
燕山大學(xué)學(xué)報(bào)
類(lèi)型
類(lèi)別
-
-
汽車(chē)用先進(jìn)高強(qiáng)度中錳鋼研究進(jìn)展
關(guān)鍵詞:汽車(chē)用鋼;中錳鋼;強(qiáng)塑性;焊接性;氫脆敏感性 中圖分類(lèi)號(hào): TG142.1文獻(xiàn)標(biāo)識(shí)碼: ADOI:10.3969/j.issn.1007-791X.2025.01.0010 引言 節(jié)能減排并提高安全性是現(xiàn)代汽車(chē)工業(yè)的主要發(fā)展方向。近...
-
-
飽和、量化和斜率限制輸入下二維非線(xiàn)性時(shí)滯系統(tǒng)的控制
摘要:研究了系統(tǒng)中具有多重約束輸入信號(hào)的狀態(tài)反饋控制器設(shè)計(jì)方法,以解決具有時(shí)變時(shí)滯的二維非線(xiàn)性離散系統(tǒng)的控制問(wèn)題。多重約束輸入包括斜率限制、量化、飽和以及與致動(dòng)器溢出相關(guān)在內(nèi)的嵌套非線(xiàn)性。通過(guò)將系統(tǒng)固有的非線(xiàn)性限制為滿(mǎn)足單側(cè)李普希茨條件,進(jìn)...
-
-
延遲全狀態(tài)約束下不確定非線(xiàn)性系統(tǒng)的自適應(yīng)容錯(cuò)控制
摘要:針對(duì)一類(lèi)具有延遲時(shí)變?nèi)珷顟B(tài)約束的不確定非線(xiàn)性系統(tǒng),提出自適應(yīng)神經(jīng)網(wǎng)絡(luò)容錯(cuò)控制策略。首先,設(shè)計(jì)平移函數(shù)使違反約束的系統(tǒng)初值在預(yù)定時(shí)間回到約束范圍內(nèi)。其次,通過(guò)設(shè)計(jì)應(yīng)用范圍更廣的新型非線(xiàn)性狀態(tài)變換函數(shù),將約束系統(tǒng)轉(zhuǎn)化為無(wú)約束系統(tǒng),解決全狀...
-
-
非對(duì)稱(chēng)三穩(wěn)態(tài)壓電能量采集器的性能分析與實(shí)驗(yàn)驗(yàn)證
摘要:為解決對(duì)稱(chēng)三穩(wěn)態(tài)壓電能量采集器在低強(qiáng)度振動(dòng)激勵(lì)下無(wú)法進(jìn)行阱間運(yùn)動(dòng),進(jìn)而無(wú)法產(chǎn)生較高電壓信號(hào)的問(wèn)題,設(shè)計(jì)了一種基于非對(duì)稱(chēng)三穩(wěn)態(tài)振動(dòng)模型的壓電能量采集器結(jié)構(gòu)。利用磁偶極子模型、力平衡和基爾霍夫定律建立了采集器的勢(shì)能模型以及運(yùn)動(dòng)控制方程,仿...
-
-
數(shù)據(jù)投毒下的云API服務(wù)質(zhì)量預(yù)測(cè)模型魯棒性分析與解釋
摘要:準(zhǔn)確可靠的服務(wù)質(zhì)量預(yù)測(cè)是實(shí)現(xiàn)服務(wù)質(zhì)量感知云API服務(wù)推薦和組合成功應(yīng)用的關(guān)鍵,而現(xiàn)有研究通常假設(shè)預(yù)測(cè)模型的服務(wù)質(zhì)量數(shù)據(jù)是可靠的,忽略了開(kāi)放網(wǎng)絡(luò)環(huán)境下惡意用戶(hù)對(duì)云API服務(wù)質(zhì)量預(yù)測(cè)模型的數(shù)據(jù)投毒攻擊。本文從攻擊機(jī)理和可解釋的視角提出數(shù)據(jù)...
-
-
基于點(diǎn)云配準(zhǔn)與最近鄰搜索的鋼軌磨耗測(cè)量方法
摘要:提出了基于點(diǎn)云配準(zhǔn)和最鄰近搜索的方法,以解決鋼軌軌腰處鋼印噪聲導(dǎo)致的軌頂磨耗測(cè)量點(diǎn)識(shí)別誤差較大的問(wèn)題,并成功實(shí)現(xiàn)了鋼軌垂直和側(cè)面磨耗點(diǎn)的自動(dòng)定位。首先,通過(guò)坐標(biāo)系旋轉(zhuǎn)和點(diǎn)云濾波等預(yù)處理技術(shù),以鋼軌輪廓作為數(shù)據(jù)單元,獲取有效的鋼軌配準(zhǔn)數(shù)...
-
-
基于2D-3D卷積神經(jīng)網(wǎng)絡(luò)的情緒識(shí)別模型
摘要:基于腦電信號(hào)的情緒識(shí)別是人機(jī)交互的重要部分,本文將二維卷積神經(jīng)網(wǎng)絡(luò)、三維卷積神經(jīng)網(wǎng)絡(luò)、深度可分離卷積進(jìn)行結(jié)合,提出一種基于2D-3D卷積神經(jīng)網(wǎng)絡(luò)(2-3DCNN)模型,從時(shí)間、空間、頻率三個(gè)方面進(jìn)行特征提取。在網(wǎng)絡(luò)中引入SE-ResN...
-
-
基于多尺度時(shí)空特征融合的視頻異常事件檢測(cè)
摘要:在視頻異常事件檢測(cè)的問(wèn)題上,現(xiàn)有的研究方法未充分考慮場(chǎng)景中的背景信息干擾和目標(biāo)尺度變化,導(dǎo)致檢測(cè)精度普遍較低。針對(duì)此類(lèi)問(wèn)題,提出了一種融合多尺度時(shí)空信息的異常事件檢測(cè)方法。首先,應(yīng)用一種坐標(biāo)注意力的方法,使模型更多地關(guān)注異常事件發(fā)生的...
-
-
雙流運(yùn)動(dòng)建模-循環(huán)一致性對(duì)齊小樣本動(dòng)作識(shí)別算法
摘要:針對(duì)不同場(chǎng)景下動(dòng)作時(shí)空分布不同導(dǎo)致視頻對(duì)齊困難,進(jìn)而影響視頻識(shí)別準(zhǔn)確度問(wèn)題,提出對(duì)雙流特征進(jìn)行運(yùn)動(dòng)建模和循環(huán)一致性對(duì)齊的小樣本動(dòng)作識(shí)別方法,能夠在全局幀和局部塊雙尺度特征建模和對(duì)齊高維運(yùn)動(dòng)表示。首先基于雙流特征設(shè)計(jì)了運(yùn)動(dòng)建模框架,重塑...