PWM整流器的模糊PI内模控制策略

PWM整流器模型中的非线性特性给控制器的设计带来一定的困难，且随着对整流器性能的要求日益提高，传统控制在性能上已难以令人满意。对此提出一种新的双闭环控制策略，电压外环采用模糊PI控制，电流内环采用内模控制。模糊PI控制使系统具有更快的动态响应和更小的超调，电流环内模控制解决控制器过分依赖精确数学模型的问题，提高电流环的抗扰性能，并简化了控制器设计。理论分析和仿真对比验证了所提控制策略的正确性和可行性。     

足球过人战术在采摘机器人路径规划中的应用

随着人口老龄化的到来及农村青壮年的流失,实现农业生产自动化的需求越发迫切。采摘具有劳动强度大、技能要求高的特点,是发展自动化的核心领域。为此,以测距传感器作为检测元件,设计了采摘机器人的行走机构及路径规划系统。路径规划系统采用4层模糊神经网络架构,采用足球过人战术建立避障规则和目标导引规则。采用梯度下降法对神经网络进行训练,通过调整连接权系数ω_(li)、高斯隶属函数中心值c_(jk)及宽度值σ_(jk),使实际输出向输出期望快速逼近,当满足阀值要求时,输出机器人速度V和转角Δa。仿真实验结果表明:系统具有良好的路径规划精度,且结构简单、生产成本低,适于大范围推广。     

黑龙江省各地市农机合作社总体绩效评价研究

农机合作社是一种新兴的农业生产组织形式,在促进土地流转、提高农业机械化程度和农业生产效益方面发挥了重要作用。在分析农机合作社在农业生产中的地位和作用基础上,设计了包含经济效益、社会效益及组织发展3个一级指标、13个二级指标的农机合作社绩效评价指标体系,并采用AHP方法确定各指标权重;运用二阶模糊综合评价分析法,对黑龙江省14个地市(直属县)农机合作社的总体绩效进行评价研究。结果表明:黑龙江省绥化市农机合作社总体绩效水平最高,其次是齐齐哈尔市,哈尔滨市农机合作社总体绩效排第3位,大兴安岭和伊春分列第13位和第14位。     

语用学视角下英语广告模糊用语研究

当今社会,广告不仅在商业领域里占有重要的地位,而且已渗透我们的生活之中.很多情况下,广告商会为了达到广告目的和他们自己的动机而选择模糊语言,这些模糊语言对消费者产生了强烈的心理暗示及说服作用.本文试图从语用学角度出发,对英语广告语言中的模糊现象进行分析研究,使其作为一种语用策略受到广告商和消费者双方的重视.     

无线网络环境下传输感知图像的模糊处理算法

传统算法在进行传输感知图像的模糊处理时,对模糊隶属函数的计算不准确,因此图像处理峰值信噪比低。针对这一问题,提出无线网络环境下传输感知图像的模糊处理算法。检测传输感知图像的模糊边缘信息;计算传输感知图像的模糊隶属函数;实现传输感知图像的模糊处理。仿真实验结果表明,设计的模糊处理算法传输感知图像处理峰值信噪比最高可达37.04 dB,对照组最高为23.05 dB,设计的模糊处理算法模糊处理能力更强,可以实现对传输感知图像的高质量模糊处理。     

基于精英策略的多目标规划问题的粒子群算法

多目标规划问题的解通常不是唯一的,而是一个最优解集合,因此问题具有不适定性。提出了一种求解多目标规划问题的基于精英策略的粒子群算法:该算法以群组为操作单元,以有效应对多目标规划问题的多解特征;外部存档的精英策略可以保证粒子的多样性,可以有效克服算法易陷入局部最优的缺陷。最后利用3个数值算例验证了算法的可行性和有效性。     

农业知识云服务设计与实现

针对目前我国农业决策支持系统与专家系统的信息呈孤岛格局的现状,农业信息资源和系统存在严重重复性建设问题,提出基于云计算平台的农业知识云服务模式。以知识模型库为基础,运用Web Service及XML技术,设计并实现通用的专家知识模型云端服务。应用结果表明,其为零配置客户端的个性化知识应用系统的构建提供了便捷的工具,为实现“知识即服务”做出了有效的尝试。     

模糊与量化:中国古代食谱文化述论

检索我国古代的烹调食谱类书,发现一个较明显的现象,即烹调食谱绝大多数是以模糊化操作为主,只有少数食谱是具体量化的,而且食谱中的模糊与量化是同时交互出现的。古代的食谱撰写大多数是以简单、简短的语言叙述,操作中多以适量、少许等语词作介绍,部分食谱有较详尽的数据记录,体现了中国古代食谱调理文化的两重特性。     

基于熵算法的股票指数高频数据复杂度测算与评价

在日内高频环境下检验基于兼容法的柯尔莫哥洛夫熵、样本熵和模糊熵等复杂度测算方法对我国沪深300股票指数的测算效率，并运用筛选后的有效算法分阶段研究和比较了序列复杂度的变化过程与变化幅度.结果表明，模糊熵算法是一种更适用于我国沪深300股票指数的有效复杂度测算方法，其对相似容忍度的敏感性更低，测度值连续性更好.随时间推移，我国沪深300股票指数复杂度整体呈上升趋势,而相较于发达市场甚至周边新兴市场其复杂度偏低.