语境顺应理论指导下的导游词英译研究

涉外旅游的发展对导游词英译提出了更高的要求,也创造了良好的机遇。语言只有在语境中才具有意义,导游词中文原文和英文译文处于不同的语境当中,原文的直接受众和译文的受众有着不同的文化背景。语境顺应可以有效地指导导游词英译,通过对语言语境,情景语境和文化语境的顺应,采用恰当的翻译方法,实现译文意义准确,语言得体,功能等效。     

冷连轧过程控制中轧制力和前滑模型的综合自适应

为了提高冷连轧过程控制系统中轧制力模型的设定精度,提出了一种轧制力和前滑模型的综合自适应算法.通过建立综合自适应目标函数,以变形抗力和摩擦系数模型中的自适应系数作为寻优参数,并采用Rosenbrock算法求解目标函数,可以同时得到满足轧制力模型和前滑模型计算精度的自适应系数.该模型自适应算法可成功应用于某1 450 mm冷连轧机组.结果表明,采用该模型的综合自适应算法后,轧制力设定精度显著提高,且满足在线控制要求.     

一种改进的正则化自适应匹配追踪算法

针对压缩感知中未知稀疏度信号的重构问题,提出了一种改进的正则化自适应匹配追踪算法。它通过自适应变步长迭代对信号稀疏度进行估计,并将其作为初始支撑集长度,然后在分阶段迭代中正则化筛选原子,最终实现信号的精确重构。仿真结果表明,该算法重构信号的性能和效率均优于子空间追踪算法、正交匹配追踪算法和稀疏度自适应匹配追踪算法。     

驾车接近隧道过程中驾驶员瞳孔大小变化规律

为了解驾驶员驾车进入隧道过程中的瞳孔变化过程,让8位驾驶员分别驾车进入4座隧道,在此过程中用眼动仪记录驾驶员的瞳孔大小。分析眼动仪记录得到的驾驶员瞳孔大小数据的特征,通过小波变换进行数据处理,得到了驾驶员驾车进入隧道过程中瞳孔大小变化曲线。分析驾驶员瞳孔大小变化曲线发现,不同驾驶员的瞳孔大小存在个体差异;同一驾驶员多次测试的瞳孔大小存在一定的随机性;在接近隧道过程中驾驶员瞳孔逐渐变大,并在隧道洞口附近急剧变大;不同驾驶员的瞳孔变化趋势存在一定的差异;驾驶员瞳孔大小除受适应亮度的影响外,还受驾驶员的心理等因素的影响。     

应急物资筹集网络适应性评价的CFNN模型及仿真

优化和提高应急物资筹集能力是应急物资筹集网络适应性评价的主要目的,针对此目的,在构建应急物资筹集网络适应性评价指标体系基础上,把一种基于改进的补偿模糊神经网络(CFNN)智能评价系统引入到应急物资筹集网络的适应性评价中,以解决应急物资筹集网络评价中时间、成本和稳定性指标的模糊性和非线性问题. 仿真实验表明: 改进的CFNN收敛速度快,容错率高,自适应能力强,是应急物资筹集网络适应性评价的有效手段．     

基于卷积神经网络的多层域自适应滚动轴承故障诊断

针对基于卷积神经网络(CNN)的域自适应技术在提取可迁移特征的训练过程中,存在内部协变量移位的问题,提出一种多层域自适应滚动轴承故障诊断方法。首先,利用CNN提取原始振动数据的可迁移特征;其次,提出了多层域自适应和权重正则化项约束CNN参数,进一步减少可迁移特征的分布差异,从而解决域移位问题;最后,利用凯斯西储大学的滚动轴承数据集进行实验验证。结果表明,该方法能够有效地减少源域和目标域之间的特征分布差异,提高CNN模型对目标域数据集的诊断性能,相对于最高层域自适应的故障诊断方法,所提方法能在两个数据集之间的迁移故障诊断中得到较高的分类识别结果。     

采用ESO的自适应算法在PMSM无位置传感器控制中的应用

分析了模型参考自适应 (Model reference adaptive system,MRAS)实现永磁同步电机无位置传感器控制的原理,针对传统的MRAS抗扰动性差,位置估计误差大的问题,提出采用扩张状态观测器（Extended State Observer,ESO）代替传统PI观测器。ESO不仅能提高转子位置的估计精度,其观测的负载转矩还能用作前馈补偿,以减小负载转矩扰动对系统的影响。试验结果表明,在负载和速度突变情况下,使用新型变结构模型参考自适应（MRAS_ESO）估算的转速较传统MRAS的抗干扰性能力更好,系统的鲁棒性更强。     

电动汽车车载永磁同步电动机转子位置自检测算法

永磁同步电动机由于其自身的众多优点,在现代电动汽车上得到了越来越广泛的应用.文章介绍了一种采用增量式码盘和转子磁极初始位置辨识算法相结合的方法来实现永磁同步电动机转子位置的自检测.这种方法可以应用在隐极式同步电动机上,实现在无位置传感器的条件下确定电动机转子的绝对位置,并且简单、有效,受电动机参数变化的影响比较小,在电动机静止、低速和高速运行时都可以正常使用.利用MATLAB/Simulink软件建立了这种方法的仿真模型,仿真结果证明了该方法的可行性和有效性.     

自适应小世界粒子群优化算法

提出一种基于小世界网络的自适应拓扑结构。每个粒子都与它的近邻粒子进行交互,其有一定概率通过小世界重置与远方的粒子进行沟通;为粒子群体的每个维度分配一个特定的小世界网络,不同维能够学习不同邻居的历史信息;粒子的邻域大小与小世界重置的概率将在种群收敛状态的基础上进行自适应调整。利用标准函数集对该算法进行测试,测试结果表明,通过该机制,粒子群体具有更好的搜索多样性,能够平衡全局探索与局部开发。     

稀疏标签传播:一种鲁棒的领域适应学习方法

稀疏表示因其所具有的鲁棒性,在模式分类领域逐渐得到关注.研究了一种基于稀疏保留模型的新颖领域适应学习方法,并提出一种鲁棒的稀疏标签传播领域适应学习(sparse label propagation domain adaptation learning,简称SLPDAL)算法.SLPDAL通过将目标领域数据进行稀疏重构,以实现源领域数据标签向目标领域平滑传播.具体来讲,SLPDAL算法分为3步:首先,基于领域间数据分布均值差最小化准则寻求一个优化的核空间,并将领域数据嵌入到该核空间;然后,在该嵌入核空间,基于l₁-范最小化准则计算各领域数据的核稀疏重构系数;最后,通过保留领域数据间核稀疏重构系数约束,实现源领域数据标签向目标领域的传播.最后,将SLPDAL算法推广到多核学习框架,提出一个SLPDAL多核学习模型.在鲁棒人脸识别、视频概念检测和文本分类等领域适应学习任务上进行比较实验,所提出的方法取得了优于或可比较的学习性能.