知识继承型迭代学习控制的研究与应用

针对一类具有同质特征的多维轨迹群,提出基于知识继承的迭代学习控制（ILC）策略. 该策略以一类工业机器人系统为控制对象,在跟踪具有渐变幅值的同质轨迹群（HTG）时,应用迭代学习控制方法,从起始源轨迹中获得基准控制知识. 将基准控制知识预设为下一新轨迹迭代学习的首次运行知识. 通过增益变换和偏移变换实现迭代学习控制的知识继承,使得该类工业机器人系统加快对新轨迹的学习速度,以此降低跟踪同质轨迹群的整体学习次数,实现跟踪效率的较大提升. 理论分析和仿真结果证明了所提控制策略的优越性.     

地方工科院校“智能科学与技术”专业控制类课程教学的探讨

地方工科院校建设"智能科学与技术"专业时需要坚持"工学并举"的思路,将专业优势和社会工程需求有机地结合,为毕业生就业提供更广阔的空间。本文结合河北工业大学的实际情况,探讨了"智能科学与技术"专业控制类课程的教学。首先介绍河北工业大学该专业的成立背景,其次介绍该专业的主要课程,最后探讨该专业控制类课程教学的思路。     

电力系统铁磁谐振中混沌特性的探讨

针对电力系统中铁磁谐振引起的混沌现象，本文从特性对比、电路仿真和理论分析等多个角度对其中的混沌问题进行了探讨，对混沌产生的条件、表现的特征和控制的方法等做了论述．在基于理论分析的基础上，对避免铁磁谐振所引起的过电压等危害提出并总结了一些保护措施，以提高供电系统的可靠性，降低电气设备的故障率．最后，首次从混沌控制的角度，提出了对电网中混沌的实际应用所做的初步设想．     

步长动态寻优的BP算法

从ＢＰ算法原理出发,找到造成这一结果的根本原因,利用目标函数对学习步长的一阶、二阶梯度值,应用牛顿近似法和线性寻优法来求得动态最优步长,这种算法所需存储一阶二阶导数的单元结构和标准ＢＰ算法中的结构相同,不会对存储造成大的负担,可使编程易于实现。计算机的仿真实验结果表明,这种方法是切实有效的。     

河北工业大学首届智能科学与技术专业毕业生情况分析

介绍河北工业大学以夯实自动控制技术为基础,以加强智能科学理论方法和应用技术为核心,培养学生的科学研究素养和技术应用能力的情况;在研究首届智能科学与技术专业学生的课程建设、科技活动和竞赛获奖情况以及毕业生去向等方面的基础上,总结专业建设经验,为专业的后期建设提供参考。     

字符串加密技术的理论研究和技术实现

针对计算机及通讯领域对加密技术的需求现状,本文首先从理论上研究采用什么算法来实现对字符串数据的加密和解密。然后采用VB语言,给出具体实现算法,实现对字符串的加密和解密,并在算法中给出说明和解释。最后对该算法的优越处给出具体分析。     

下肢假肢斜坡路况运动控制策略分析

为使下肢假肢在斜坡路况下配合人体健肢侧交互运动,在对下肢假肢穿戴者斜坡运动模式分析的基础上,制定针对斜坡路况的下肢运动轨迹规划方法,得到假肢膝关节的模拟运动轨迹.应用紧格式线性化方法解决下肢关节高度非线性问题的思路,采取无模型动态矩阵控制方法实现对模拟运动轨迹的追踪,结合反馈校正和滚动优化实现斜坡路况下膝关节角度的预测输出,并对控制系统的稳定性进行理论分析.仿真和运动控制平台的实验结果表明,假肢膝关节的斜坡运动轨迹可以紧紧跟随参考轨迹变化,假肢膝关节可与健肢侧协调平稳运动.     

基于结构化低秩表示和低秩投影的人脸识别算法

在实际的人脸识别中,给定的训练图像往往存在遮挡和噪声,导致稀疏表示分类（SRC）算法的性能下降。针对上述问题,提出一种基于结构化低秩表示（SLR）和低秩投影的人脸识别方法--SLR_LRP。首先通过SLR对原始训练样本进行低秩分解得到干净的训练样本,根据原始训练样本和恢复得到的干净训练样本得到一个低秩投影矩阵;然后将测试样本投影到该低秩投影矩阵;最后使用SRC对恢复后的测试样本进行分类。在AR人脸库和Extended Yale B人脸库上的实验结果表明,SLR_LRP可以有效处理样本中存在的遮挡和像素破坏。     

LLDPE中丁烯-1含量测定

利用红外光谱的原理建立了测定LLDPE(线性低密度聚乙烯 )中丁烯 -1含量的分析方法。此方法为合理确定聚乙烯生产装置中丁烯 -1的加入量及监控产品质量 (尤其是密度 )提供了依据 ,且制样、测样简单方便 ,有很好的推广价值和应用前景     

下肢假肢穿戴者跑动步态识别方法

提出基于粒子群（PSO）优化支持向量机（SVM）的下肢假肢穿戴者跑动步态识别方法.将假肢接受腔装配的肌电（EMG）传感器、加速度计和足底的压力传感器采集的假肢穿戴者跑动运动信息进行去噪预处理,对应提取加速度的偏度、均值与肌电信号均方根多个特征参数作归一化处理,结合双下肢足底压力信息组成多维特征向量,作为SVM的输入,解决了单一特征识别步态的低准确率问题.利用PSO优化分类模型参数,建立基于SVM的次序二叉树分类模型对跑动步态进行辨识.与传统BP神经网络的步态识别方法对比表明,利用PSO优化SVM方法能够将跑动步态识别率提高到92.78%,优于SVM和BP神经网络.