基于残差卷积自注意力神经网络的铝电解过热度识别方法

过热度是反映铝电解槽当前生产效率的重要指标,由于过热度难以在线实时测量,本文提出一种基于残差卷积自注意力神经网络的过热度识别方法.针对铝电解生产过程数据为时间序列数据且具有多源异构特性,设计异构数据的同构表示方法.在此基础上建立残差卷积自注意力神经网络模型以提取同构时间序列数据的全局与局部特征.针对过热度数据标签少且类别分布不均匀问题,采用基于自动编码器的无监督预训练方法与加权交叉熵损失函数以提高过热度识别任务的性能.在基准数据集上进行仿真对比实验以验证本文所提方法的有效性,然后在只包含少量不平衡标签的铝电解过热度数据集上进行实验验证,结果表明本文构建的过热度识别模型相较与其他现有模型不仅提高了过热度识别准确率,而且在训练样本较少时保证了模型的泛化能力.     

自催化反应模型的行波解

运用常微定性理论的相平面分析方法讨论了自催化反应中的Ｋａａｓ－Ｐｅｔｅｒｓｅｎ模型,得到了行波存在的各种可能结果。     

体上矩阵方程AXB=C的（反）次自共轭解

设Ｆ是一个具有对合反自同构的体,定义了Ｆ上的（反）次自共轭矩阵,给出了Ｆ上的矩阵方程ＡＸＢ＝Ｃ有（反）次自共轭解的充要条件及其解的表达式。     

分层调整因子的模糊控制器

分析量化及比例因子对模糊控制性能的影响,设计一类分层调整量化及比例因子的模糊控制器．仿真结果表明,其控制效果优于常规模糊控制器．     

基于神经网络的无监督自学习控制系统

所论系统的控制由两个神经网络完成,即对象放识器和系统控制器。并且提出了一种 新的学习算法,它能利用存贮于辨识网络的信息改进控制策略。该控制系统可以对非线性系统,不确定系统等进行无监督的学习控制。     

一类Sierpinski海绵的Hausdorff测度

对每一个ｍ≥１,定义一个Ｓｉｅｒｐｉｎｓｋｉ海绵,它们的Ｈａｕｓｄｏｒｆ维数为１,它们的１－维Ｈａｕｓｄｏｒｆ测度被完全确定．     

基于阻尼最小二乘法的鲁棒自校正预测控制器

本文将广义预测控制器（GPC）与阻尼最小二乘法（DLS）相结合,构成一种鲁棒自校正预测控制器．仿真结果表明,这种算法比基于通常的递推最小二乘法（RLS）的自校正预测算法有更强的鲁棒性．     

The Potential-dependent Stability of Self-assembled Monolayers on Gold Electrodes Investigated by Electrochemical Method

用电化学方法研究了在金电极上十二烷基硫醇自组装单分子膜（ＳＡＭ）在乙腈、乙醇及丙酮中的电位稳定性．在０．０Ｖｖｓ．Ａｇ／ＡｇＣｌ（饱和ＫＣｌ）,十二烷基硫醇自组装单分子膜有最大的稳定性,在较负电位（如－２．０Ｖ）和较正电位（如＋０．６Ｖ）电解时,在不同溶剂中的ＳＡＭｓ的表面覆盖率则表现出不同程度的损失,但在三种溶剂中,最大稳定性的电位窗口是相似的     

从另一个角度看AICC准则

基于另一种观点,本文对线性回归模型和自回归时间序列模型分别推导出ＡＩＣＣ和ＡＩＣＣ＾＊选阶准则,同时对ＡＩＣＣ准则在大样本情况选阶缺乏准确率的原因给予理论解释。统计模拟结果进一步证实了本文的论点。     

金电极的逐层自组装修饰

本文运用自组装技术用ω-巯基己酸化学修饰金电极形成第一层修饰层,ω-巯基己酸暴露在外表面的羧基活性基团还可在气相条件下进行酰胺化反应键接上乙二胺,从而实现逐层自组装修饰金电极.同时对此修饰电极也进行了电化学表征.