论文学翻译的历史发生和文学翻译场的形成

通过对文学和文学翻译的定义以及文学翻译在晚清时期兴起情况的考察,并借用布迪厄的场域概念,论证文学翻译场在晚清已形成较为自治的场域.同时,也对文学翻译场的等级结构进行了简要描述和分析.     

仿人机器人站立到爬梯子转换动作的研究与实现

研究了由平地到竖直梯子变环境边界条件下，仿人机器人由站立到爬梯子的动作转换.为提高机器人上梯子过程的稳定性，机器人首先双手抓握住梯子横档作为辅助支撑，在机器人向梯子行走过程中，通过检测双手与梯子横档的接触力大小来调整仿人机器人身体重心相对于支撑脚的位置，从而保持身体的平衡.实验结果证明:该控制策略可有效避免因环境参数误差，外力干扰，以及机器人关节初始角度误差等引起的机器人跌倒问题，从而保证机器人由站立到爬梯子转换动作的顺利进行.     

RBF网络干扰补偿的跷跷板系统解耦滑模控制研究

针对典型的不稳定、高阶次、多变量、强耦合、非线性的跷跷板系统，考虑环境对跷跷板的作用，提出了一种RBF网络干扰补偿解耦滑模控制(RBF-SMC)算法.通过解耦算法对模型进行解耦，并使用RBF神经网络对模型受到的干扰和不确定项自适应逼近补偿，使系统在较小的切换增益下实现较大干扰下的跷跷板平衡控制.在Matlab和Matlab/Adams联合仿真的环境下，对该算法进行了仿真.仿真结果表明，对比传统的SMC算法，在不确定环境下，通过RBF网络对外加干扰、建模误差、模型简化、外部激励、摩擦阻尼等建模不确定性因素进行学习评估，有效地提升了系统抗干扰能力，同时降低了系统的切换增益，并在有限时间内实现了跷跷板的平衡控制.通过仿真实验结果的比较，证明了本文提出算法的有效性与可行性.     

基于T-S模糊补偿的六轴机械臂的滑模鲁棒控制

通过一种简单的模糊滑模控制以达到机械臂跟踪的最佳运动轨迹.所提方法的核心是通过线性化反馈方法，将机械臂动力学的已知部分去除，然后用经典的滑模控制克服系统的不确定性，之后应用T-S模糊模型，将经典的滑模控制器转化为规则十分简单的模糊滑模控制器.仿真分析表明，在不确定性存在的情况下，所提出的控制律全局渐近稳定.最后，通过六轴机械臂的Matlab/Adams联合仿真，验证了模型的准确性，并且通过与经典滑模控制比较得出了在结构化和非结构化的不确定性存在条件下该控制方案的优越性.     

基于最小二乘支持向量机的脑电信号分类

研究了基于运动想象脑电信号对大脑的想象运动状态进行分类识别的问题.根据事件相关同步和事件相关去同步现象识别出被试的想象运动状态,通过频带能量特征提取方法获得了想象左右手运动时的脑电信号特征,使用最小二乘支持向量机对提取到的频带能量特征进行分类.结果表明,使用最小二乘支持向量机可以对运动想象脑电信号的频带能量特征进行有效分类,分类正确率达到92%,其分类效果与使用标准支持向量机相当,但在计算速度上更有优势.     

数据区间优化对SSVEP算法性能的影响

稳态视觉诱发电位(steady-state visual evoked potential, SSVEP)响应的个体差异性较大,不同环境下各被试者脑电信号的质量有差别.针对这个问题,研究了SSVEP中数据区间的优化对CCA(典型相关分析)和ECCA(扩展典型相关分析)方法分类结果的影响.首先通过网格搜索方法找到脑电信号的最优数据区间,然后使用CCA和ECCA方法对该区间数据进行特征识别,使得识别效果得到提升.实验结果表明,同时对数据区间起始点和终点进行优化能够有效提升信息传输率(ITR),数据区间优化后的CCA和ECCA分类平均ITRs为(61.18±27.20)bit/min和(71.37±32.24)bit/min,比使用传统的仅优化数据区间终点的方法提高了29.89%和8.3%,证明了通过数据区间优化能够提升SSVEP算法的性能.