态预测作用、注视点移动在距离和方向上的倾向以及短期记忆对注视点返回的抑制机制.通过三者得到的联合转移概率随机产生候选点,从而逐点生成扫视轨迹.相比于其他模型,所提议方法在客观的衡量标准下,在多个数据库中能更准确、更高效地预测扫视路径.     

基于卷积图神经网络的多粒度表示学习框架

卷积图神经网络（Convolutional Graph Neural Network,ConvGNN）以其强大的表达能力被广泛应用于社交网络、生物网络等领域的网络表示学习中，多粒度网络表示学习已被证明能够改善已有网络嵌入方法的性能，但目前尚缺乏以改善ConvGNN性能为目标的框架.针对此问题，提出一种基于ConvGNN的多粒度网络表示学习框架M-NRL，分为四个模块：粒化模块、训练模块、推理模块和融合模块.粒化模块构造从细到粗的多粒度网络并保留不同粒度节点的属性和标签信息，训练模块在最粗粒度的网络上以端到端的方法训练任意一种ConvGNN并优化其模型参数，推理模块使用优化后的ConvGNN推理出不同粒度网络的节点表示，融合模块采用注意力权重聚合不同粒度的节点表示以产生最终的节点表示.在四个公开引文网络数据集上进行的半监督节点分类任务验证了M-NRL的有效性，实验结果表明，MNRL不仅能加速现有ConvGNN的训练，还可以增强其最终的表示质量.     

一种基于孪生网络的图片匹配算法

随着卷积神经网络（Convolutional Neural Networks,CNN）的不断改进，基于CNN的图片匹配成为图像处理的关键，然而，许多基于CNN的图像相似度检测算法对图像特征的表达能力较差，且曼哈顿距离或欧式距离的计算方式导致在计算损失函数时模型不一定能很好地收敛.针对此问题，提出一种基于孪生网络和注意力机制的方法（CSNET）来提升图像匹配的性能，主要步骤如下：使用将激活函数改进为Mish函数的VGG16网络作为主干网络提取图像的特征，在模型的卷积层加入注意力机制模块（Convolutional Block Attention Module,CBAM），这提高了模型的特征提取能力和鲁棒性，保证训练可以收敛.对模型输入图片对的特征向量的欧氏距离，再利用网络全连接层输出的相似度分数来度量被检图片是否相似.将提出的CSNET与其他图片匹配方法在Omniglot和SigComp2011等数据集上进行比较，实验结果表明，CSNET能有效提高图像相似度匹配的准确性.     

消弧线圈分散补偿研究

分散补偿消弧线圈控制系统由主站消弧线圈控制器和多个开闭所消弧线圈控制器等共同组成。主站消弧线圈控制器与多个开闭所消弧线圈控制器通过通讯模块实现一对多的数据通讯。主站消弧线圈控制器通过智能软件,统一控制主站消弧线圈和多个开闭所消弧线圈的档位调节、电流补偿程度。     

基于TCN-BiLSTM的网络安全态势预测

针对现有网络安全态势预测模型预测精确度低和收敛速度慢的问题，提出一种基于时域卷积网络(temporal convolution network, TCN)和双向长短期记忆(bi-directional long short-term memory, BiLSTM)网络的预测方法。首先，将TCN处理时间序列问题的优势应用到态势预测上学习态势值的序列特征；随后，引入注意力机制动态调整属性的权值；然后，利用BiLSTM模型学习态势值的前后状况，以提取序列中更多的信息进行预测；利用粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优，提升预测能力。实验结果表明，所提预测方法的拟合度可达0.999 5,其拟合效果和收敛速度均优于其他模型。