课程文献中心 更多>>

关键词： 自适应控制   事件触发控制   输出反馈跟踪   复杂非线性   输出约束   非线性系统  

摘要： 本文针对一类具有复杂非线性和输出约束的输出反馈非线性系统提出了一个自适应事件触发跟踪控制方法,其中系统的复杂非线性由与输出相关的非线性函数和不可测状态耦合构成.为了估计不可测的状态变量并补偿复杂的系统非线性,首先利用增益调节技术设计一个动态高增益,并基于此设计一个修改的高增益K-滤波器.然后,对跟踪误差引入性能约束函数并设计自适应动态面输出反馈控制器.基于此控制器设计一个触发条件来确定事件触发控制信号,使得系统的通信资源得到有效的节约.结果表明,利用所提的方案,系统的复杂非线性和触发误差均能被有效处理,输出约束能被保证,并且跟踪误差能够收敛到一个任意小的紧集.最终,控制方案的有效性通过高超声速飞机得到验证.

关键词： 结直肠癌   脓毒症   因果关系   孟德尔随机化   两样本   双向  

摘要： 目的 采用双向两样本孟德尔随机化（MR）来分析结直肠癌与脓毒症的因果关系。方法 分别调取全基因组关联研究（GWAS）数据库建库至2024年2月1日结直肠癌和脓毒症的GWAS数据集。以结直肠癌、脓毒症互为暴露因素、结局因素进行MR分析。设置P<5.0×10-8,r2<0.001,遗传距离10 000 kb,筛选出与暴露因素显著相关的单核苷酸多态性（SNP）;在结局变量的GWAS数据集中提取与暴露因素相关的显著SNP,最终得到工具变量,以逆方差加权法（IVW）为主要方法进行因果推断;采用MR-Egger法、MR-PRESSO检验水平多效性;采用IVW法、MR-Egger法检验异质性;采用留一法进行敏感性分析,检验结果是否稳健。结果 以结直肠癌为暴露因素、脓毒症为结局变量,共筛选出30个SNP（F>10）,结直肠癌与脓毒症存在因果关系（OR=28.955,95%CI:1.215～690.052,P=0.037）;以脓毒症为暴露因素、结直肠癌为结局变量,共筛选出14个SNP（F>10）,结直肠癌与脓毒症不存在因果关系（OR=0.999,95%CI:0.997～1.002,P=0.674）。两次MR分析中工具变量不存在水平多效性;工具变量之间不存在异质性,MR分析结果稳健。结论 结直肠癌与脓毒症风险增加有因果关系,而脓毒症与结直肠癌风险增加不存在因果关系。

关键词： 混合动力车辆   滑摩起动   扭矩实时估计  

摘要： 混合动力车辆中的滑摩起动过程中，需要通过离合器滑摩作用进行发动机的拖起。然而，离合器滑动摩擦性质会随温度、转速差等因素发生变化，使离合器滑摩扭矩的实际值与名义值之间出现极大的偏差，导致基于离合器滑摩扭矩名义值的滑摩起动控制与补偿失效。据此，提出一种基于未知输入观测器的扭矩实时估计方法用于估计滑摩起动过程中离合器滑摩扭矩。由于滑摩起动过程中离合器两端转速差会急剧减小，湿式离合器润滑油带来的黏性摩擦阻力不可忽略，因此建立基于“库伦+黏性”摩擦的离合器滑摩扭矩模型，并进行试验验证。开展台架试验，对不同油温和初始转速差工况下滑摩起动过程中的离合器滑摩扭矩进行实时估计，结果显示该估计算法有较好的精度。

关键词： 非工作时间电子通信期望   挑战型压力评价   阻碍型压力评价   薪酬互依性   工作绩效  

摘要： 在万物互联的时代，非工作时间电子通信期望（after-hours electronic communication expectations,AECE）十分普遍。尽管前沿研究已经从领导的视角探讨了AECE的影响，但对同事视角下AECE的关注仍然相对有限。基于压力认知评价理论，本文认为同事AECE会让员工产生挑战型和阻碍型压力评价，从而对员工工作绩效产生积极与消极的影响。其中，薪酬互依性是关键的调节变量：在薪酬互依性较高时，同事AECE会让员工产生挑战型压力评价，提高其工作绩效；在薪酬互依性较低时，同事AECE会让员工产生阻碍型压力评价，进而降低其工作绩效。通过对一家建筑行业公司的328名员工及其65名直接领导进行的两个时间点的问卷调研，多层路径分析结果支持上述假设。通过引入压力认知评价理论探讨同事AECE对员工工作绩效的“双刃剑”效应，本研究丰富了非工作时间电子通信领域的研究视角。此外，本研究的结论也能为企业与员工在实践中更有效地应对AECE提供有价值的启示。

关键词： 容量再生   局部波动分量   傅里叶变换   支持向量机  

摘要： 锂电池因其高能量密度、生命周期长等优点，已广泛应用于电动汽车、储能系统和便携设备等领域。然而，锂电池在使用过程中不可避免地会出现容量再生现象，这一现象会影响电池健康状态的评估精度。针对这一问题，本文提出了一种结合变分模态分解和生成对抗网络的电池健康状态估计方法，以降低容量再生现象对电池健康状态评估精度的影响。具体而言，首先通过变分模态分解对锂电池在放电过程中反映容量再生现象的等压降放电时间特征量进行多尺度分解，并根据皮尔逊相关系数分析，分离出主退化趋势分量与局部波动分量，以更好地表征电池健康状态。主退化趋势分量反映了电池整体退化的趋势，而局部波动分量则反映了容量再生现象引起的局部变化特性。接着，为了进一步增强局部波动分量中与容量再生现象相关的特征，对其进行傅里叶变换，提取其中反映容量再生现象的中低频段分量。针对这些频段的分量，使用生成对抗网络进行数据生成，将生成的数据与变分模态分解后的多特征结合，构建新的多特征集。然后，采用支持向量机算法对新的多特征集进行训练，实现对锂电池健康状态的准确估计。最后，基于NASA数据集和CALCE数据集进行验证实验。实验结果表明，所提出的方法相比于传统方法，均方根误差均能控制在4.5%以内，能够有效降低容量再生现象对电池健康评估精度的影响。

关键词： PM   金属   分布特征   源解析   健康风险评估  

摘要： [背景]细颗粒物(PM2.5)中的金属和类金属元素会对人体的呼吸和循环系统造成损伤，长期接触可能导致机体产生慢性中毒和致癌等不良效应。[目的]评估南方某市室外PM2.5中金属和类金属元素的分布特征，进行源解析并评估健康风险，为进一步采取污染控制措施提供理论支撑。[方法]在某市A、B、C区采集PM2.5样品，使用电感耦合等离子体质谱仪（ICP-MS）分析17种金属和类金属元素质量浓度（后简称“浓度”），富集因子结合主成分分析法识别其污染源，运用绝对主成分得分-多元线性回归（APCS-MLR）模型定量解析主要污染源，依据WS/T777—2021《化学物质环境健康风险评估技术指南》评估当地居民的健康风险。[结果]某市PM2.5浓度呈春冬季偏高、夏秋季偏低趋势，A、B、C区PM2.5年均浓度分别为36.7、31.9、24.4μg·m-3,B、C区未超过GB 3095-2012《环境空气质量标准》二级标准限值。镉（Cd）、铝（Al）、锑（Sb）的富集因子>10，铜（Cu）、铅（Pb）、砷（As）、镍（Ni）、汞（Hg）、钼（Mo）的富集因子在1～10之间，锰（Mn）、钒（V）、铬（Cr）、钴（Co）、钡（Ba）、铍（Be）、铀（U）的富集因子≤1。源解析综合评价，A、C区和总体主要污染源是燃煤源，B区主要污染源是燃煤源，其次是工业工艺过程源、扬尘源。PM2.5中Cr和As致癌风险在1×10-6～1×10-4之间，15种金属和类金属慢性非致癌风险危险商均<1。[结论]某市PM2.5中Cr和As具有一定的致癌风险，应引起关注；针对工业、扬尘和燃煤等可能污染源采取有效防控措施。

关键词： 风量   超长鸡舍   夏季通风   气流组织   温度分布  

摘要： 为研究风量对禽舍热舒适性的影响，试验采用CFD技术分析了四种工况下鸡舍内气流组织和温度分布，四种工况分别是运行18台风机、16台风机、14台风机和12台风机。结果显示：4种方案均显示距离风机约80 m范围内，舍内风速基本相等；而80 m外，舍内风速随着与风机距离的增加而线性减小；随着风量的减小，气流组织趋于均匀，即长度、垂直和宽度方向上风速的标准偏差均变小。随风量的减小，温度分布在长度方向上变得更不均匀，在宽度和垂直方向上无明显影响。研究结果表明，风量的改变可以改善夏季超长鸡舍内风速和温度分布的均匀性。

关键词： 超短基线   冰下   时延估计   脉冲噪声  

摘要： 冰层的散射和冰下脉冲噪声会影响超短基线系统时延估计精度，进而影响超短基线系统的定位性能。针对这一问题，该文提出一种基于首达径时延估计抗冰下脉冲噪声的超短基线定位算法。该算法利用了极地半声道下稳健的首达径时延结构，采用自适应调整阈值的Huber损失函数来抵抗脉冲噪声带来的异常点，通过对信号残差不断进行匹配更新，逐步寻找不同的到达径时延，最终得到首达径时延的估计，实现目标的坐标估计。冰下仿真实验表明，所提算法能有效抵抗脉冲噪声带来的干扰，同时具有较强的鲁棒性，显著提高了冰下超短基线定位的精度。

关键词： 乡村振兴   六产融合   场景营造  

摘要： 在扩面增量乡村振兴的背景下,文章通过分析现状资源和研究相似案例,寻找新的发展路径思路,推动新安村田园综合体从村级发展到片区级,打造以产业发展为核心六产融合的复合型和美乡村.策划和营造八大场景,打造片区全景业态,探索乡村振兴高质量发展的新路径.

关键词： 生成对抗网络   行人视频异常事件检测   深度学习   人工智能  

摘要： 视频监控系统在安全和监督领域扮演着至关重要的角色，如何在不需要人为干预的情况下从视频中自动精准识别具有潜在安全威胁的行人非正常行为或事件，减少对大量视频监控画面的人工审查压力，是目前计算机视觉领域的研究热点之一。近年来人工智能技术的快速发展使得视频异常检测技术得到了大幅提升，但对于多变、多样环境下异常与正常行为细微差异区分还存在挑战。本文构建了一种新的双向预测BiP-GAN（Bidirectional prediction GAN）视频行人异常检测模型。该模型主要包括CCA-UNet生成器和Globle-Patch判别器，利用光流模型在光流变化及图像序列运动特征的捕获优势，将其用于生成器和判别器的损失函数计算。CCA-UNet生成器以经典U-Net模块为基础，通过引入CCA（CrossCirssAttention）模块增强模型对视频行为关键特征的识别能力。Globle-Patch通过结合Globle判别器和Patch判别器在全局和局部特征的感受优势，提高模型全局及局部的特征感受能力，提高模型的鲁棒性和准确性。BiP-GAN的预训练策略采用前4帧正向预测和后4帧反向预测的双向预测模式，使模型更好地结合图像序列的上下文特征生成图像质量更好的预测帧。另外，BiP-GAN采用Warm-up与CAF（Cosine Annealing Function余弦退火学习率函数）相结合的学习率衰减方法，加快模型寻找全局最优解，从而节省计算资源。实验利用公开数据集CUHK Avenue、UCSD ped2和ShanghaiTech对BiP-GAN进行了验证和分析，其AUC平均值为：87.3，96.2，73.9，均高于已有baseline模型（如：Ada-GAN；Con-GAN；Mul-GAN）。消融实验表明CCA-UNet生成器、Globle-Patch判别器、双向预测策略以及warm-up与CAF结合的学习率衰减方法对于模型的有效性。