一种滑动导向钻井工具面自适应控制方法

滑动导向钻井过程中，由于钻柱滑动摩擦阻力较大，工具面角的调整速度较为缓慢，且大多依赖司钻的经验，大大降低了钻井工作效率.论文建立了滑动导向钻井系统工具面控制对象的简化传递函数模型，并针对该模型提出一种具有自适应性的工具面动态控制方法.该方法采用微分正反馈控制律以提高工具面角的调整速度，并利用自适应方法对模型参数进行在线辨识，实时修正控制参数.最后通过动力学仿真验证了该方法能实现工具面角无超调无稳态误差的快速响应，且能根据参数辨识结果自动调整控制参数，无需依赖司钻经验，从而有效提高滑动导向钻井的工具面调整效率.     

基于深层自适应平衡自编码机的手写数字分类

针对深层自动编码机(DAE)内部协变量迁移问题,提出一种深层自适应平衡自动编码机(DSBAE),用于手写数字的分类(HDC)。重点研究了自适应平衡层对内部协变量迁移的纠正方法,构建了DSBAE网络的分类模型,根据平衡网络参数体系原理,制定了自适应参数更新策略。实验在MNIST,USPS以及PENDIGITS三个公开手写数据集上对DSBAE以及深度学习中其他分类算法进行比较,证明DSBAE能有效解决深层网络的内部协变量迁移问题,并在手写数字分类准确率上占有明显优势。     

基于混合远景和近景区域暗通道算法的图像去雾研究

为了提高图像去雾效果,提出混合远景和近景区域暗通道算法。首先建立远景和近景区域暗通道,为近景区域最小值通道和远景区域最小值通道之和,不同区域设置不同的调节系数;接着估计大气光值,通过混合暗通道远景区域的前50个像素点颜色值的平均值获得,增设校正系数;然后导向滤波,采用自适应滑动窗口优化透射率;最后给出了算法流程。实验仿真显示所提算法去雾图像视觉效果较好,定量分析指标对比度、可见边对比度值较优。     

基于数据空间自适应与共空间模式的脑电情感分类

为缓解日间脑电信号波动和差异导致情感分类性能下降的问题,在数据空间自适应(DSA)与共空间模式(CSP)迭代的基础上,提出一种用于脑电情感分类的特征提取算法。针对12个受试者连续5 d的情感脑电信号,采用DSA算法对脑电信号进行空间线性变换,再使用CSP将脑电信号变换到最优子空间,提取日间差异最小且类间差异最大的脑电功率谱密度特征及微分偏侧与差异因果特征。实验结果表明,该算法能提高脑电信号情感分类的准确率和稳定性。     

基于改进D?Lite遗传算法路径规划研究

针对遗传算法在移动机器人路径规划中易产生早熟现象和收敛速度慢的问题,提出了改进的D~* Lite遗传算法。该算法将D~* Lite算法和遗传算法相结合,通过引入碰撞系数和可视检测技术以提高路径安全性,寻找最短路径。在遗传算法设计中加入动态调整交叉与变异概率,以解决算法在路径规划中因陷入局部最优值而不能到达目标点的问题。最后,通过实验仿真可知:与蚁群算法和免疫遗传算法相比,改进的D~* Lite遗传算法执行效率高,可以快速规划出全局最优路径。