您好, 歡迎來(lái)到化工儀器網(wǎng)
| 產(chǎn)地類別 | 進(jìn)口 | 電動(dòng)機(jī)功率 | 3800kW |
|---|---|---|---|
| 讀出方式 | SSI | 工作原理 | 模擬量 |
| 外形尺寸 | 35*75mm | 外型尺寸 | 25*68mm |
| 應(yīng)用領(lǐng)域 | 農(nóng)業(yè),煙草,航天,制藥,電氣 | 重量 | 3kg |
產(chǎn)品簡(jiǎn)介
詳細(xì)介紹
1057691編碼器的多關(guān)系網(wǎng)絡(luò)嵌入秉銘DFS60B-TJEL00050試引入知識(shí)圖譜和圖信號(hào)處理的相關(guān)技術(shù)。首先嘗試將知識(shí)圖譜中的多種關(guān)系處理方式*引入多關(guān)系網(wǎng)絡(luò)嵌入中,結(jié)合變分自編碼器模型,并改進(jìn)了損失函數(shù),從而提出了基于關(guān)系變分自編碼的多關(guān)系網(wǎng)絡(luò)嵌入模型PR-VAE;由于PR-VAE使用的圖表示方法仍然會(huì)損失部分網(wǎng)絡(luò)信息,本文嘗試通過(guò)劃分子圖來(lái)保留更多網(wǎng)絡(luò)信息,為此設(shè)計(jì)出了符合圖表示要求的全新得分函數(shù),借助變分自編碼器的改進(jìn)模型變分圖自編碼器,提出基于變分圖自編碼的多關(guān)系網(wǎng)絡(luò)嵌入模型MR-VGAE。后,由于MR-VGAE模型在“多對(duì)多”、“多對(duì)一”、“一對(duì)多”關(guān)系上的嵌入效果不佳,本文嘗試引入圖信號(hào)處理中常見的濾波器來(lái)表示多種關(guān)系,從圖表示方法和關(guān)系計(jì)算上進(jìn)行了相應(yīng)改進(jìn),同時(shí)保留了MR-VGAE的嵌入框架,由此提出了基于譜分解的多關(guān)系網(wǎng)絡(luò)嵌入模型SDVGAE。通過(guò)相關(guān)的實(shí)驗(yàn)驗(yàn)證,證明了本文提出的方法相較于大多數(shù)基線模型在嵌入效果和嵌入穩(wěn)定性上表現(xiàn)更為優(yōu)異。近年來(lái)提出的多關(guān)系網(wǎng)絡(luò)嵌入方法由于圖表示方法和損失函數(shù)設(shè)計(jì)上的問題,在嵌入效果和訓(xùn)練難易程度上大多是無(wú)法令人滿意的。本文的研究方法中嘗試引入全新的設(shè)計(jì)思想,設(shè)計(jì)全新的圖表示方法,并提出具有較好效果且合適的得分函數(shù)。同時(shí)結(jié)合嵌入過(guò)程中遇到的實(shí)際問題,改進(jìn)變分自編碼器的網(wǎng)絡(luò)模型和損失函數(shù)以更好地完成多關(guān)系網(wǎng)絡(luò)的嵌入工作。
隨著雷達(dá)技術(shù)的不斷發(fā)展,多功能軟件化雷達(dá)應(yīng)運(yùn)而生。多功能軟件化雷達(dá)具有需求可定義,軟件可重構(gòu),部分硬件可重組等特點(diǎn)。未來(lái)戰(zhàn)場(chǎng)上,多功能軟件化雷達(dá)必將對(duì)現(xiàn)有的雷達(dá)信號(hào)與輻射源分析造成了巨大挑戰(zhàn)。本文針對(duì)多功能軟件化雷達(dá)輻射源分析難題,提出了一種基于深度學(xué)習(xí)的多功能軟件化雷達(dá)輻射源認(rèn)知新方法,將對(duì)多功能軟件化雷達(dá)輻射源的認(rèn)知分為功能識(shí)別與個(gè)體識(shí)別兩個(gè)方面進(jìn)行研究。本文的主要研究?jī)?nèi)容主要包括雷達(dá)輻射源發(fā)射信號(hào)以及射頻功放的建模,基于深度學(xué)習(xí)的雷達(dá)輻射源信號(hào)功能識(shí)別以及基于深度學(xué)習(xí)的雷達(dá)輻射源個(gè)體識(shí)別三個(gè)方面。首先,本文針對(duì)幾種常見的調(diào)制方式進(jìn)行雷達(dá)信號(hào)的仿真。同時(shí),針對(duì)多功能軟件化雷達(dá)的特點(diǎn),以射頻功率放大器的非線性特性作為進(jìn)行雷達(dá)輻射源個(gè)體識(shí)別的依據(jù),完成對(duì)五部已知及一部未知多功能軟件化雷達(dá)輻射源的建模與仿真。在進(jìn)行雷達(dá)輻射源信號(hào)的功能識(shí)別時(shí),提出分別使用自編碼器網(wǎng)絡(luò),卷積神經(jīng)網(wǎng)絡(luò)以及支持向量機(jī)三種方法,并對(duì)三種方法在測(cè)試集的識(shí)別率進(jìn)行分析比較。結(jié)果表明,自編碼器網(wǎng)絡(luò)15d B信噪比下識(shí)別率在低信噪比下識(shí)別情況也較好,且網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單,訓(xùn)練時(shí)間很短,是用于雷達(dá)輻射源信號(hào)功能識(shí)別的方法。在進(jìn)行雷達(dá)輻射源個(gè)體識(shí)別時(shí),仍然分別使用自編碼器網(wǎng)絡(luò),卷積神經(jīng)網(wǎng)絡(luò)以及支持向量機(jī)三種方法,并對(duì)三種方法在測(cè)試集的識(shí)別率進(jìn)行分析比較。結(jié)果表明,在15d B信噪比下,卷積神經(jīng)網(wǎng)絡(luò)對(duì)測(cè)試集的識(shí)別率,是用于雷達(dá)輻射源個(gè)體識(shí)別的方法。后,在采用自編碼器網(wǎng)絡(luò)進(jìn)行雷達(dá)輻射源信號(hào)的功能識(shí)別,采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行雷達(dá)輻射源的個(gè)體識(shí)別的情況下,將個(gè)體識(shí)別與功能識(shí)別合并,從而完成未知多功能軟件化未知雷達(dá)輻射源的認(rèn)知。結(jié)果表明,將截獲到的敵方多功能軟件化雷達(dá)輻射源信號(hào)輸入到訓(xùn)練好的深度學(xué)習(xí)網(wǎng)絡(luò),不僅可以得到其實(shí)現(xiàn)的功能,還可以分析出其屬于某一部已知的多功能軟件化雷達(dá)輻射源或者為某一部未知的雷達(dá)輻射源,從而完成多功能軟件化雷達(dá)輻射源的認(rèn)知。以應(yīng)用于激光通信平臺(tái)的永磁力矩電機(jī)驅(qū)動(dòng)系統(tǒng)為研究對(duì)象,對(duì)速度波動(dòng)抑制、提高抗擾動(dòng)能力和位置跟蹤能力、提高位置檢測(cè)精度等問題進(jìn)行了研究與分析。首先,論文給出了永磁力矩電機(jī)的數(shù)學(xué)模型及其矢量控制框圖,在此基礎(chǔ)上,分析了齒槽轉(zhuǎn)矩、電磁轉(zhuǎn)矩波動(dòng)、摩擦轉(zhuǎn)矩、死區(qū)效應(yīng)、電流采樣誤差對(duì)系統(tǒng)的電流、速度、位置控制性能的影響。為后續(xù)控制策略的研究打好理論基礎(chǔ)。系統(tǒng)在低速運(yùn)行時(shí),位置傳感器精度不足的問題將會(huì)導(dǎo)致獲得的位置和速度信號(hào)不準(zhǔn)確。為了提高位置檢測(cè)精度,在采用正余弦編碼器作為位置傳感器的基礎(chǔ)上,本文提出了一種基于高度線性化的細(xì)分方法,有效地避免了幅值偏差對(duì)細(xì)分精度的影響,提高了位置檢測(cè)精度,使得分辨率不足的正余弦編碼器能夠滿足高精度控制系統(tǒng)的位置檢測(cè)精度。將其與近似線性化方法比較,通過(guò)仿真證明了該方法的有效性。系統(tǒng)中非線性因素突變負(fù)載將導(dǎo)致的速度波動(dòng),本文提出了一種基于滑模控制的抗擾動(dòng)控制策略,采用新型趨近律以改進(jìn)傳統(tǒng)趨近律中趨近速度和系統(tǒng)抖振程度的矛盾問題?？紤]到系統(tǒng)負(fù)載轉(zhuǎn)矩存在擾動(dòng)的情況,當(dāng)擾動(dòng)過(guò)大時(shí),將使系統(tǒng)的動(dòng)態(tài)性能較差。針對(duì)這一情況,提出了基于新型趨近律的滑模擾動(dòng)觀測(cè)器進(jìn)而提高系統(tǒng)的抗擾動(dòng)性能和動(dòng)態(tài)響應(yīng)速度,并通過(guò)仿真驗(yàn)證了該方法的正確性。系統(tǒng)中摩擦轉(zhuǎn)矩對(duì)位置控制精度影響較大,本文采用了基于Lu Gre摩擦模型的摩擦補(bǔ)償控制?？紤]到Lu Gre摩擦模型辨識(shí)的準(zhǔn)確性以及機(jī)械磨損等問題,將會(huì)導(dǎo)致實(shí)際摩擦轉(zhuǎn)矩與摩擦模型不一致,提出了基于Lu Gre模型的自適應(yīng)摩擦補(bǔ)償控制,進(jìn)一步對(duì)摩擦轉(zhuǎn)矩進(jìn)行抑制,提高系統(tǒng)的位置控制精度,通過(guò)仿真驗(yàn)證了該方法的有效性。
隨著雷達(dá)技術(shù)的不斷發(fā)展,多功能軟件化雷達(dá)應(yīng)運(yùn)而生。多功能軟件化雷達(dá)具有需求可定義,軟件可重構(gòu),部分硬件可重組等特點(diǎn)。未來(lái)戰(zhàn)場(chǎng)上,多功能軟件化雷達(dá)必將對(duì)現(xiàn)有的雷達(dá)信號(hào)與輻射源分析造成了巨大挑戰(zhàn)。本文針對(duì)多功能軟件化雷達(dá)輻射源分析難題,提出了一種基于深度學(xué)習(xí)的多功能軟件化雷達(dá)輻射源認(rèn)知新方法,將對(duì)多功能軟件化雷達(dá)輻射源的認(rèn)知分為功能識(shí)別與個(gè)體識(shí)別兩個(gè)方面進(jìn)行研究。本文的主要研究?jī)?nèi)容主要包括雷達(dá)輻射源發(fā)射信號(hào)以及射頻功放的建模,基于深度學(xué)習(xí)的雷達(dá)輻射源信號(hào)功能識(shí)別以及基于深度學(xué)習(xí)的雷達(dá)輻射源個(gè)體識(shí)別三個(gè)方面。首先,本文針對(duì)幾種常見的調(diào)制方式進(jìn)行雷達(dá)信號(hào)的仿真。同時(shí),針對(duì)多功能軟件化雷達(dá)的特點(diǎn),以射頻功率放大器的非線性特性作為進(jìn)行雷達(dá)輻射源個(gè)體識(shí)別的依據(jù),完成對(duì)五部已知及一部未知多功能軟件化雷達(dá)輻射源的建模與仿真。在進(jìn)行雷達(dá)輻射源信號(hào)的功能識(shí)別時(shí),提出分別使用自編碼器網(wǎng)絡(luò),卷積神經(jīng)網(wǎng)絡(luò)以及支持向量機(jī)三種方法,并對(duì)三種方法在測(cè)試集的識(shí)別率進(jìn)行分析比較。結(jié)果表明,自編碼器網(wǎng)絡(luò)15d B信噪比下識(shí)別率在低信噪比下識(shí)別情況也較好,且網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單,訓(xùn)練時(shí)間很短,是用于雷達(dá)輻射源信號(hào)功能識(shí)別的方法。在進(jìn)行雷達(dá)輻射源個(gè)體識(shí)別時(shí),仍然分別使用自編碼器網(wǎng)絡(luò),卷積神經(jīng)網(wǎng)絡(luò)以及支持向量機(jī)三種方法,并對(duì)三種方法在測(cè)試集的識(shí)別率進(jìn)行分析比較。結(jié)果表明,在15d B信噪比下,卷積神經(jīng)網(wǎng)絡(luò)對(duì)測(cè)試集的識(shí)別率,是用于雷達(dá)輻射源個(gè)體識(shí)別的方法。后,在采用自編碼器網(wǎng)絡(luò)進(jìn)行雷達(dá)輻射源信號(hào)的功能識(shí)別,采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行雷達(dá)輻射源的個(gè)體識(shí)別的情況下,將個(gè)體識(shí)別與功能識(shí)別合并,從而完成未知多功能軟件化未知雷達(dá)輻射源的認(rèn)知。結(jié)果表明,將截獲到的敵方多功能軟件化雷達(dá)輻射源信號(hào)輸入到訓(xùn)練好的深度學(xué)習(xí)網(wǎng)絡(luò),不僅可以得到其實(shí)現(xiàn)的功能,還可以分析出其屬于某一部已知的多功能軟件化雷達(dá)輻射源或者為某一部未知的雷達(dá)輻射源,從而完成多功能軟件化雷達(dá)輻射源的認(rèn)知。以應(yīng)用于激光通信平臺(tái)的永磁力矩電機(jī)驅(qū)動(dòng)系統(tǒng)為研究對(duì)象,對(duì)速度波動(dòng)抑制、提高抗擾動(dòng)能力和位置跟蹤能力、提高位置檢測(cè)精度等問題進(jìn)行了研究與分析。首先,論文給出了永磁力矩電機(jī)的數(shù)學(xué)模型及其矢量控制框圖,在此基礎(chǔ)上,分析了齒槽轉(zhuǎn)矩、電磁轉(zhuǎn)矩波動(dòng)、摩擦轉(zhuǎn)矩、死區(qū)效應(yīng)、電流采樣誤差對(duì)系統(tǒng)的電流、速度、位置控制性能的影響。為后續(xù)控制策略的研究打好理論基礎(chǔ)。系統(tǒng)在低速運(yùn)行時(shí),位置傳感器精度不足的問題將會(huì)導(dǎo)致獲得的位置和速度信號(hào)不準(zhǔn)確。為了提高位置檢測(cè)精度,在采用正余弦編碼器作為位置傳感器的基礎(chǔ)上,本文提出了一種基于高度線性化的細(xì)分方法,有效地避免了幅值偏差對(duì)細(xì)分精度的影響,提高了位置檢測(cè)精度,使得分辨率不足的正余弦編碼器能夠滿足高精度控制系統(tǒng)的位置檢測(cè)精度。將其與近似線性化方法比較,通過(guò)仿真證明了該方法的有效性。系統(tǒng)中非線性因素突變負(fù)載將導(dǎo)致的速度波動(dòng),本文提出了一種基于滑模控制的抗擾動(dòng)控制策略,采用新型趨近律以改進(jìn)傳統(tǒng)趨近律中趨近速度和系統(tǒng)抖振程度的矛盾問題?？紤]到系統(tǒng)負(fù)載轉(zhuǎn)矩存在擾動(dòng)的情況,當(dāng)擾動(dòng)過(guò)大時(shí),將使系統(tǒng)的動(dòng)態(tài)性能較差。針對(duì)這一情況,提出了基于新型趨近律的滑模擾動(dòng)觀測(cè)器進(jìn)而提高系統(tǒng)的抗擾動(dòng)性能和動(dòng)態(tài)響應(yīng)速度,并通過(guò)仿真驗(yàn)證了該方法的正確性。系統(tǒng)中摩擦轉(zhuǎn)矩對(duì)位置控制精度影響較大,本文采用了基于Lu Gre摩擦模型的摩擦補(bǔ)償控制?？紤]到Lu Gre摩擦模型辨識(shí)的準(zhǔn)確性以及機(jī)械磨損等問題,將會(huì)導(dǎo)致實(shí)際摩擦轉(zhuǎn)矩與摩擦模型不一致,提出了基于Lu Gre模型的自適應(yīng)摩擦補(bǔ)償控制,進(jìn)一步對(duì)摩擦轉(zhuǎn)矩進(jìn)行抑制,提高系統(tǒng)的位置控制精度,通過(guò)仿真驗(yàn)證了該方法的有效性。 1057691編碼器的多關(guān)系網(wǎng)絡(luò)嵌入秉銘DFS60B-TJEL00050機(jī)器人技術(shù)的應(yīng)用正面臨著從面向結(jié)構(gòu)化的工廠環(huán)境和任務(wù)轉(zhuǎn)換到面向如家庭室內(nèi)、辦公樓、馬路、野外等復(fù)雜日常生活環(huán)境及多變?nèi)蝿?wù)的考驗(yàn),對(duì)機(jī)器人的智能化程度提出了更高的要求?，F(xiàn)有的智能算法開發(fā)模式依賴于研究人員對(duì)環(huán)境及機(jī)體的提前建模,對(duì)于新的環(huán)境和機(jī)體往往需要重新建模,因此不具有通用性,開發(fā)成本巨大,無(wú)法適應(yīng)未來(lái)行業(yè)中對(duì)于智能的大量需求。本課題旨在以智能決策算法的通用性為目標(biāo),探索智能決策問題的一般化描述方法與解決方案。首先,基于強(qiáng)化學(xué)習(xí)中常用的POMDP過(guò)程建立智能決策問題的通用數(shù)學(xué)描述,并通過(guò)對(duì)其進(jìn)行分析,將智能決策算法等價(jià)于信息的提取與利用。利用信息論對(duì)環(huán)境中信息的分布方式進(jìn)行分析,終基于世界模型概念得出解決智能決策問題的一般性框架,將世界模型按照提取的信息類型不同拆分為感知抽象和狀態(tài)預(yù)測(cè)兩個(gè)過(guò)程。并基于Mo Jo Co仿真平臺(tái),選取了5種典型的視覺控制任務(wù)作為本文的驗(yàn)證平臺(tái)。其次,推導(dǎo)感知抽象過(guò)程與生成模型之間的關(guān)系,利用POMDP過(guò)程中的內(nèi)部約束,將感知抽象過(guò)程轉(zhuǎn)化為生成問題,并基于變分自編碼器對(duì)感知抽象過(guò)程進(jìn)行了實(shí)現(xiàn)。從理論角度對(duì)優(yōu)化目標(biāo)中的信息約束進(jìn)行分析,使用流模型替換變分自編碼器的先驗(yàn)分布,實(shí)現(xiàn)更好的靜態(tài)信息提取。在2個(gè)典型任務(wù)上驗(yàn)證了方法的對(duì)環(huán)境靜態(tài)信息的提取能力。再次,推導(dǎo)狀態(tài)預(yù)測(cè)過(guò)程與生成模型之間的關(guān)系,利用POMDP過(guò)程中的內(nèi)部約束,將狀態(tài)預(yù)測(cè)過(guò)程轉(zhuǎn)化為序列生成問題,并基于循環(huán)神經(jīng)網(wǎng)絡(luò)對(duì)狀態(tài)預(yù)測(cè)過(guò)程進(jìn)行了實(shí)現(xiàn)。根據(jù)置信狀態(tài)變量的節(jié)點(diǎn)形式與軌跡優(yōu)化方式的不同提出了RAR、RVAR、RVAE三種模型。在2個(gè)典型任務(wù)上證明了其對(duì)環(huán)境動(dòng)態(tài)信息的提取與預(yù)測(cè)能力。后,借鑒人類智能決策方式,提出了基于世界模型和演員-評(píng)論家框架的想象學(xué)習(xí)方法,利用學(xué)習(xí)到的世界模型來(lái)產(chǎn)生類人的、可解釋的智能決策。并在全部5種典型仿真任務(wù)中對(duì)算法進(jìn)行整體驗(yàn)證,實(shí)驗(yàn)證明算法的有效性,并且相比其他強(qiáng)化學(xué)習(xí)方法可地提升了樣本利用率。
1057639 DFS60A-S4EA02000
1057640 AFM60B-THTA032768
1057642 DKV60-E2P02000
1057648 AFM60B-S4AA002048
1057672 DFS60B-TBCM01024
1057673 AFM60E-THTA004096
1057689 DFS60E-S1WA01024
1057690 DFS60E-BBEL01000
1057691 DFS60B-TJEL00050
1057692 DFS60E-BHUA01024
1057693 AFS60A-S1IB SALESKIT 01
1057717 DFS60B-TACC00500
1057718 AFS60A-S4IB SALESKIT 01
1057719 AFS60A-BDIB SALESKIT 01
1057720 AFS60A-BEIB SALESKIT 01
1057721 AFS60A-BHIB SALESKIT 01
1057722 AFM60A-S1IB SALESKIT 01
1057723 AFM60A-S4IB SALESKIT 01
1057724 AFM60A-BDIB SALESKIT 01
1057725 AFM60A-BEIB SALESKIT 01
1057726 AFM60A-BHIB SALESKIT 01
1057727 AFS60A-S1IB SALESKIT 03
1057728 AFS60A-S4IB SALESKIT 03
1057729 AFS60A-BDIB SALESKIT 03
1057730 AFS60A-BEIB SALESKIT 03
1057731 AFS60A-BHIB SALESKIT 03
1057732 AFM60A-S1IB SALESKIT 03
1057733 AFM60A-S4IB SALESKIT 03
1057734 AFM60A-BDIB SALESKIT 03
1057735 AFM60A-BEIB SALESKIT 03
1057736 AFM60A-BHIB SALESKIT 03
1057737 AFS60A-S1IB SALESKIT 02
1057738 AFS60A-S4IB SALESKIT 02
1057739 AFS60A-BDIB SALESKIT 02
1057740 AFS60A-BEIB SALESKIT 02
1057741 AFS60A-BHIB SALESKIT 02
1057742 AFM60A-S1IB SALESKIT 02
1057743 AFM60A-S4IB SALESKIT 02
1057744 AFM60A-BDIB SALESKIT 02
1057745 AFM60A-BEIB SALESKIT 02