检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

挠性航天器姿态动力学数据驱动辨识与控制

力学学报 2024年第2期56卷 433-445页

作者：陈竑宇陈提南京航空航天大学航空学院南京210016

挠性航天器的姿态机动与其挠性部件的振动存在强耦合,这导致系统表现出明显的非线性特征,其动力学行为的描述与控制是非常具有挑战的问题.为了处理挠性航天器建模与姿态控制中的非线性问题,针对挠性航天器的姿态控制问题提出了一种基于K... 详细信息

挠性航天器的姿态机动与其挠性部件的振动存在强耦合,这导致系统表现出明显的非线性特征,其动力学行为的描述与控制是非常具有挑战的问题.为了处理挠性航天器建模与姿态控制中的非线性问题,针对挠性航天器的姿态控制问题提出了一种基于Koopman算子理论的数据驱动建模方法,并基于数据驱动辨识得到的模型设计了最优控制器,实现对挠性航天器的姿态控制和振动抑制.首先,提出了一种基于Koopman算子理论和非线性系统稀疏性辨识算法(SINDY)的SO(3)上挠性航天器姿态动力学数据驱动辨识方法,根据SO(3)上挠性航天器姿态的动力学特点,设计了一组包含姿态动力学状态的观测函数,用于提升空间上挠性航天器姿态动力学的广义线性模型稀疏性辨识.然后,在小角速度假设下进行全局线性化,通过去除广义线性模型中的高阶项来得到挠性航天器姿态动力学的有限维Koopman稀疏模型,并通过仿真验证了广义线性SINDY模型与Koopman线性化模型的预测能力.最后,以数据辨识得到的线性化模型为基础,提出了基于Koopman算子的最优线性二次型调节器(LQR)用于挠性航天器的姿态控制与振动抑制.通过仿真验证了所提出控制器的效果,并将所提出的控制器与经典非线性最优控制方法进行对比,证明了所提出算法的优势.

关键词：挠性航天器 SO(3) Koopman算子数据驱动 SINDY LQR

在线全文

学校读者我要写书评

暂无评论

基于弱引力透镜的星系团暗晕椭率测量

基于弱引力透镜的星系团暗晕椭率测量

作者：居逸杰上海师范大学

学位级别：硕士

基于神经网络的电动汽车锂离子电池SOC估算研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于神经网络的电动汽车锂离子电池SOC估算研究

作者：花居森盐城工学院

学位级别：硕士

在社会经济高速增长的时代下,越来越多的人选择汽车作为代步工具,与此同时也造成了环境污染以及能源短缺等问题。为了缓解这些问题,以电池为驱动能源的电动汽车应运而生。电池是电动汽车的核心设备,因此开发一个更加精确的电池荷电状态(... 详细信息

在社会经济高速增长的时代下,越来越多的人选择汽车作为代步工具,与此同时也造成了环境污染以及能源短缺等问题。为了缓解这些问题,以电池为驱动能源的电动汽车应运而生。电池是电动汽车的核心设备,因此开发一个更加精确的电池荷电状态(State Of Charge,SOC)的预测模型就变得非常关键。SOC的高预测精度不仅能够提升电池使用寿命,还能够优化驾驶员的驾车体验,这一研究对于推动电动汽车技术的发展具有积极的意义。由于锂离子电池的比能量高和耐低温性的优势,已经被广泛应用于电动汽车上,因此本文将锂离子电池作为研究对象,分析影响电池SOC估算的因素,研究提升SOC预测精度的方法。具体工作如下:首先介绍目前电池SOC的估算方法及研究现状,分析各方法的优缺点,选定使用神经网络算法进行SOC估算。然后对锂离子电池的工作原理及特性进行了分析,搭建锂离子电池测试平台,采用控制单一变量的实验,研究温度以及充放电倍率对电池容量造成的影响。从而确定将温度,电压和电流作为预测模型的输入,SOC作为模型的输出。本文采用门控循环单元(Gated Recurrent Unit,GRU)作为SOC的预测模型的基础,设计使用卷积层(Convolutionlayer,Convol)和多头注意力机制(Multi-Head Attention,MHA)优化GRU预测模型。模拟了车辆在不同温度(0℃,25℃,45℃)运行条件下的电池状态,通过对比预测模型Convol GRU,GRU-MHA,Convol GRU-Attention(注意力机制)以及其他方法的预测模型,实验结果表明,优化过后模型的平均绝对误差(Root Mean Square Error,RMSE)、均方根误差(Mean Absolute Error,MAE)分别为0.67%和0.53%,证明该模型能够精确地预测锂离子电池SOC。

关键词：卷积神经网络多头注意机制循环神经网络锂离子电池 SOC估算

基于残差U-Net和自注意力Transformer编码器的磁场预测方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电工技术学报 2024年第10期39卷 2937-2952页

作者：金亮尹振豪刘璐宋居恒刘元凯省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学) 天津300401 河北省电磁场与可靠性重点实验室(河北工业大学) 天津300401

利用有限元方法对几何结构复杂的电机和变压器进行磁场分析,存在仿真时间长且无法复用的问题。因此,该文提出一种基于残差U-Net和自注意力Transformer编码器的磁场预测方法。首先建立永磁同步电机(PMSM)和非晶合金变压器(AMT)有限元模型... 详细信息

利用有限元方法对几何结构复杂的电机和变压器进行磁场分析,存在仿真时间长且无法复用的问题。因此,该文提出一种基于残差U-Net和自注意力Transformer编码器的磁场预测方法。首先建立永磁同步电机(PMSM)和非晶合金变压器(AMT)有限元模型,得到深度学习训练所需的数据集;然后将Transformer模块与U-Net模型结合,并引入短残差机制建立ResUnet-Transformer模型,通过预测图像的像素实现磁场预测;最后通过Targeted Dropout算法和动态学习率调整策略对模型进行优化,解决拟合问题并提高预测精度。计算实例证明,ResUnet-Transformer模型在PMSM和AMT数据集上测试集的平均绝对百分比误差(MAPE)均小于1%,且仅需500组样本。该文提出的磁场预测方法能减少实际工况和多工况下精细模拟和拓扑优化的时间和资源消耗,亦是虚拟传感器乃至数字孪生的关键实现方法之一。

关键词：有限元方法电磁场深度学习 U-Net Transformer

在线全文

学校读者我要写书评

暂无评论

基于提示学习的小样本文本分类方法研究

基于提示学习的小样本文本分类方法研究

作者：居正雨齐鲁工业大学

学位级别：硕士

文本作为数据存储、处理和分析的重要载体,在学术界和工业界都扮演着举足轻重的角色。因此,文本处理成为计算机领域一个至关重要的研究内容,文本分类一直是最重要的文本处理方式之一。小样本文本分类问题一直是文本分类的一个重要研究内... 详细信息

文本作为数据存储、处理和分析的重要载体,在学术界和工业界都扮演着举足轻重的角色。因此,文本处理成为计算机领域一个至关重要的研究内容,文本分类一直是最重要的文本处理方式之一。小样本文本分类问题一直是文本分类的一个重要研究内容,如何充分利用少量有监督样本进行高效模型调优,使得大量待预测数据能够得到精准预测,对现阶段的文本处理具有重要意义。本文主要研究通过提示学习来实现更加精准的小样本文本分类预测,具体研究内容如下:(一)使用虚拟类表示的答案工程设计方法“预训练+微调”一般是利用[CLS]特殊字符的语义向量引入随机初始化线性层实现预测,在小样本的情况下会丢失大量的[CLS]位置的语义信息。现有人工设计标签词集作为提示学习中的答案工程也会由于标签词集设计不完备导致语义丢失。针对语义丢失的问题本文首先提出一种虚拟类表示方法,用于提示学习的答案工程设计。该方法会为每一类生成一个富含类语义信息的类表示向量。另一方面,使用人工提示模板获取[MASK]位置的类预测语义向量。在分类预测过程中,使用类预测语义向量与类表示向量的相似度作为分类依据。相对于传统的使用线性层进行最终的答案映射的方式与使用自定义的类表示词集进行分类预测的方法相比,该方法缓解了在答案映射过程中产生的语义丢失问题。除此之外,该算法也能解决没有数据集的类表示词如何构建答案工程的问题。该方法在数据集AG’s News,DBPedia中取得较好分类效果。(二)使用差异化提示的提示工程设计方法上述算法使用人工构造提示工程,由于使用人工构造提示工程方法会出现对模板设计者的依赖性太强,对模型知识挖掘不充分问题,故本文还提出了基于差异化提示的提示工程设计算法。本算法主要解决数据集类别集合具有层级特征的小样本文本分类任务。该算法首先设计了一个多层次分类提示模板框架,然后对各层次类别的综合特征进行抽取作为差异化提示,用于分别刺激预训练语言模型,获取其与相应层次类别预测相关知识,实现更充分地预训练语言模型在预训练阶段获取知识的挖掘。除此之外,本文为数据集类集合设计了一种共享的线性层选择机制来取代传统算数平均用于获取类表示聚合向量和每一类被预测的聚合概率,减少由于类别的token ids的权重分配产生的语义丢失。该方法在数据集WOS和“研究方向与学科匹配/对应”取得很好效果,并且这种差异化提示工程的设计方法被应用于“中原城市群综合科技服务平台研发与应用示范”项目中。

关键词：提示学习提示工程答案工程小样本文本分类

素材性课程资源选择的内在张力:教师主导与学生主体——以有理数加法法则的教学情境选择为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中学数学月刊 2024年第9期 53-59页

作者：谢思成陈冏何煜煊谢圣英湖南师范大学数学与统计学院计算与随机数学教育部重点实验室 410081 湖南省长沙市周南梅溪湖中学 410221 广东省珠海市横琴粤澳深度合作区第一中学 519031

素材性课程资源是课程的直接来源,也是课堂教学中发挥学生主观能动性的重要影响因素.以教学中的问题情境选择为切入点,调查171名初中生与78名新手数学教师对有理数加法法则教学问题情境的倾向性,结果发现:一方面,新手教师重视学生的认知... 详细信息

素材性课程资源是课程的直接来源,也是课堂教学中发挥学生主观能动性的重要影响因素.以教学中的问题情境选择为切入点,调查171名初中生与78名新手数学教师对有理数加法法则教学问题情境的倾向性,结果发现:一方面,新手教师重视学生的认知,师生对电梯情境、金钱情境和得分情境的态度相似;另一方面,由于新手教师忽视问题情境和数学知识之间的联系,忽略学生的情感体验,师生对电荷情境、数轴情境和温度情境的倾向差异显著.有理数加法法则教学问题情境从素材中来,它是课程资源的一部分,这一课程资源选择的师生差异体现了教师主导与学生主体之间的矛盾和张力.但同时,这种张力也实为改进课程教学的不竭动力和助力新时代教师专业发展的推力.

关键词：课程资源教师主导学生主体有理数加法法则问题情境

不同作物秸秆和淡紫拟青霉复配对番茄苗期生长及根结线虫病的影响

在线全文

学校读者我要写书评

暂无评论

中国蔬菜 2024年第4期 54-63页

作者：魏新雨狄成乾辛鹏陈张博徐鑫潘凯东北农业大学园艺园林学院黑龙江哈尔滨150000

以6种不同作物秸秆(小麦、玉米、菊芋、万寿菊、分蘖洋葱、大蒜)和淡紫拟青霉为试验材料,采用盆栽的方法,研究不同作物秸秆和淡紫拟青霉复配对番茄幼苗生长、根结线虫病害、土壤养分、土壤酶活性和真菌群落的影响。结果表明:除大蒜秸秆... 详细信息

以6种不同作物秸秆(小麦、玉米、菊芋、万寿菊、分蘖洋葱、大蒜)和淡紫拟青霉为试验材料,采用盆栽的方法,研究不同作物秸秆和淡紫拟青霉复配对番茄幼苗生长、根结线虫病害、土壤养分、土壤酶活性和真菌群落的影响。结果表明:除大蒜秸秆外,其余处理均促进了番茄幼苗生长;秸秆和淡紫拟青霉复配施用明显降低了番茄根结数,不同程度地改善了土壤养分状况,其中小麦和菊芋秸秆处理显著提高了土壤蔗糖酶的活性;菊芋和玉米秸秆处理增加了土壤有益真菌类群的相对丰度,同时秸秆和淡紫拟青霉复配增加了淡紫拟青霉在土壤中的定殖量。综上所述,复配不同作物秸秆能够增加淡紫拟青霉在土壤中的定殖并提高其对番茄根结线虫病的防效,其中菊芋秸秆与淡紫拟青霉复配效果最佳。

关键词：番茄幼苗根结线虫淡紫拟青霉秸秆复配防效

维普期刊数据库博看期刊

我国行业风险敞口与行业网络结构的相关性研究

在线全文

学校读者我要写书评

暂无评论

中国管理科学 2024年第2期32卷 199-209页

作者：盛积良黄毅李居超江西财经大学统计与数据科学学院江西南昌330013 吉首大学数学与统计学院湖南吉首416000

基于皮尔逊相关系数和格兰杰因果检验,分别构建行业无向和有向网络,采用CoVaR模型计算我国行业风险,并借助分位数回归探索行业风险与网络结构的相互关系;使用网络模块分析探究不同极端事件下行业网络的集聚情况,以及风险在各模块间的传... 详细信息

基于皮尔逊相关系数和格兰杰因果检验,分别构建行业无向和有向网络,采用CoVaR模型计算我国行业风险,并借助分位数回归探索行业风险与网络结构的相互关系;使用网络模块分析探究不同极端事件下行业网络的集聚情况,以及风险在各模块间的传染路径,同时考察网络结构对行业风险的影响效应。研究结果表明:两种行业网络结构均表明,金融行业有成为网络中心的趋势,采用格兰杰因果检验构建的有向网络更能解释行业风险;金融市场冲击会对行业网络结构产生影响,不同极端事件下行业风险在网络中的传播方式不同;同时,网络结构对行业风险存在显著影响,网络聚类系数和全局效率的降低以及介数中心性的提升,均能降低行业风险。研究结论对金融风险防范和产业结构优化升级具有一定的参考价值。

关键词：复杂网络网络结构风险敞口皮尔逊相关系数格兰杰因果检验

在线全文

学校读者我要写书评

暂无评论

融合概念和属性信息的领域知识图谱补全方法

控制与决策 2024年第7期39卷 2325-2333页

作者：陈伯谦王坚同济大学电子与信息工程学院上海201804

针对领域知识图谱具有严格的模式层和丰富的属性信息的特点,提出一种融合概念和属性信息的领域知识图谱补全方法.首先对领域知识图谱模式层中的概念使用可建模语义分层结构的HAKE模型进行嵌入表示,建立基于概念的实例向量表示;其次对数... 详细信息

针对领域知识图谱具有严格的模式层和丰富的属性信息的特点,提出一种融合概念和属性信息的领域知识图谱补全方法.首先对领域知识图谱模式层中的概念使用可建模语义分层结构的HAKE模型进行嵌入表示,建立基于概念的实例向量表示;其次对数据层的实例三元组和属性三元组进行区分,通过注意力机制对实例的属性和概念进行融合,建立基于属性的实例向量表示;最后对基于概念和基于属性的实例向量表示进行联合训练以实现对实例三元组的评分.使用基于DWY100K数据集构建的知识图谱、MED-BBK-9K医疗知识图谱和根据某钢铁企业设备故障诊断数据构建的知识图谱进行实验,结果表明所提出方法在领域知识图谱补全中的性能优于现有知识图谱补全方法.

关键词：领域知识图谱知识图谱嵌入知识图谱补全模式层数据层注意力机制