用于機(jī)械信號(hào)的魯棒性觀測(cè)矩陣優(yōu)化框架。基于該優(yōu)化框架，推導(dǎo)出一種比現(xiàn)有求解方法計(jì)算復(fù)雜度更低的解析解，提高了優(yōu)化觀測(cè)矩陣的求解速度。數(shù)值仿真和實(shí)驗(yàn)結(jié)果表明，所提方法得到的優(yōu)化觀測(cè)矩陣具有良好的魯棒性和更高的計(jì)算效率，相比現(xiàn)有的優(yōu)化觀測(cè)矩陣和常用的隨機(jī)矩陣，所提方法可以在更低的信噪比和壓縮比下有效地重構(gòu)機(jī)械故障信號(hào)。關(guān)鍵詞 故障診斷; 軸承; 壓縮感知; 觀測(cè)矩陣優(yōu)化設(shè)計(jì); 魯棒性引 言旋轉(zhuǎn)機(jī)械的振動(dòng)信號(hào)蘊(yùn)含著豐富的設(shè)備運(yùn)行信息，對(duì)關(guān)鍵部件的運(yùn)行狀態(tài)進(jìn)行在線

精確度、較好的魯棒性，可在很大程度上減少氨氣的逃逸率。關(guān)鍵詞：煙氣脫硝;SCR系統(tǒng);CPSO;逃逸率;魯棒性中圖分類號(hào)：TK39 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1001-5922（2022）07-0089-04Optimal modeling and simulation of ammonia injection in fluegas denitration control system of thermal power plantXIAO Jun（Jia

精確度、較好的魯棒性，可在很大程度上減少氨氣的逃逸率。關(guān)鍵詞：煙氣脫硝;SCR系統(tǒng);CPSO;逃逸率;魯棒性中圖分類號(hào)：TK39 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1001-5922（2022）07-0089-04Optimal modeling and simulation of ammonia injection in fluegas denitration control system of thermal power plantXIAO Jun（Jia

;冷啟動(dòng)問題;魯棒性;互信息中圖分類號(hào)：TP181文獻(xiàn)標(biāo)志碼：A為了解決大數(shù)據(jù)時(shí)代的數(shù)據(jù)過載問題，推薦系統(tǒng)在近些年已經(jīng)被學(xué)術(shù)界廣泛關(guān)注而且也在現(xiàn)實(shí)生活中獲得了大量的部署。為了更好給新用戶推薦新產(chǎn)品（即解決推薦系統(tǒng)中的冷啟動(dòng)問題）[1]，研究者們提出了跨域推薦系統(tǒng)使用多用戶領(lǐng)域（一般稱為源域）的數(shù)據(jù)去解決少用戶領(lǐng)域（一般稱為目標(biāo)域）的推薦問題[2-3]?，F(xiàn)有的跨域推薦系統(tǒng)主要分為兩種類型[4]：第一種類型通過將來自多個(gè)域的數(shù)據(jù)集以通用的格式（例如，一個(gè)通用的

，提升了系統(tǒng)的魯棒性，對(duì)配電網(wǎng)安全穩(wěn)定運(yùn)行分析有著非常重要的意義。關(guān)鍵詞：配電網(wǎng);狀態(tài)估計(jì);魯棒性中圖分類號(hào)：TM732? 文獻(xiàn)標(biāo)志碼：A? 文章編號(hào)：1671-0797（2022）11-0016-03DOI：10.19514/j.cnki.cn32-1628/tm.2022.11.0050? ? 引言配電系統(tǒng)的快速發(fā)展也對(duì)其安全穩(wěn)定運(yùn)行帶來了一定的挑戰(zhàn)。近年來，隨著配電系統(tǒng)的結(jié)構(gòu)日趨復(fù)雜化，其監(jiān)視系統(tǒng)也在穩(wěn)步發(fā)展。但受限于量測(cè)誤差和系統(tǒng)傳輸誤差等因素，直

態(tài);仿射變換;魯棒性中圖分類號(hào)：TP391? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）21-0070-03開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：人臉識(shí)別是計(jì)算機(jī)圖像處理領(lǐng)域一個(gè)重要的研究方向，在智能安檢、案件偵查、移動(dòng)支付等領(lǐng)域得到了廣泛應(yīng)用。在身份鑒定方面，相比于指紋識(shí)別和虹膜識(shí)別等，人臉識(shí)別對(duì)人體姿態(tài)配合度的要求低，檢測(cè)方便快捷，具有非侵入式，遠(yuǎn)距離且方式友好等優(yōu)勢(shì);人臉識(shí)別技術(shù)難度更大，首先人臉的特征復(fù)雜度相對(duì)更高，而且圖像特

而導(dǎo)致的跟蹤器魯棒性變差的問題，提出一種基于深度相機(jī)和卡爾曼濾波的人體目標(biāo)跟蹤方法，在深度圖像下，基于人體骨架關(guān)鍵點(diǎn)，將人體目標(biāo)分解成若干個(gè)關(guān)鍵點(diǎn)的位置狀態(tài)，分別建立各關(guān)鍵點(diǎn)運(yùn)動(dòng)的數(shù)學(xué)模型，通過卡爾曼濾波器的跟蹤，增加了人體目標(biāo)跟蹤不確定性的描述，提高了對(duì)遮擋、識(shí)別錯(cuò)誤等不利因素的魯棒性。關(guān)鍵詞：人體目標(biāo);深度相機(jī);卡爾曼濾波;魯棒性中圖分類號(hào)：TP391? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? ? ? ? ?

器對(duì)各種干擾的魯棒性。仿真結(jié)果表明，在高光譜數(shù)據(jù)集上，跟蹤器FRHT的速度和精度顯著優(yōu)于KCF，SAMF和CSR-DCF等傳統(tǒng)跟蹤算法，精度提升2%以上; 引入運(yùn)動(dòng)目標(biāo)檢測(cè)機(jī)制后，算法魯棒性得到改善。關(guān)鍵詞：???? 目標(biāo)跟蹤; 目標(biāo)特征; 高光譜; 相關(guān)濾波; 注意力機(jī)制; 魯棒性 中圖分類號(hào)：???? TJ760; TN911.73 文獻(xiàn)標(biāo)識(shí)碼：??? A文章編號(hào)：???? 1673-5048（2022）02-0039-06DOI： 10.12132/

蹤控制的性能和魯棒性。關(guān)鍵詞：永磁同步電機(jī);改進(jìn)型滑模觀測(cè)器;自抗擾控制;魯棒性;估計(jì)精度中圖分類號(hào)：TM351? ? ? ? ? ?DOI：10.16375/j.cnki.cn45-1395/t.2022.02.0070? ? 引言近年來，永磁同步電機(jī)（permanent magnet? synchronous motor，PMSM）調(diào)速系統(tǒng)廣泛應(yīng)用于純電動(dòng)汽車、機(jī)器人、工業(yè)傳動(dòng)等領(lǐng)域。PMSM控制系統(tǒng)普遍采用機(jī)械式傳感器檢測(cè)反饋電機(jī)的轉(zhuǎn)子狀態(tài)（速度和位

系統(tǒng)具備良好的魯棒性和抗干擾性;研制了重量為14 kg的實(shí)驗(yàn)樣機(jī)并完成了優(yōu)化控制策略前后電力作動(dòng)器穩(wěn)態(tài)、動(dòng)態(tài)性能的對(duì)比驗(yàn)證實(shí)驗(yàn)。結(jié)果表明，優(yōu)化控制策略下的作動(dòng)器輸出力動(dòng)穩(wěn)態(tài)性能滿足各項(xiàng)技術(shù)指標(biāo)要求。關(guān)鍵詞：振動(dòng)控制;消振電力作動(dòng)器;并行獨(dú)立控制;負(fù)載前饋控制;魯棒性中圖分類號(hào)：TB535;V211.52文獻(xiàn)標(biāo)志碼：A文章編號(hào)：10044523（ 2022）01-0209-11DOI： 10.16385/j .cnki.issn.10044523.2022.

較強(qiáng)的實(shí)時(shí)性和魯棒性，很大程度提升了雷達(dá)互引導(dǎo)功能的實(shí)用性。關(guān)鍵詞：實(shí)時(shí)引導(dǎo)；數(shù)據(jù)融合；支持度；魯棒性中圖分類號(hào)：TP212.9文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1008-1739（2022）23-55-4 0引言國(guó)內(nèi)各衛(wèi)星測(cè)控地面站內(nèi)均部署有多套雷達(dá)測(cè)量設(shè)備，執(zhí)行空間站等重大任務(wù)時(shí)，站內(nèi)多套雷達(dá)需同時(shí)跟蹤同一飛行器目標(biāo)。飛行器可見弧段內(nèi)，各雷達(dá)均基于軌道動(dòng)力學(xué)模型事先計(jì)算出的理論彈道作為引導(dǎo)數(shù)據(jù)源，引導(dǎo)雷達(dá)捕獲跟蹤目標(biāo)飛行器。當(dāng)某套雷達(dá)理論彈道數(shù)據(jù)無效或飛行器偏離

模型具有較好的魯棒性。關(guān)鍵詞：少樣本學(xué)習(xí);農(nóng)作物識(shí)別;數(shù)據(jù)增強(qiáng);魯棒性中圖分類號(hào)：TP311? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-1472（2022）-01-10-04Abstract： In order to solve the problem of crop object intelligent detection in the process of unmanned farmland patrol inspection， this paper

面向?qū)构舻?span id="j5i0abt0b" class="hl">魯棒性語音情感識(shí)別方法，用于實(shí)現(xiàn)帶有噪聲的情感語音的分類。首先采用快速梯度符號(hào)法生成對(duì)抗數(shù)據(jù)，然后將真實(shí)數(shù)據(jù)和對(duì)抗數(shù)據(jù)進(jìn)行混合，再將混合數(shù)據(jù)輸入防御模塊中進(jìn)行模型的對(duì)抗攻擊訓(xùn)練。最后，在IEMOCAP數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，該方法用于語音情感識(shí)別能有效提高深度學(xué)習(xí)模型的魯棒性和識(shí)別準(zhǔn)確率。關(guān)鍵詞：語音情感識(shí)別;魯棒性;對(duì)抗攻擊中圖分類號(hào)：TP391? ? ?文獻(xiàn)標(biāo)識(shí)碼：AA Robust Speech Emotion Recognition

，并具有較強(qiáng)的魯棒性.關(guān)鍵詞：實(shí)時(shí)混合試驗(yàn);時(shí)滯;H∞控制;魯棒性;不確定性中圖分類號(hào)：TU317? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)志碼：ANumerical Study of Robust Time-delay CompensationMethod for Real-time Hybrid SimulationNING Xizhan1，2，HUANG Wei1（1. College of Civil Engineering，Hua

系統(tǒng)穩(wěn)態(tài)特性與魯棒性。關(guān)鍵詞：永磁同步電機(jī);二階自抗擾;魯棒性;電機(jī)參數(shù)模型0 ? ?引言交流永磁同步電機(jī)以其效率高、功率密度高等優(yōu)點(diǎn)，被廣泛應(yīng)用于工業(yè)控制中。同時(shí)，交流永磁同步電機(jī)控制系統(tǒng)是一個(gè)典型的非線性、強(qiáng)耦合的系統(tǒng)，很難用準(zhǔn)確的數(shù)學(xué)模型描述，因此多采用傳統(tǒng)的PID實(shí)現(xiàn)伺服控制，并取得一定的控制效果，但該系統(tǒng)易受到電機(jī)參數(shù)失配和負(fù)載擾動(dòng)的影響，很難滿足更高要求的伺服控制場(chǎng)合[1-2]。為了提高伺服系統(tǒng)性能，解決常規(guī)PID控制策略存在的問題，許多科研人

加載關(guān)系對(duì)網(wǎng)絡(luò)魯棒性的影響。研究結(jié)果表明，網(wǎng)內(nèi)關(guān)系和加載關(guān)系共同影響著網(wǎng)絡(luò)級(jí)聯(lián)失效的過程及規(guī)模，復(fù)合網(wǎng)絡(luò)中兩子網(wǎng)拓?fù)浣Y(jié)構(gòu)不同，網(wǎng)內(nèi)關(guān)系對(duì)網(wǎng)絡(luò)的影響不同;加載關(guān)系強(qiáng)度占比越大，網(wǎng)絡(luò)魯棒性越強(qiáng)。關(guān)系強(qiáng)度比例對(duì)網(wǎng)絡(luò)故障規(guī)模存在決定性影響。關(guān)鍵詞：級(jí)聯(lián)失效，耦合網(wǎng)絡(luò)，多關(guān)系網(wǎng)絡(luò)，多子網(wǎng)復(fù)合復(fù)雜網(wǎng)絡(luò)模型，魯棒性中圖分類號(hào)：TP391文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1006-1037（2021）03-0028-10隨著科學(xué)技術(shù)的進(jìn)步，系統(tǒng)科學(xué)[1-3]蓬勃發(fā)展，給人們帶來了巨

且其方案不具備魯棒性。復(fù)雜環(huán)境如冬季大霧傳統(tǒng)方案則難以實(shí)現(xiàn)車牌識(shí)別，為此，在霧天條件下提高車牌識(shí)別準(zhǔn)確性和魯棒性是本文的研究重點(diǎn)。本文介紹了大霧天氣下車牌圖像的去霧問題及解決方法通過CNN模型的車牌識(shí)別的實(shí)現(xiàn)方案，提高霧天車牌識(shí)別的效率，且具備魯棒性。關(guān)鍵詞：車牌識(shí)別;魯棒性;CNN;圖像處理0 引言 隨著社會(huì)的進(jìn)步，人們生活水平地提高，越來越多的人選擇開私家車出行的方式，車輛增多帶來了智能高效的車牌識(shí)別問題。傳統(tǒng)的識(shí)別方法包括模板匹配，支持向量機(jī)等模板

絡(luò)特征并分析其魯棒性。首先，利用聯(lián)合國(guó)統(tǒng)計(jì)司發(fā)布的2019年糧食貿(mào)易數(shù)據(jù)構(gòu)建了全球糧食貿(mào)易網(wǎng)絡(luò)，通過計(jì)算網(wǎng)絡(luò)特征參數(shù)分析國(guó)際糧食貿(mào)易的特性;然后，評(píng)價(jià)貿(mào)易網(wǎng)絡(luò)中的重要節(jié)點(diǎn)，選擇魯棒性分析指標(biāo);最后，計(jì)算不同攻擊方式下的魯棒性指標(biāo)，分析不同攻擊下的糧食貿(mào)易網(wǎng)絡(luò)魯棒性。結(jié)果表明：糧食貿(mào)易網(wǎng)絡(luò)的節(jié)點(diǎn)在面對(duì)隨機(jī)攻擊時(shí)擁有較好的魯棒性，在目標(biāo)攻擊下表現(xiàn)出脆弱性。通過研究，可以為國(guó)際糧食貿(mào)易參與國(guó)糧食供給安全提供參考。[關(guān)鍵詞]糧食貿(mào)易;復(fù)雜網(wǎng)絡(luò);糧食安全;魯棒性[中

語音識(shí)別系統(tǒng)的魯棒性。文章的研究結(jié)果，對(duì)未來開發(fā)魯棒性強(qiáng)的自動(dòng)語音識(shí)別系統(tǒng)，具有一定的借鑒價(jià)值。關(guān)鍵詞：自動(dòng)語音識(shí)別;質(zhì)量下降;窄帶網(wǎng)絡(luò);MFCC特征;魯棒性中圖分類號(hào)：TP37 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1674-1064（2021）03-037-03DOI：10.12310/j.issn.1674-1064.2021.03.017自動(dòng)語音識(shí)別是指，利用軟件確定說話人身份的一種技術(shù)。低成本計(jì)算機(jī)和強(qiáng)大性能處理器的出現(xiàn)，使之成為一種經(jīng)濟(jì)的語音生物學(xué)識(shí)別方式，

系統(tǒng)SMIS的魯棒性是發(fā)展智能制造的瓶頸問題?；诖耍疚木蚐MIS系統(tǒng)的魯棒性分析和控制策略展開論述，以期找到合適的解決方法，為智能制造系統(tǒng)轉(zhuǎn)型升級(jí)提供一點(diǎn)有意義的參考。關(guān)鍵詞：智能制造信息系統(tǒng);魯棒性;控制策略Abstract： At present， China's manufacturing industry is in the critical period of transformation， and the robustness of int

管理;穩(wěn)定性;魯棒性中圖分類號(hào)：U463.6;TP393? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-4706（2021）15-0054-06Abstract： This paper explains the importance of life cycle management from the perspective of the development of future automotive controllers， analy

結(jié)果表明，改進(jìn)魯棒性SVM方法下所訓(xùn)練模型對(duì)未來煙葉顏色等級(jí)的識(shí)別率比HL-SVM方法的識(shí)別率高6.29%。關(guān)鍵詞：煙葉顏色分級(jí);支持向量機(jī);分類模型;魯棒性0 引言近年來，基于煙葉圖像特征分級(jí)的研究已經(jīng)有大量文獻(xiàn)報(bào)道[1-3]，在圖像特征基礎(chǔ)上，提取煙葉顏色特征，運(yùn)用神經(jīng)網(wǎng)絡(luò)[1]、支持向量機(jī)（SVM）[2-3]等分類方法對(duì)煙葉進(jìn)行分級(jí)，取得了一定的效果。研究結(jié)果顯示，SVM模型相較神經(jīng)網(wǎng)絡(luò)模型，表現(xiàn)出了更好的泛化能力。然而SVM模型也存在問題，如SVM

的不可感知性、魯棒性和密鑰安全性，能夠達(dá)到保護(hù)數(shù)字圖像的目的。關(guān)鍵詞： 圖像水印; 混沌映射; 離散余弦變換; 人類視覺系統(tǒng); 魯棒性中圖分類號(hào)：TP309.7? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：1006-8228（2020）12-10-04Abstract： A watermarking algorithm of digital image based on Discrete Cosine Transform （DCT） is propo

算法具有較好的魯棒性，能夠消除一定的干擾和外界因素影響，從而驗(yàn)證了該算法的有效性和優(yōu)越性。關(guān)鍵詞：移動(dòng)機(jī)器人;自適應(yīng)模糊;滑模控制;魯棒性中圖分類號(hào)： TP242 ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2020）31-0219-03Abstract：During the movement of the mobile robot， there are interference and external factors， which mak

習(xí);連續(xù)系統(tǒng);魯棒性;不確定性中圖分類號(hào)：O232文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-5168（2020）28-0012-03Optimal Control Analysis of Continuous Linear Uncertain SystemsBased on Integral Reinforcement LearningCHEN Yu（College of Innovation and Entrepreneurship， Liaoning Univ

線性;控制器;魯棒性DOI： 10.25165/j.ijabe.20201302.4506引用信息： ?Liu Z D， Zheng W X， Wang N， Lyu Z Q， Zhang W Z. ?Trajectory tracking control of agricultural vehicles based on disturbance test. ?Int J Agric & Biol Eng， 2020; 13（2）： 138–145.

習(xí);離散系統(tǒng);魯棒性中圖分類號(hào)：TP181;TP13 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2020）12-0010-04Abstract：The necessity of robust non-strategic Q-learning research for discrete systems is analyzed and verified. First，the optimal control problem is proposed，

攻擊具有良好的魯棒性。關(guān)鍵詞：零水印;強(qiáng)剪切;NMF;Sobel算子邊緣檢測(cè);魯棒性中圖分類號(hào)：TP309 ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2020）25-0015-04Abstract： For copyright protection of multimedia resources and the ability enhancement of zero watermark algorithm to resist strong

全局尋優(yōu); 魯棒性; 收斂速度中圖分類號(hào)： TN911.1?34; TP391? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）19?0118?04Abstract： In view that the K?means clustering algorithm is simple and its convergence speed is fast， an unsupervi

遮擋具有一定的魯棒性。關(guān)鍵詞：人臉識(shí)別;稀疏表示;魯棒性中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2020）17-0179-01開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（0SID）：1 引言隨著科學(xué)技術(shù)的發(fā)展，人臉識(shí)別技術(shù)快速發(fā)展并得到了廣泛應(yīng)用。人臉識(shí)別是計(jì)算機(jī)視覺與模式識(shí)別領(lǐng)域一個(gè)重要問題，一直都是研究的熱點(diǎn)，在公共安全、人機(jī)交互、自助服務(wù)等領(lǐng)域中都有著重要的應(yīng)用。經(jīng)過幾十年的發(fā)展，基于圖像的人臉識(shí)別技術(shù)已經(jīng)獲得了巨大的進(jìn)步，在理想條件下，人

性矩陣不等式;魯棒性中圖分類號(hào)：U461.6 ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? 文章編號(hào)：1006-8023（2020）05-0092-07Abstract：In order to make active air suspension have a better vibration control effect while driving， dynamic equation of parameter uncertainty two-degree-of-freedo

受噪聲影響小，魯棒性強(qiáng)。關(guān)鍵詞：模糊C均值聚類算法;拉普拉斯系數(shù);緊湊性;魯棒性中圖分類號(hào)：TP391.9 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-8228（2020）08-75-040 引言聚類技術(shù)是一種對(duì)有限類型的集合或聚類集合進(jìn)行搜索、識(shí)別、描述的數(shù)據(jù)挖掘技術(shù)。聚類分析是數(shù)據(jù)挖掘的一個(gè)重要功能，它可以獲得數(shù)據(jù)的分布情況，從而觀察到每個(gè)簇的特征，并對(duì)某些特定的簇進(jìn)行集中分析。此外，聚類分析可以作為其他算法的預(yù)處理步驟（特征提取和分類等），大大提高了這些算法

好，具有較強(qiáng)的魯棒性。關(guān)鍵詞：模糊神經(jīng)網(wǎng)絡(luò);永磁同步電動(dòng)機(jī);魯棒性0 引言傳統(tǒng)的永磁同步電動(dòng)機(jī)（PMSM）驅(qū)動(dòng)系統(tǒng)中，速度控制器采用參數(shù)固定的控制器，如比例積分控制器（PI）。永磁同步電動(dòng)機(jī)的設(shè)計(jì)參數(shù)對(duì)控制系統(tǒng)影響較大，由于模糊控制推理方式類似于人的思維模式，已有相關(guān)文獻(xiàn)將模糊控制器應(yīng)用于PMSM驅(qū)動(dòng)系統(tǒng)中[1-2]。同時(shí)，神經(jīng)網(wǎng)絡(luò)具備良好的自適應(yīng)學(xué)習(xí)能力，所以在PMSM驅(qū)動(dòng)系統(tǒng)的理論研究中，相關(guān)文獻(xiàn)將神經(jīng)網(wǎng)絡(luò)控制器應(yīng)用于永磁同步電動(dòng)機(jī)的控制系統(tǒng)中[3]。

過程，增強(qiáng)系統(tǒng)魯棒性，使溫度控制系統(tǒng)更加智能化。關(guān)鍵詞：相變;固態(tài)儲(chǔ)熱裝置;模糊自適應(yīng)PID;魯棒性0? ? 引言隨著國(guó)家新能源戰(zhàn)略的提出，蓄熱式電鍋爐得到飛速發(fā)展，尤其是在我國(guó)北方地區(qū)，固態(tài)蓄熱式電鍋爐已得到廣泛應(yīng)用。電鍋爐采取電加熱管組逐級(jí)投切方式，很好地解決了清潔能源消納的問題，同時(shí)對(duì)電網(wǎng)調(diào)峰也有很大幫助[1]。蓄熱式電鍋爐其主要工作原理是把電能轉(zhuǎn)換為熱能存儲(chǔ)于蓄熱體內(nèi)，在需要時(shí)再利用熱交換釋放熱能。蓄熱式電鍋爐的工作過程可以分為加熱階段、蓄熱階段、

績(jī)效評(píng)估方法的魯棒性是指模型內(nèi)部參數(shù)或環(huán)境參數(shù)發(fā)生變化時(shí)，運(yùn)用績(jī)效評(píng)估方法使得政府應(yīng)對(duì)社會(huì)安全事件績(jī)效評(píng)估的結(jié)果能夠保持相對(duì)穩(wěn)定的能力。本文基于相關(guān)理論，深入剖析地方政府應(yīng)對(duì)行為績(jī)效評(píng)估方法魯棒性分析的參數(shù)內(nèi)涵，并討論參數(shù)的變化規(guī)律，采用Kendall和諧系數(shù)作為績(jī)效評(píng)估方法魯棒性分析的度量指標(biāo)，為提高地方政府應(yīng)對(duì)社會(huì)安全事件績(jī)效評(píng)估方法的魯棒性提供方法依據(jù)?！娟P(guān)鍵詞】績(jī)效評(píng)估方法? 魯棒性? 社會(huì)安全事件一、引言選擇科學(xué)的方法評(píng)價(jià)政府應(yīng)對(duì)社會(huì)安全事件的績(jī)

控制具有較好的魯棒性、穩(wěn)定性和較強(qiáng)的實(shí)時(shí)性。關(guān)鍵詞：吊車;線性自抗擾控制;魯棒性;LQR控制中圖分類號(hào)：TP391 ? 文獻(xiàn)標(biāo)識(shí)碼：A ? ? 文章編號(hào)：1007-9416（2020）06-0000-00橋式吊車作為一種大型的現(xiàn)代搬運(yùn)工具，在建筑工程中廣泛使用。本文根據(jù)吊車擺動(dòng)過程中存在控制時(shí)間長(zhǎng)，擺角幅度大等問題。由于非線性自抗擾控制器[1]存在整定參數(shù)多，調(diào)參相對(duì)復(fù)雜，故使用線性自抗擾控制器，不僅控制效果佳且應(yīng)用廣泛。1 吊車試驗(yàn)平臺(tái)數(shù)學(xué)模型選擇某公司

估，為系統(tǒng)整體魯棒性的提高提供了有力的決策依據(jù)。Abstract： Based on the characteristics of strong dependence of node enterprises in the process of collaborative design and development for complex product， this paper establishes an inoperable input-output

，并具有更強(qiáng)的魯棒性。關(guān)鍵詞：Z源逆變器;直流鏈電壓;自抗擾控制;fal函數(shù);魯棒性DOI：10.15938/j.jhust.2020.06.011中圖分類號(hào)： TM464文獻(xiàn)標(biāo)志碼： A文章編號(hào)： 1007-2683（2020）06-0077-08DC Link Voltage Control of Enhanced Bidirectional ZSource Inverter with Improved ADRCYAN Jing-bin， PIAO J

法經(jīng)實(shí)驗(yàn)驗(yàn)證，魯棒性較好。關(guān)鍵詞：ViBe算法;粒子濾波;多目標(biāo)跟蹤;Harris算法;魯棒性;前景檢測(cè)中圖分類號(hào)：TP391文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-1302（2020）04-00-020 引 言圖像處理在車輛跟蹤方面具有廣泛的應(yīng)用。常用的檢測(cè)算法如幀間差分法、光流法、背景差分法等[1]，其特點(diǎn)如下所示：（1）幀間差分法對(duì)于目標(biāo)運(yùn)動(dòng)快慢較為敏感;（2）光流法在復(fù)雜背景下的目標(biāo)跟蹤準(zhǔn)確性好，但計(jì)算復(fù)雜，且抵抗噪聲能力較差[2];（3）背景差分法適用

動(dòng)態(tài)電阻控制的魯棒性水平較高，控制結(jié)果準(zhǔn)確可靠，提高了汽車點(diǎn)焊動(dòng)態(tài)電阻的量化分析能力。關(guān)鍵詞：機(jī)器學(xué)習(xí);汽車點(diǎn)焊;動(dòng)態(tài)電阻;優(yōu)化控制;魯棒性Abstract： In order to improve the control ability of automotive spot welding dynamic resistance， a machine learning based automotive spot welding dynamic resist

物的仿真效果，魯棒性強(qiáng)。關(guān)鍵詞： 自適應(yīng)網(wǎng)格重劃分;質(zhì)點(diǎn)彈簧模型;邊緣曲率;織物動(dòng)態(tài)模擬;魯棒性中圖分類號(hào)： TS101.91; TS101.91文獻(xiàn)標(biāo)志碼： A文章編號(hào)： 10017003（2020）04003505引用頁碼： 041107DOI： 10.3969/j.issn.1001-7003.2020.04.007（篇序）Fabric dynamic simulation based on adaptive remeshingLI Shuangsh

制確保了系統(tǒng)的魯棒性，模糊邏輯估計(jì)了控制律的非線性方程，提高了控制器的有效性，同時(shí)降低了系統(tǒng)的計(jì)算體量。仿真和實(shí)驗(yàn)結(jié)果表明，在自適應(yīng)模糊終端協(xié)同控制方法下，開關(guān)磁阻電機(jī)系統(tǒng)表現(xiàn)出更好的響應(yīng)特性，該控制器對(duì)于開關(guān)磁阻電機(jī)轉(zhuǎn)速和轉(zhuǎn)矩的變化表現(xiàn)出更強(qiáng)的魯棒性，相比于常規(guī)基于遺傳算法的PID控制器具有更好的性能。關(guān)鍵詞：開關(guān)磁阻電機(jī);協(xié)同控制;自適應(yīng)模糊邏輯;魯棒性;PID控制DOI：10.15938/j.emc.2020.03.011中圖分類號(hào)：TM 352文獻(xiàn)

的拓?fù)浣Y(jié)構(gòu)以及魯棒性等特性。本文以荒漠綠洲區(qū)為研究區(qū)，基于復(fù)雜網(wǎng)絡(luò)理論構(gòu)建潛在生態(tài)網(wǎng)絡(luò)，并進(jìn)行增邊優(yōu)化，對(duì)比優(yōu)化前后生態(tài)網(wǎng)絡(luò)抗打擊能力與穩(wěn)定性，即生態(tài)網(wǎng)絡(luò)的魯棒性，通過量化優(yōu)化效果，探求新的生態(tài)網(wǎng)絡(luò)優(yōu)化方法。1 材料與方法1.1 研究區(qū)概況研究區(qū)為烏蘭布和沙漠與河套平原交界處(東經(jīng)106°6′52″～107°22′6″，北緯39°57′5″～40°56′25″)，面積5 923.90 km2，研究區(qū)從東北向西南逐漸由河套平原向?yàn)跆m布和沙漠過渡(圖1)。研究

系統(tǒng)的穩(wěn)定性和魯棒性。Boost變換器的雙閉環(huán)分?jǐn)?shù)階PI控制仿真結(jié)果表明，即使在電源電壓、負(fù)載，以及期望輸出電壓的變化條件下，相比雙閉環(huán)整數(shù)階PI，以及電壓環(huán)分?jǐn)?shù)階PI、電流環(huán)整數(shù)階PI的兩種控制情形，該方法能實(shí)現(xiàn)變換器具有更好的輸出電壓性能和控制魯棒性。關(guān)鍵詞：Boost變換器;分?jǐn)?shù)階：雙閉環(huán);比例積分控制器：魯棒性中圖分類號(hào)：TM46DOI：10.16375/j.cnki.cn45-1395/t.2020.01.0020引言Boost變換器是DC-DC

絡(luò);網(wǎng)絡(luò)結(jié)構(gòu);魯棒性中圖分類號(hào)：TP305文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-1302（2020）01-00-030 引 言作為地球上最多樣化的生命形式，植物的種類數(shù)量已經(jīng)達(dá)到令人瞠目結(jié)舌的程度，在判斷植物類別時(shí)給研究人員帶來了諸多不便。傳統(tǒng)的植物識(shí)別主要依靠專家進(jìn)行判別，當(dāng)植物種類較多時(shí)，就需要大量專家參與，不僅工作量極大，同時(shí)分類結(jié)果也容易受專家主觀因素的影響，導(dǎo)致判別植物種類的正確率有所不同。隨著計(jì)算機(jī)圖像處理技術(shù)的發(fā)展，許多研究者更傾向于將數(shù)字圖像處

摘要：為了保證魯棒性，提高水印的不可感知性，提出了一種基于離散余弦變換（DCT）和奇異值分解（sVD）的數(shù)字水印算法。該算法首先將載體圖像分塊，接著對(duì)每個(gè)分塊進(jìn)行離散余弦變換。然后將水印信息嵌入到每個(gè)分塊的直流區(qū)域。嵌入時(shí)先利用奇異值分解，接著在直流區(qū)域的奇異值對(duì)角矩陣上添加水印的奇異值對(duì)角矩陣信息。實(shí)驗(yàn)結(jié)果表明，算法確保視覺無差異基礎(chǔ)上對(duì)魯棒性有所提升。關(guān)鍵詞：DCT;SVD;直流區(qū)域;魯棒性;數(shù)字水印中圖分類號(hào)：TP309 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：10

換，對(duì)該算法的魯棒性進(jìn)行了改進(jìn)，并對(duì)改進(jìn)后的算法在電子商務(wù)圖像糾紛問題上的應(yīng)用進(jìn)行了研究?！娟P(guān)鍵詞】數(shù)字水印 魯棒性 圖像版權(quán)一、當(dāng)前魯棒數(shù)字水印研究的現(xiàn)狀近年來，數(shù)字水印技術(shù)的實(shí)際應(yīng)用已經(jīng)成為一個(gè)炙手可熱的研究方向，主要包括：水印嵌入、水印攻擊、水印系統(tǒng)應(yīng)用、水印測(cè)評(píng)系統(tǒng)等幾個(gè)方面。針對(duì)不同的應(yīng)用需求，對(duì)這幾個(gè)方面的算法也存在不同的要求，比如，要研究版權(quán)保護(hù)的問題，就要求其算法具有較強(qiáng)的魯棒性。本文要研究的數(shù)字水印算法是基于雙彩色圖像的，也就是要嵌入的水

圖創(chuàng)建時(shí)具有的魯棒性與實(shí)時(shí)性不足等問題，設(shè)計(jì)一種基于圖像特征點(diǎn)的三維地圖創(chuàng)建模式。首先，分析Kinect獲取的RGB數(shù)據(jù)，進(jìn)行誤匹配數(shù)據(jù)的刪除，降低系統(tǒng)匹配算法的迭代次數(shù)，利用Kinect深度數(shù)據(jù)得到對(duì)應(yīng)特征點(diǎn)具有的位置與姿態(tài)。其次，通過ICP算法迭代得到剛體變換矩陣具有的精確配準(zhǔn)操作，獲取室內(nèi)真實(shí)場(chǎng)景之下具有的三維地圖。最后，引入基于TORO圖優(yōu)化算法的檢測(cè)模式，開展具體的仿真，分析其有效性。關(guān)鍵詞：三維地圖;Kinect;魯棒性;閉環(huán)檢測(cè)1 ? ?特征

強(qiáng)系統(tǒng)對(duì)頻偏的魯棒性。結(jié)果表明，該方法能夠在高速移動(dòng)的環(huán)境下，有效消除多徑信道中的干擾和衰落，提高誤碼率和系統(tǒng)性能?！娟P(guān)鍵詞】高速移動(dòng);FBMC-OQAM;魯棒性;系統(tǒng)性能中圖分類號(hào)： TN929.5文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)： 2095-2457（2019）31-0018-002DOI：10.19694/j.cnki.issn2095-2457.2019.31.008Research on FBMC-OQAM Technology in High Spee

構(gòu)豎向連續(xù)倒塌魯棒性，依據(jù)二次四階矩可靠度理論提出隨機(jī)魯棒性指標(biāo)，通過對(duì)比分析隔震結(jié)構(gòu)考慮結(jié)構(gòu)隨機(jī)、地震動(dòng)隨機(jī)性以及同時(shí)考慮結(jié)構(gòu)-地震動(dòng)隨機(jī)性的魯棒性指標(biāo)，揭示隨機(jī)性對(duì)隔震結(jié)構(gòu)豎向連續(xù)倒塌魯棒性的影響，以及PGA對(duì)隔震結(jié)構(gòu)抗豎向連續(xù)倒塌魯棒性產(chǎn)生的作用.研究結(jié)果表明：基于可靠度的隨機(jī)魯棒性指標(biāo)可定量評(píng)估隔震結(jié)構(gòu)抗豎向連續(xù)倒塌能力;若僅考慮結(jié)構(gòu)隨機(jī)或地震動(dòng)隨機(jī)，均會(huì)高估結(jié)構(gòu)抗豎向連續(xù)倒塌能力;此外，隨PGA增大，結(jié)構(gòu)抗豎向連續(xù)倒塌魯棒性下降，強(qiáng)震作用下，隔震

型進(jìn)行可行性和魯棒性驗(yàn)證。關(guān)鍵詞：閉環(huán)供應(yīng)鏈;回收價(jià)格;多目標(biāo)規(guī)劃;魯棒性一、引言一般來說，閉環(huán)供應(yīng)鏈（Closed-loopSupplyChains，CLSC）是指“設(shè)計(jì)、控制和操作一個(gè)系統(tǒng)，使產(chǎn)品在整個(gè)生命周期實(shí)現(xiàn)價(jià)值創(chuàng)造的最大化，并隨著時(shí)間的推移從回收的不同類型和容量中動(dòng)態(tài)的實(shí)現(xiàn)價(jià)值恢復(fù)”的活動(dòng)。當(dāng)前條件下，隨著自然資源逐步減少、以及經(jīng)濟(jì)因素的限制和環(huán)境法律的日趨嚴(yán)格，公司從客戶那里回收產(chǎn)品成為公司生存的重要任務(wù)。并通過這種方式，促進(jìn)經(jīng)濟(jì)發(fā)展與環(huán)境保

融合控制算法的魯棒性仿真研究*朱順蘭?1，黃 蕙1，張四平21重慶工業(yè)職業(yè)技術(shù)學(xué)院 自動(dòng)化學(xué)院,重慶 401120；2中冶賽迪(集團(tuán))電氣技術(shù)有限公司，重慶 400013為了克服控制算法因魯棒性差難以實(shí)現(xiàn)對(duì)不確定性復(fù)雜關(guān)聯(lián)系統(tǒng)控制的缺陷，探討了仿人智能融合控制算法的魯棒性。討論了傳統(tǒng)控制面臨的挑戰(zhàn)，粗略地分析了不確定性復(fù)雜關(guān)聯(lián)系統(tǒng)的控制論特性，研究了系統(tǒng)的仿人智能融合控制策略，針對(duì)具體對(duì)象構(gòu)造了相應(yīng)的控制算法。以二階時(shí)滯對(duì)象控制為例，分別采用PID與仿人智

的問題.糾纏的魯棒性便是反映該能力的一個(gè)量.1999年，Vidal和Tarrach［8］將一個(gè)糾纏態(tài)與可分離態(tài)混合時(shí)當(dāng)糾纏恰好消失時(shí)可分離態(tài)混入的比例稱為該態(tài)的魯棒性.2002年，Simon和Kempe［9］考慮了將處于糾纏態(tài)的qubit置于相互獨(dú)立的環(huán)境中的情況，以完全退糾纏時(shí)噪聲的大小作為糾纏態(tài)的魯棒性.2010年，Zhao和Deng［10］給出了2－qubit純態(tài)在退極化噪聲下魯棒性與糾纏度的簡(jiǎn)單關(guān)系.本文基于量子糾纏這一熱門領(lǐng)域，通過分析在退極化噪