摘要:

摘要:

摘要:

摘要:

摘要:

摘要:在实际工程中，网络化控制系统的采样间隔往往受到不可预知的物理约束，而这会导致噪声采样区间，也就是实际采样区间以一定的概率分布围绕着理想采样周期随机波动.本文研究噪声采样区间下具有随机短时滞的网络化系统镇定问题.首先利用离散时间方法建立一个闭环随机系统模型，但由于采样噪声和时变短时滞都具有随机性，因此，闭环随机系统模型的系统矩阵具有高度非线性和双重随机性.为了解决系统矩阵的高度非线性和双重随机性给镇定控制器设计带来的困难，本文利用汇合范德蒙矩阵方法和克罗内克积运算，计算出与系统矩阵相关的三个矩阵乘积的数学期望.在此基础上，本文得到了保证闭环系统随机稳定的充分条件.与此同时，通过求解线性矩阵不等式设计了镇定控制器.最后，通过两个仿真算例，验证了此设计方法的有效性.

摘要:基于观测器的离散马氏跳变系统（D-MJSs）是随机的，但系统待估计的故障是确定性信号，因此很难直接研究该系统的故障估计问题.针对该问题，本文提出一种构造辅助系统方法，通过对随机变量取期望来构造确定性的中间变量，进而建立的中间估计器可以同时估计系统状态和故障.此外，基于一种新的放缩手段，进一步考虑转移概率矩阵（TPM）不确定的情况.所有条件均以线性矩阵不等式（LMIs）给出，并保证状态误差是输入状态稳定的.数值仿真算例验证了所提方法的有效性和优越性.

摘要:针对现实应用场景中短时语音和混叠有噪声情况下声纹识别准确性低的问题，本文设计了一种改进的基于深度学习的声纹识别算法，提高了声纹识别模型在短时语音和带噪环境下的鲁棒性，并将该模型部署到了嵌入式设备中.本文主要对声纹识别算法的编码层和损失函数进行改进.对于编码层，本文使用了基于差分编码的NeXtVLAD技术，同时对帧级特征中的静态声纹特征和动态声纹特征进行建模.对于损失函数，本文将基于小样本学习框架的余弦-原型损失函数cosine-Prototypical 与附加间隔分类损失函数AM-Softmax 进行融合来训练声纹识别模型，使得模型在特征空间中的同类特征尽可能集聚，异类特征尽可能分离.此外，本文还将声纹识别算法部署在Raspberry Pi平台上，实现了能快速推理的声纹识别系统.实验结果表明：这种改进的声纹识别系统在多种开放场景下，能够实时、准确地完成声纹识别任务，可以达到实际应用的要求.

摘要:本文考虑了一类非线性中立型随机延迟微分方程，其漂移项系数和扩散项系数均是超线性增长的，且中立项满足压缩映射条件.本文建立了这类方程的截断型θ-EM算法，并得到了其收敛率.最后，给出一个例子验证了理论结果.

摘要:本文研究了一类随机分布参数切换系统的输入输出有限时间稳定问题.首先，给出了系统在均方意义下输入输出有限时间稳定的概念.其次，通过利用分片Lyapunov-Krasovskii函数、平均驻留时间及线性矩阵不等式等工具，建立了随机分布参数切换系统输入输出有限时间稳定的充分条件；设计一个状态反馈控制器确保相应的闭环系统输入输出有限时间稳定，并以严格的数学推导加以证明.最后，通过两个仿真例子验证了所得结果的有效性.

摘要:针对随机线性离散时间系统，利用Q学习算法求解无限时域的随机线性二次最优追踪控制（SLQT）问题.首先，假设通过命令生成器生成追踪所需的参考信号，并建立一个由原随机系统和参考轨迹系统组成的增广系统，把最优追踪问题转化为最优调节问题的形式.其次，为了在线求解随机系统的最优追踪问题，将随机系统转为确定性系统，并根据增广系统定义随机线性二次最优追踪控制的Q函数，在无需知道系统模型参数的情况下在线求解增广随机代数方程（GSAE）.再次，证明了Q学习算法和增广随机代数方程的等价性，给出了Q学习算法实现步骤.最后，给出一个仿真实例说明Q学习算法的有效性.

摘要:本文研究了在静态事件触发条件下的时变时滞随机广义Markov跳变系统的镇定性问题.通过构造Lyapunov-Krasovskii泛函，利用Jensen不等式以及自由权矩阵技术，提出了系统在静态事件触发条件下的随机容许性条件；在此基础上，设计状态反馈控制器使得相应的闭环系统满足正则、无脉冲且均方意义下随机容许.最后，通过数值算例验证了本文所提方法的正确性和有效性.

摘要:在深度强化学习中，深度Q网络算法存在严重高估动作值问题，使得智能体的表现不尽人意.尽管深度双Q网络和竞争网络结构可以部分缓解高估带来的影响，但引入双Q网络的同时，有时也会低估动作值.本文提出了一种基于权重值的竞争深度双Q网络算法（Weighted Dueling Double Deep Q-Network，WD3QN），把改进的双估计器及竞争网络结构结合至深度Q网络中，将学习到的可能动作值进行加权产生最终动作值，有效减少估计误差.最后，将算法应用于Open AI Gym平台上的CartPole经典控制问题，仿真结果显示：与已有算法对比，本算法有更好的学习效果，收敛性和训练速度均有提升.

摘要:时间序列流量的预测问题是近年来机器学习的一个热点问题，通过改变长短期记忆网络（LSTM）层数、网络层神经元的个数、网络层之间的连接方式，特殊网络层的应用等网络结构以及优化器和损失函数的选择可以极大地提高预测的精度.本文提出多层LSTM算法，该算法是在传统LSTM算法上进行改进的单一模型，模型设计的复杂度低，可以提高机器学习的效率.模型采用一个输入层、5个隐藏层、1个输出层，同时包含1个全连接层和1个Dropout层，Dropout层的作用是防止机器学习过拟合.选择adam为模型优化器、mlse为模型损失函数、relu作为模型的激活函数.实验结果表明，与传统模型相比，该模型具有较好的泛化能力.

摘要:针对架空输电线路弧垂在计算过程中易受测量数据（温度、风速、档距等参数）影响的问题，提出了基于数据预处理的PSO-BP神经网络弧垂预测模型.对收集数据中部分样本缺失的情况，使用合成少数过采样技术（SMOTE）对不平衡样本进行合成；构建PSO-BP神经网络用于弧垂预测，使用不同工况条件的数据训练网络，实现弧垂预测的目的，并将网络的性能与传统的BP神经网络性能进行对比.实验结果表明，与传统BP神经网络模型相比，本文提出的模型进行弧垂值预测后所得的误差绝对值显著降低.本文提出的模型可以加快训练速度、提高预测精度.

摘要:针对一类有限时间内重复运行的非线性非仿射离散时间系统，本文提出了一种基于遗忘因子的数据驱动最优迭代学习控制方法.首先，引入一种迭代动态线性化方法，将被控非线性系统等效化为线性输入输出增量形式；其次，分析了最优迭代学习控制方法中存在的问题，并针对由历史信息的累积效应所导致的控制输入不能及时响应的问题，设计自适应遗忘因子使算法具有更好的可控性和灵活性.所提出的控制方法是数据驱动的控制方法，设计和分析过程仅依赖于系统的输入输出数据，不包含任何显式模型信息.最后，通过仿真验证了该方法的有效性.

摘要:针对现实配送过程中配送任务既有可能延后完成也可能提前完成，而提前或者延后完成配送任务会增加成本、降低收益，从而带来提前和拖期风险的实际情况，对带有提前和拖期风险的第四方物流路径优化问题展开研究.建立了以最小化物流配送费用为优化目标、提前和拖期风险为约束的数学模型，提出了嵌入删除算法的和声搜索算法，对不同实例进行了求解.结果表明所提模型和算法是有效的.

摘要:基于企业社会责任的现实背景，首先研究集中式供应链中考虑企业社会责任的情形，然后研究零售商承担企业社会责任下的分散式情形和收益共享契约情形的最优决策.研究结果表明：集中式情形下供应链的最优利润关于企业社会责任关注水平递减.在分散式情形下，零售商的最优利润关于企业社会责任关注水平递减，而制造商的最优利润关于企业社会责任关注水平递增.在收益共享契约情形时，当收益共享系数相对较小或较大时，零售商的最优利润关于企业社会责任关注水平递增，而当收益共享系数在中间的给定区间时，零售商的最优利润关于企业社会责任关注水平递减，制造商的最优利润关于企业社会责任关注水平递增.当零售商的企业社会责任关注水平较低时，社会总福利随着企业社会责任关注水平递增；当零售商的企业社会责任关注水平较高时，社会总福利随着企业社会责任关注水平递减.最后进行算例分析，并给出一些管理启示.

摘要:为了降低碳排放量和部署成本，利用太阳能给车联网路边设施（Road Side Unit，RSU）供电是一个可行的方法.本文针对太阳能供电的RSU，提出了两个分布式的在线调度策略，旨在最大化服务车辆数.在基于Markov 链的调度策略中，采用Markov 链表述RSU能量状态，并通过对动作的奖励最大化服务的车辆数；在基于阈值的调度策略中，RSU计算服务车辆时所消耗的能量，并结合自己的能量状态，选择服务的车辆.仿真结果表明，本文提出的在线调度策略增加了服务车辆数.

摘要:针对人口与经济系统提出自适应耦合协调度与自适应协调区间，借助RBF网络学习算法实现了银川和石嘴山两市的人口与经济系统协调发展的预警策略与影响因素分析.首先，通过引入自适应耦合协调度与自适应协调区间，形成人口与经济系统发展关系的预警策略；其次，结合影响人口与经济系统的二级因子、自适应协调度，利用三层网络学习模型，得到影响人口与经济系统耦合协调发展的关键因子并予以分析，在此基础上，对关键因子加以干预和控制；最后，将本文所得方法和结论用于银川、石嘴山两市人口与经济系统的耦合协调分析，验证了本文模型与算法的实用性和有效性.

摘要:针对新型轴向磁场永磁记忆电机的结构优化问题，采用响应面法对电机进行优化设计.通过电磁性能方程和正交实验，初步分析了电机关键参数的影响.为了有效地设计该电机，初步选取了软磁占比、转子极数、气隙长度三个影响因素作为正交试验的设计因子，再采用响应面优化方法，将所选的感应电动势、感应电动势的总谐波畸变率和齿槽转矩三个性能作为优化目标.使用有限元软件Ansoft Maxwell和响应面设计软件Design Expert建立响应面实验，得到电机的不同影响因素组合模型下的仿真参数和拟合曲线.本文结合不同的优化方法，以满足具体的设计要求，理论分析和实验结果都验证了所提出的电机和优化方法的可行性和有效性.通过对试验数据分析对比，得出了优化方案，结果表明：优化设计之后的电机在缩减了永磁材料成本的情况下，还保证了比原电机更优的感应电动势、更小的感应电动势总谐波畸变率和齿槽转矩.

摘要:物联网在快速发展的同时，其数据交互容易遭受各种攻击.为了保证物联网传输层协议UDP传输数据的安全，在TLS协议架构基础上扩展形成了支持UDP数据报安全传输的DTLS（DatagramTLS）协议.现行的DTLS协议基于公钥证书密码体制，证书管理复杂、网络通信开销大，难以满足物联网等资源受限型网络的安全通信需求.本文提出一种基于离散对数的改进无证书公钥密码方案，设计了适应资源受限网络的轻量级DTLS协议，并基于嵌入式SSL库wolfSSL进行了协议实现.从通信开销和握手连接时间两方面，将本文提出的基于改进无证书公钥密码的DTLS协议分别与基于传统公钥证书的DTLS协议及基于身份标识的DTLS协议进行了对比实验.实验结果表明，在保证安全性的前提下，基于无证书的DTLS协议在通信开销和握手连接时间方面均优于基于公钥证书的DTLS协议和基于身份标识的DTLS协议.