针对线性自抗扰控制器参数难于整定的问题,提出了一种基于动态响应过程时序数据挖掘的参数自整定算法.算法以线性自抗扰控制器中线性误差反馈律的两个增益信号回路的动态响应为参数调整对象,通过改进变收缩系数的随机搜索算法进行参数整定,记录动态响应过程数据,基于关联关系挖掘得到控制参数调整策略应用于线性自抗扰控制器的参数自整定.为验证本文提出的参数自整定方法的实际效果,以液压自动位置控制系统为控制对象,分别采用阶跃响应仿真和Monte Carlo实验进行对比研究.结果表明,基于数据挖掘参数自整定的线性自抗扰控制器动态响应较好,鲁棒性较强,改进了变收缩系数随机搜索算法调整时间较长以及传统线性自抗扰控制器超调较大的缺点,是一种具有实用性的线性自抗扰控制器参数自整定方法

第一章 绪论 • 第一节 产品定义 • 第二节 工业设计与产品设计 • 第三节 可持续发展的设计观 • 第四节 产品设计的基本流程 第二章 设计的提出 • 第一节 产品的开发 • 第二节 明确设计内容 • 第三节 制定设计计划 第三章 市场调研与分析 • 第一节 细分市场 • 第二节 市场调研的内容 • 第三节 市场调研的方法 • 第四节 市场调研的三个阶段 • 第五节 信息资料的收集与分析 • 第六节 基于老年人的情感化调研实例应用——老年人手机 第四章 设计定位 • 第一节 设计定位的描述 • 第二节 产品设计定位 • 第三节 产品销售策略的设计及定位 • 第四节 小型吸尘器设计定位 第五章 概念设计构思 • 第一节 概念设计及产品概念设计过程 • 第二节 功能设计 • 第三节 原理设计 • 第四节 构形设计 • 第五节 在概念生成活动中如何进行内部研究和外部研究 • 第六节 产品概念设计原则

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

针对多螺旋桨浮空器执行机构易发生故障的容错控制问题，同时考虑系统所受到的未知外部扰动和螺旋桨输入幅值的饱和约束，提出一种自适应滑模容错控制方法。建立浮空器的四自由度运动模型，系统分析矢量螺旋桨的故障类型，分为输出力的大小故障和矢量转角故障，得到浮空器执行机构的故障模型。基于自适应和滑模控制理论，由跟踪目标与系统当前状态偏差设计积分滑模面。针对未知外部扰动和执行机构偏移故障，设计相应的自适应律进行处理；针对螺旋桨输入饱和约束，应用Sigmoid函数设计跟踪轨迹进行处理。由此设计一种自适应滑模容错控制策略，利用Lyapunov稳定性理论证明了闭环系统的全局渐近稳定性能。以上海交通大学的多螺旋桨浮空器为模型，仿真验证了故障容错控制方法的有效性和鲁棒性

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

碳/碳复合材料作为热防护材料多用在高超声速飞行器鼻锥、机翼前缘等位置。为准确预测其传热及烧蚀响应，采用多场耦合策略，考虑外部流场热化学非平衡效应、固体材料传热以及材料表面烧蚀，建立高超声速气动热环境下碳/碳复合材料的流?热?烧蚀多场耦合模型，预测碳/碳复合材料瞬态温度场分布、烧蚀速率以及烧蚀外形变化等。计算得到材料模型驻点区壁面温度和热流值随着时间的推移发生了显著的变化，初始时刻热流值较大，1 s时驻点热流密度为17.22 MW?m?2，随着时间推移，壁面温度增大，驻点区温度梯度减小，热流值也减小，30 s时驻点热流密度为10.22 MW?m?2。材料模型驻点区的温度较高，材料表面反应活跃，烧蚀较为严重，而模型侧面只发生少量烧蚀，烧蚀前后材料模型外形发生一定的变化，前缘半径增大，30 s时材料驻点烧蚀深度为17.47 mm。结果表明：在高超声速气动热环境下，碳/碳材料模型发生一定的烧蚀后退，导致外部流场以及热载荷发生变化，采用流?热?烧蚀多场耦合模型可有效预测不同时刻材料的传热及烧蚀响应，为热防护系统的设计提供一定的参考

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography，PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积代替二维卷积，提出一种1D-CNN结构，由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化层（Batch normalization layer），保持卷积核的大小保持不变。针对数据集少的情况，采用了重叠的方法对数据集进行了扩充。实验结果表明，该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出，Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况，因此以后的工作应重点提升N1期睡眠的准确性。总体而言，对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中，仍需要研究开发更适合于儿童的睡眠分期策略，在更大数据量的基础上进行实验

物联网是未来赛博使能业务的重要支撑平台。蜂窝网络则被认为是广泛分布在部署区域中的物联网终端数据接入的主要渠道，尤其在广域覆盖方面具有难以替代的价值。在满足覆盖要求的条件下，降低蜂窝网络基站的下行发射功率在绿色通信方面具有重要的研究意义。由此提出了一种基于优化目标平滑近似和均方根传播策略的梯度下降算法，在满足物联网业务覆盖率的条件下最小化基站的总下行发射功率。首先，使用罚函数方法将复杂约束条件的异构蜂窝网络优化问题转化为简单约束形式的优化问题；其次，将不可导的目标函数通过平滑近似转化为可导形式，并给出其对天线下倾角和下行功率参数的梯度解析形式；最后，使用均方根传播梯度下降算法进行转化后的目标函数优化。仿真实验结果表明该算法可以在满足覆盖率指标的条件下最小化基站的总下行发射功率，与现有元启发算法和普通梯度下降算法相比，具有良好的收敛速度，并能更好地抑制优化过程中振荡

融合手工特征和深度特征，提出了一种集成超限学习机心跳分类方法。手工提取的特征明确地表征了心电信号的特定特性，如相邻心跳时间间隔反映了心跳信号的时域特性，小波系数反映了心跳信号的时频特性。同时设计了一维卷积神经网络对心跳信号特征进行自动提取。基于超限学习机（Extreme leaning machine，ELM），将上述特征融合进行心跳分类。由于ELM初始参数的随机给定可能导致其性能不稳定，进一步提出了一种基于袋装（Bagging）策略的多个ELM集成方法，使分类结果更加稳定且模型泛化能力更强。利用麻省理工心律失常公开数据集对所提方法进行了验证，分类准确率达到了99.02%，实验结果也表明基于融合特征的分类准确率高于基于单独特征的分类准确率

热轧支持辊的健康状态在带钢板形质量和轧制稳定性控制中起着关键作用，非线性、强耦合、少样本等特点使得热轧支持辊健康状态的预测复杂，目前各大钢厂仍以定期维护和事后维修为主。本文提出了一种支持辊虚拟健康指数的构建方法以及基于Copula函数的复杂工况健康状态预测模型。首先结合支持辊弯窜辊数据表征支持辊健康状态，再使用K-means聚类方法对支持辊工况进行划分，将各工况下过程数据分别构建Copula预测模型，最后根据实际轧制计划的排布顺序融合各工况模型的预测结果。提出的基于Copula函数的预测模型在某钢厂1780热连轧产线得到应用，结果表明，该模型能够准确有效的按照轧制计划实现支持辊的健康状态预测，以更科学的策略指导支持辊更换维护