检索结果-南通市图书馆

网络事件触发式的智能机器人快速稳定控制系统研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

网络事件触发式的智能机器人快速稳定控制系统研究

作者：杜泳萍广州大学

学位级别：硕士

智能机器人因具有自主性、灵活性、高效性等优势被广泛应用到不同的领域。然而,在现代工业系统中,普遍存在复杂的非线性特征和不确定性的问题,这对智能机器人控制系统的性能和稳定性造成较大的影响。因此,如何提出和设计控制策略以应对... 详细信息

智能机器人因具有自主性、灵活性、高效性等优势被广泛应用到不同的领域。然而,在现代工业系统中,普遍存在复杂的非线性特征和不确定性的问题,这对智能机器人控制系统的性能和稳定性造成较大的影响。因此,如何提出和设计控制策略以应对上述问题成为了当前研究的重要方向之一。近年来,逐渐出现许多李雅普诺夫渐近稳定控制方法。但当其时间趋于无穷时,系统状态才能收敛到平衡点,无法满足快速收敛的高性能要求。此外,在实际工程应用中,智能机器人之间的固定且高频周期采样可能会影响多智能机器人系统的网络通信质量,进而影响智能机器人之间的协同效率和系统性能。因此,如何使系统在有限时间内实现快速稳定的同时,节约通信资源并保证系统控制性能,是一个具有挑战性的问题。本文针对具有状态限幅、输入死区、自定义性能、执行器失效、不确定性等约束的智能机器人系统,研究了事件触发式自适应快速稳定控制策略。论文主要内容总结如下:(1)针对具有输入死区和状态限幅的智能机器人不确定系统,提出了一种事件触发式自适应快速补偿控制策略。为了应对实际工业系统中状态限幅,同时减少通信资源的负担,采用对数型障碍李雅普诺夫函数(Logarithmic Barrier Lyapunov Functions,LBLFs)和事件触发机制(Event-Triggered Mechanism,ETM),设计了状态限幅式自适应补偿机制。同时将径向基函数神经网络(Radial Basis Function Neural Networks,RBFNNs)与快速有限时间稳定性理论相结合,不仅可以有效辨识系统的未知非线性特征,而且可以构造分数指数幂次的控制律和自适应律,进而加快系统的收敛速度。此外,跟踪误差在有限时间内快速收敛到有界且可调的紧集内。最后,通过数值算例验证了该控制策略的有效性。(2)针对自定义性能的智能机器人不确定系统,提出了一种事件触发式自适应神经网络快速控制策略。通过引入性能函数和误差转换机制,设计新的障碍李雅普诺夫函数,并基于RBFNNs逼近技术对不确定性进行补偿,同时设计ETM以减少通信资源的占用,进一步应用实际快速有限时间稳定理论,通过构造分数指数幂次的控制律和自适应律,进而加快系统的收敛速度。此外,跟踪误差在有限时间内快速收敛到有界且可调的紧集内,在正常运行过程中能够保证预定义的瞬态性能。最后,通过数值算例验证了该控制策略的有效性。(3)针对具有执行器失效的多智能机器人不确定系统,提出了一种事件触发式自适应状态观测一致性控制策略。为了减少执行器故障对系统性能的影响,首先在自适应反步框架中构造状态观测器以估计多智能机器人系统的不可测状态变量,并基于RBFNNs来逼近系统的未知非线性特征。同时,设计了自适应事件触发机制,对执行器失效进行动态补偿,并减轻机器人之间的通信负担。此外,所有跟随者机器人都能很好地跟踪虚拟领导者机器人的输出信号,使其同步误差都收敛于有界集合内。最后,通过数值算例验证了该控制策略的有效性。

关键词：智能机器人系统有限时间稳定事件触发机制径向基函数神经网络智能控制

高原低温低氧环境下5.8mm制式手枪近距离致伤及负压封闭引流系统安装模型建立的初步实验研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高原低温低氧环境下5.8mm制式手枪近距离致伤及负压封闭引流系统...

作者：黄孝泳新疆医科大学

学位级别：硕士

多元智能视角下的核心素养与高中音乐教学实践探究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多元智能视角下的核心素养与高中音乐教学实践探究

作者：文泳淇闽南师范大学

学位级别：硕士

合作-竞争混合型多智能体系统的虚拟遗憾优势自博弈方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

软件学报 2024年第2期35卷 739-757页

作者：张明悦金芝刘坤西南大学计算机信息科学学院&软件学院重庆400715 北京大学计算机学院北京100871 高可信软件技术教育部重点实验室(北京大学) 北京100871

合作-竞争混合型多智能体系统由受控的目标智能体和不受控的外部智能体组成.目标智能体之间互相合作,同外部智能体展开竞争,应对环境和外部智能体的动态变化,最终完成指定的任务.针对如何训练目标智能体使他们获得完成任务的最优策略的... 详细信息

合作-竞争混合型多智能体系统由受控的目标智能体和不受控的外部智能体组成.目标智能体之间互相合作,同外部智能体展开竞争,应对环境和外部智能体的动态变化,最终完成指定的任务.针对如何训练目标智能体使他们获得完成任务的最优策略的问题,现有工作从两个方面展开:(1)仅关注目标智能体间的合作,将外部智能体视为环境的一部分,利用多智能体强化学习来训练目标智能体.这种方法难以应对外部智能体策略未知或者动态改变的情况;(2)仅关注目标智能体和外部智能体间的竞争,将竞争建模为双人博弈,采用自博弈的方法训练目标智能体.这种方法主要针对单个目标智能体和单个外部智能体的情况,难以扩展到由多个目标智能体和多个外部智能体组成的系统中.结合这两类研究,提出一种基于虚拟遗憾优势的自博弈方法.具体地,首先以虚拟遗憾最小化和虚拟多智能体策略梯度为基础,设计虚拟遗憾优势策略梯度方法,使目标智能体能更准确地更新策略;然后,引入模仿学习,以外部智能体的历史决策轨迹作为示教数据,模仿外部智能体的策略,显式地建模外部智能体的行为,来应对自博弈过程中外部智能体策略的动态变化;最后,以虚拟遗憾优势策略梯度和外部智能体行为建模为基础,设计一种自博弈训练方法,该方法能够在外部智能体策略未知或者动态变化的情况下,为多个目标智能体训练出最优的联合策略.以协同电磁对抗为研究案例,设计具有合作-竞争混合特征的3个典型任务.实验结果表明,同其他方法相比,所提方法在自博弈效果方面有至少78%的提升.

关键词：多智能体强化学习虚拟遗憾最小化自博弈动态决策

基于结构主题模型的上市公司创新测度及创新效益研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于结构主题模型的上市公司创新测度及创新效益研究

作者：谭泳伯哈尔滨商业大学

学位级别：硕士

在全球化和技术快速发展的当代社会,创新已成为推动企业增长、提升国家竞争力和促进社会进步的核心动力。企业创新不仅关乎新产品和技术的开发,也涉及到新服务、新管理模式以及新商业模式的探索和实施。因此,准确地测量和评估企业的创... 详细信息

在全球化和技术快速发展的当代社会,创新已成为推动企业增长、提升国家竞争力和促进社会进步的核心动力。企业创新不仅关乎新产品和技术的开发,也涉及到新服务、新管理模式以及新商业模式的探索和实施。因此,准确地测量和评估企业的创新水平对于指导政策制定、优化产业结构、提高经济效率具有极为重要的意义。然而,面对创新活动的多样化和复杂性,传统的依据专利数量和研发投入等单一指标难以全面反映企业的创新能力和创新成效。鉴于此,本研究采用先进的结构主题模型(STM)技术,对美国S&P500指数成分股企业年报数据进行深入分析,旨在开发一种更为全面的创新水平测度指标。本研究不仅关注传统的产品和技术创新,也包括品牌创新与管理创新等非研发创新活动,以更全面地理解企业的创新行为和创新绩效。通过对不同类型创新的探索,本研究旨在揭示创新趋势的演变路径,及其对企业绩效的影响机制。研究方法上,本研究通过应用Word2Vec技术筛选与创新相关的企业年报文本段落,并利用结构主题模型构建创新水平的测度指标,本研究为创新研究提供了一种全新的视角和工具,在获得基于STM的创新测度指标后,还进行了基于时间序列分析以及创新与企业绩效的多元线性回归分析。研究结果表明:(1)相较于传统测量方法,STM能够更准确地捕捉到企业创新活动的全貌,包括那些传统研发指标难以涵盖的领域。(2)企业的创新趋势呈现出从单一的产品和技术创新向多元化非研发创新转变的特点,这种转变反映了市场需求和技术发展的新趋势。(3)不同类型的创新活动,如品牌创新、科技创新和服务创新,对企业绩效具有显著的正向影响,这进一步强调了企业在制定创新策略时需关注创新活动的多样性。综上所述,本研究通过引入基于结构主题模型的创新水平测度方法,深化了对企业创新行为和创新绩效的理解,揭示了创新的多样性及其对企业绩效的积极影响。这些发现不仅为企业提供了制定创新策略的重要参考,也为政策制定者提供了促进产业创新和科技进步的有力依据。本文强调了创新测量方法的重要性,促进了创新测度方法的发展和完善,有助于企业适应和引领未来发展的趋势,推动经济、社会和科技的全面进步。

关键词：企业创新创新测度结构主题模型文本大数据分析企业年报

融合注意力机制和新型卷积神经网络的市政道路病害识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合注意力机制和新型卷积神经网络的市政道路病害识别

作者：任泳洁石家庄铁道大学

学位级别：硕士

SGI-7079对视网膜母细胞瘤细胞增殖的抑制作用及其机制探索

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

SGI-7079对视网膜母细胞瘤细胞增殖的抑制作用及其机制探索

作者：卢泳安南昌大学

学位级别：硕士