一种带有实时视觉特征学习的自主发育机器人探索

能根据实时的环境如人一样进行自主发育学习是近年刚刚提出的、根据生物和认知的原理的一个新思想,因提出的方法复杂度高,所需的机器人平台的要求也比较高,在研究了增量获取特征和自主发育算法的基础上,把视觉特征抽取和自主发育结合在一起,通过一定的简化,形成能在简单的平台上实现的简化系统．经实验模拟证实该系统能够实时抽取视频图像的特征并实现移动机器人对环境的主动辨别和认知．     

采用迭代投影方法的测量矩阵训练算法

针对稀疏重建过程中感知矩阵的约束等距性质或累积增量难以满足约束条件,即具有较小的RIP常数或者累积增量这一问题,文中在给定变换矩阵条件下,提出了一种基于迭代投影方法训练测量矩阵的算法,从而使得感知矩阵的累积增量逼近了1/2这一约束界.实验表明,该算法训练出的测量矩阵与训练前相比,其感知矩阵累积增量大大降低,且明显提高了正交匹配追踪算法重建稀疏信号的成功率.     

基于增量迭代法的深基坑桩锚支护结构位移计算简化方法

针对深基坑桩锚支护结构工程的施工特点,提出采用增量法对深基坑桩锚支护结构进行设计研究,把深基坑因开挖引起的桩体位移这一非线性问题用近似的线性方法解决,用一系列线性的分段折线去代替非线性曲线.考虑到基坑开挖过程中桩锚支护结构位移的影响,推导出基于桩体位移的土压力模型的位移计算公式,再运用迭代法对每步求出的桩体位移量进行修正,避免增量法计算产生的误差累计叠加.结合工程实例,把上述方法用Matlab编制成计算程序,将计算结果与有限元模拟软件Plaxis的模拟结果以及常规增量法对比分析,结果表明,用提出的简化方法计算桩体位移更加接近工程实际,较常规增量法更为准确.     

运输机刮板锻模的计算机辅助设计

本文针对运输机刮板锻造模具设计问题.研究和开发了计算机辅助设计程序,建立了适用于CAD的计算模型,探讨了刮板锻模图形设计方法,分析和计算了有关刮板计算毛坯的主要参数。     

基于遗传算法的多变量增量型广义预测控制

针对多变量增量型广义预测控制算法增量系数难于根据系统特性选择的问题,提出基于遗传算法的多变量增量型广义预测控制算法.多变量增量型广义预测控制算法通过将求解出来的控制增量分别乘以相应的增量系数,来提高系统的鲁棒性和稳定性,同时采用阶梯式的控制策略降低多变量广义预测控制算法的计算量,运用改进的遗传算法优化整定多变量增量型广义预测控制的增量系数增强系统的跟踪特性.通过原油常压塔的侧线产品质量控制的仿真,验证了该方法有较好的鲁棒牲和抗干扰性.     

加工机温度控制系统设计

介绍了基于89C52单片机的加工机温度控制系统。由于控制系统的关键与难点在于温度控制的精度和速度,它直接反映了控制系统的性能。本文研究了加工机的温度特性,在分析了Bang—Bang控制与PID控制特点的基础上,提出增量型PID控制与Bang—Bang控制相结合的方法．以时间最优控制策略对加工机加热筒的温度进行控制。根据此控制策略设计的温度控制系统经验证,控制精度高、成本低、抗干扰性强。     

改进的离散增量算法预测27类折叠子的结构类型

蛋白质二级结构预测是三级结构预测的一个非常重要的中间步骤,而折叠子识别和结构类型的准确预测则可以提高二级结构和三级结构预测的准确度.本文从蛋白质的一级序列出发,提出了一种改进的预测算法:以二肽组分、预测的二级结构信息、伪氨基酸组分和位置权重矩阵打分值等特征分别作为参数,输入离散增量算法的单分类器中,通过加权融合单分类器的计算结果,对27类折叠子的结构类型进行了预测,取得了较好的预测结果.     

混凝土桥梁构件服役期的抗力概率模型

构件的抗力概率模型是进行混凝土桥梁服役期的动态可靠性研究的基础之一．结构的抗力随时间的变化是一个随机过程问题．结合实桥数据建立了桥梁构件中混凝土强度的历时变化模型,讨论了因锈蚀导致的钢筋强度和钢筋截面积的退化．在此基础上,研究了在不修复情况下桥梁构件抗力的概率模型应满足的基本条件,采用独立增量过程作为抗力的概率模型及采用回归拟合方法确定了混凝土桥梁构件服役期抗力的均值函数、方差函数和自相关系数,并进行了参数敏感性分析．     

预测线虫和酵母基因组中内含子、外显子及基因间序列的离散增量方法

把基因组中的内含子、外显子和基因间序列分为三类序列，从这些序列中取64种三核苷的重复出现次数作为离散源的状态参数，计算三类序列的标准离散量，比较待测序列的离散量与三个标准离散量之间的离散增量值，由离散增量的最小值决定待测序列属于哪一类．本文用离散增量方法对线虫和酵母序列进行预测，结果表明，对酵母内含子预测的敏感性为81．5％，对外显子预测的敏感性为88．5％、特异性为99．6％，对基因间序列预测的敏感性为65．4％、特异性为87．5％；若以在相同长度区间的序列为标准离散源，预测相应长度区间的序列，对线虫内含子的预测的敏感性为82．2％、特异性为94．2％，对外显子预测的敏感性为91．1％、特异性为97．5％，对基因间序列预测的敏感性为78．8％。     

有限区间[α，b]上混合泊松过程的统计推断问题

定义出一类新的计数模型——有限时间区间[α，b]上的混合泊松过程N（t）并给出其增量的性质，然后在一定的前提条件下给出了其强度∧的Baye检验，最后在前面检验的基础上给出了∧的Byes估计。