针对未知确定性被控对象和未知非线性时变对象,通过构造虚拟等价系统的方法研究T-S模糊控制系统的稳定性.采用虚拟等价系统的目的在于降低原问题的难度,改进现有稳定性判据的保守性.分析结果表明,T-S模糊控制系统的稳定性主要取决于局部模型的精度、模糊规则的正确性以及局部控制器的镇定性

为解决局部最优问题,将遗忘机制引入传统遗传算法中,提出了一种改进的遗忘遗传算法,给出了一种遗忘算子及其遗忘概率,通过在遗传过程中遗忘某些基因,增加了算法的搜索空间,使算法跳出局部最优,从而最大限度地避免早熟收敛.将该算法用于不同欠费率下的电信客户初始信用评分,找到信用权重的优化解,较好地解决了对高欠费率群体进行信用评分时,信用权重的适应值偏低的问题.实验结果表明所提算法有效可行.与标准遗传算法相比,本文所提算法可以获得更高质量的解

采用交流阻抗谱研究了无电镀镍浸金处理电路板在模拟电解质溶液(0.1mol·L-1 NaHSO3)中的电化学腐蚀行为,并结合体视学显微镜、扫描电镜、X射线能谱分析等手段分析了试样表面腐蚀产物形貌、组成和镀层失效机制.无电镀镍浸金处理电路板在NaHSO3溶液中的耐蚀性较差,浸泡12h试样表面局部即发生变色,伴随有微裂纹的产生.电解液能够通过裂纹直接侵蚀Cu基底,并在微裂纹周围生成较多的枝晶状结晶产物,其主要组分为Cu2S.该结晶腐蚀产物的不断生成使局部区域中间Ni过渡层与Cu基底结合部位存在较大的横向剪切应力,最终造成Ni镀层的脱离与鼓泡现象

针对非结构环境下高速公路绿篱修剪机器人手臂实时准确避障问题, 提出一种基于扰动人工势场法的避障路径规划解决方法.根据绿篱隔离带与障碍物分布情况, 设计智能修剪机器人执行机构, 构建包络障碍物简化模型, 分析机械臂与障碍物的碰撞条件, 求解机械臂在修剪过程中的避碰空间.引入斥力场调节策略来优化势场模型, 建立斥力场扰动机制调整斥力影响方式, 消除传统算法中的局部极小点、目标不可达等现象.在避碰空间内, 应用扰动人工势场法对机械臂进行路径规划仿真, 仿真结果表明, 机械臂跳出局部极小点, 灵活顺利避障, 成功抵达目标点, 验证了该方法的有效性和可行性

本文通过对高强钢方管角部进行局部感应加热,提高其弯角区域的成形性能,降低其变形抗力,由此在不影响非变形区域组织性能的前提下,获得所需方管的截面尺寸和组织性能.在热辊压过程中,坯料在没有模具限制的方管角部外侧邻近区域发生堆积,且随着加热温度上升,角部外侧金属堆积更明显.同时,在方管内角表层出现显微裂纹恶化,裂纹以树枝状生长.热辊压成形后的残余温度会产生一个自回火过程,能够明显降低残余应力,且随着温度的升高,残余应力降低的幅度变大.当加热温度在650℃以上时,自回火对残余应力的影响大于宏观裂纹的扩展能力,起主导作用,且压扁过程中压下量超过方管对角线长度2/3时也不会产生裂纹

针对人工鱼群算法(AFSA)存在收敛速度慢和寻优精度低等问题,本文提出了一种改进人工鱼群算法(IAFSA).该算法中的人工鱼能够根据鱼群当前状态调整自身的视野和步长来平衡局部搜索和全局搜索.此外,算法中还加入了引导行为,即人工鱼在觅食行为未发现更优的位置时,当前人工鱼向最优人工鱼移动一步.仿真结果表明,改进人工鱼群算法在收敛速度、寻优精度和克服局部极值等方面有很大优势.本文将改进鱼群算法应用时滞系统的辨识中,辨识结果表明改进算法能获取被控对象的精准数学模型,并具有较强的抗干扰能力

通过单矿物浮选试验揭示了有机抑制剂SDD对铜活化闪锌矿的抑制情况. 在此基础上,采用Zeta电位测试、Versa STAT电化学工作站的局部交流阻抗(LEIS)测试、前线轨道理论计算对SDD和BX(丁基黄药)在铜活化闪锌矿表面的竞争吸附机理进行了研究. 浮选试验结果表明:SDD是一种铜锌分离的高效抑制剂,能够有效的抑制闪锌矿,而黄铜矿几乎不受影响;此外,还发现SDD具有用量少且十分敏感的特性,在pH为10,SDD为4.0×10-5 mol·L-1的最佳条件下,能够将铜活化闪锌矿的回收率降低至16.59%,而黄铜矿的回收率为81.64%. Zeta电位和局部交流阻抗(LEIS)分析表明:SDD不但能够占据铜活化闪锌矿表面的活化位点,而且其吸附能力强于BX,这极大的降低了BX在铜活化闪锌矿表面的吸附量,从而对铜活化闪锌矿表现出良好的抑制作用. 前线轨道理论计算进一步证实SDD与铜活化闪锌矿作用能力强于BX

轧件发生局部变形是楔横轧的主要工艺特征，尤其小断面收缩率轧件轴向流动能力弱，内外变形差异显著导致楔横轧成形困难.除了容易产生心部破坏缺陷，在轧件表层一定范围内出现的螺旋组织缺陷，也会降低产品的机械性能.本文通过轧制实验，展示出轧件螺旋组织缺陷宏观上呈现为车削后在表层一定深度范围内沿展宽螺旋线分布的亮带，微观上由轧件表面折叠向内部延伸呈带状分布的组织形态.结合有限元数值模拟方法研究了缺陷产生的主要原因，发现由于成形区的金属发生沿展宽负向的金属流动，导致轧件形成沿展宽螺旋线分布的表面折叠和小轴向应变带.同时，螺旋带附近较大的径向压缩使轧件由表面向内部沿折叠裂纹方向组织具有方向性.采用对模具楔尖倒圆角局部改善金属沿负展宽方向的轴向流动，可以既消除表层螺旋组织缺陷，又避免轧件心部损伤风险，使成形质量满足使用要求.经实验验证，确定了模具楔尖圆角的最优取值

宫颈癌是严重危害妇女健康的恶性肿瘤，威胁着女性的生命，而通过基于图像处理的细胞学筛查是癌前筛查的最为广泛的检测方法。近年来，随着以深度学习为代表的机器学习理论的发展，卷积神经网络以其强有效的特征提取能力取得了图像识别领域的革命性突破，被广泛应用于宫颈异常细胞检测等医疗影像分析领域。但由于病理细胞图像具有分辨率高和尺寸大的特点，且其大多数局部区域内都不含有细胞簇，深度学习模型采用穷举候选框的方法进行异常细胞的定位和识别时，经过穷举候选框获得的子图大部分都不含有细胞簇。当子图数量逐渐增加时，大量不含细胞簇的图像作为目标检测网络输入会使图像分析过程存在冗余时长，严重减缓了超大尺寸病理图像分析时的检测速度。本文提出一种新的宫颈癌异常细胞检测策略，针对使用膜式法获得的病理细胞图像，通过基于深度学习的图像分类网络首先判断局部区域是否出现异常细胞，若出现则进一步使用单阶段的目标检测方法进行分析，从而快速对异常细胞进行精确定位和识别。实验表明，本文提出的方法可提高一倍的宫颈癌异常细胞检测速度

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能