景德镇陶瓷大学材料科学与工程学院,江西 景德镇 333403
高熵陶瓷作为一种新兴的陶瓷材料自问世起就成为陶瓷领域的研究热点,然而,其巨大的成分设计空间也为基于实验和“试错法”的组分设计带来了挑战。近年来,通过机器学习与实验探索相结合的方式为这一问题的解决带来新方法。基于此,本研究建立了4个机器学习模型,通过训练评估选出性能最好的梯度提升决策树模型(R2=0.92)并用于预测,然后通过实验成功合成了单相的(Ti0.2V0.2Zr0.2Nb0.2Hf0.2)N高熵氮化物陶瓷,验证了模型的准确性,为高熵氮化物陶瓷的设计提供了新思路,加快了新体系的发现。
高熵陶瓷 氮化物陶瓷 机器学习 材料设计 模型预测 high-entropy ceramics nitride ceramics machine learning materials design model forecast
针对全驱动无人船(USV)的轨迹跟踪问题, 提出了一种模型预测控制和积分滑模控制相结合的双层控制方法。首先, 针对无人船系统的运动学模型, 设计模型预测控制器(MPC)根据期望轨迹得到满足约束条件的期望速度信号; 针对动力学模型, 设计积分滑模控制器(ISMC)使得系统在外界干扰存在的情况下, 实现对期望信号的跟踪, 提高了系统的鲁棒性; 设计非线性干扰观测器对外界干扰进行估计, 并在控制律的设计过程中进行补偿; 最后, 采用李雅普诺夫方法证明了系统的稳定性。数值仿真证明了两者的结合可以有效地实现全驱动无人船的轨迹跟踪。
全驱动无人船 轨迹跟踪 模型预测控制(MPC) 积分滑模控制(ISMC) 非线性干扰观测器 fully-actuated unmanned surface vessel trajectory tracking Model Predictive Control(MPC) Integral Sliding Mode Control (ISMC) nonlinear disturbance observer
吉林大学生物与农业工程学院, 吉林 长春 130022
小麦是我国的主要粮食作物之一, 对国民经济发展具有显著的影响。 然而, 高温与紫外线胁迫导致其产量大幅下降。 胁迫发生时, 细胞壁内多糖物质会发生不同程度的转变。 作为此类多糖重要组成成分的果胶, 在决定细胞间孔隙度、 识别病菌、 维持结构完整等方面扮演着重要角色。 当前, 常见的果胶检测方法有重量法、 滴定法、 酸提取法等, 这些方法多为有损检测, 测定步骤繁琐, 样本损耗量大。 近年来, 光谱检测因其检测速度快、 分辨率高、 实时性强等优点, 在植物生理信息检测领域得到了广泛应用。 因此, 研究采用光谱检测果胶含量。 以济麦22为研究对象, 采取水培方式, 通过调控人工气候培养箱温度及紫外线灯辐照强度对小麦生长过程中遇到的高温及紫外线胁迫环境进行模拟; 在小麦分蘖期, 分别采集叶片高光谱数据与叶绿素荧光光谱数据, 测定叶片果胶含量, 通过小波分析方法对两种原始光谱数据进行平滑与降噪处理, 采用相关系数分析法得到两种光谱数据与果胶含量相关系数最高的重合波段(620, 651), 取该波段内两光谱数据平均值, 重塑双光谱曲线; 按照3∶1比例划分训练集和验证集, 采用PLS最小二乘法分别建立高光谱反演果胶模型、 荧光光谱反演果胶模型及双光谱反演果胶模型。 结果表明: 双光谱模型反演的小麦叶片果胶含量效果较好, 对应模型的训练集与验证集相关系数分别为0.944 9及0.944 5。 该研究有助于探究逆境胁迫下小麦细胞壁内多糖物质响应情况, 并为大田作物所处胁迫环境和程度的预测及种植环境的精准管控提供参考和帮助。
小麦 光谱技术 果胶 高温胁迫 紫外线胁迫 模型预测 Wheat Spectral technology Pectin High tempurature stress Ultraviolet stress Model predicton 光谱学与光谱分析
2023, 43(9): 2705
江苏科技大学电子信息学院, 江苏 镇江 212000
针对复杂水文环境下无人自治水下机器人(AUV)轨迹跟踪实时性较慢、精度较低的问题, 设计了一种基于拉盖尔函数的自适应预测轨迹跟踪控制方法。首先, 基于预测控制将轨迹跟踪问题转化为二次规划设计; 其次, 为解决AUV 轨迹变化以及外部干扰所造成的控制量突变, 融合递推最小二乘法设计了自适应预测控制器; 接着, 采用拉盖尔函数重构控制器, 以解决运算量过大导致的系统响应速度变慢的问题; 最后, 仿真证明了该方法能够提升系统的响应速度、抗干扰性和鲁棒性。
水下机器人 轨迹跟踪 模型预测控制 参数自适应 拉盖尔函数 Autonomous Underwater Vehicle(AUV) trajectory tracking model predictive control parameter self-adaption Laguerre function
光学 精密工程
2022, 30(24): 3178
吉林大学生物与农业工程学院, 吉林 长春 130022
小麦是我国的主要粮食作物, 在国民经济发展中具有举足轻重的地位。 然而, 盐与物理损伤等非生物胁迫, 逐渐成为制约小麦产量和品质的重要因素。 研究表明, 细胞壁是植物细胞直接抵御逆境胁迫的重要防线。 盐胁迫下, 细胞渗透压增大, 质膜的透性会受到一定程度的影响。 为了维持细胞的形态和结构, 植物细胞壁中的果胶等多糖物质会发生不同程度的转化和改变。 物理损伤, 会加深植物细胞膜脂过氧化的程度, 使膜通透性增大, 导致营养物质的流失和降解。 受到损伤的部位及其周边细胞还会发生栓化以阻塞病菌的侵入。 构成植物细胞壁主要成分且能够反映细胞壁以及膜系统完整性和透过性的果胶, 可以作为研究胁迫下植物内部物质响应规律的重要指标。 目前, 质量法、 比色法、 液相色谱法等常用的果胶检测方法操作繁琐、 实时性不强且对样本损耗较大。 亟需一种操作简便、 检测速度快、 无损的检测方法。 将烟农0428小麦作为研究对象, 采用水培方式, 以向培养液中施加氯化钠(NaCl)溶液和对小麦第一片叶主脉两侧针刺分别模拟盐胁迫和昆虫叮咬造成的物理损伤, 并完成小麦叶片果胶及高光谱信息的采集与处理。 利用相关分析法筛选光谱敏感波段, 将主成分回归(PCR)、 偏最小二乘法(PLS)、 逐步多元线性回归(SMLR)三种建模方法分别与多元散射校正(MSC)、 标准正态变换(SNV)、 一阶导数(FD)、 卷积平滑(S-G)、 Norris导数滤波(NDF)等预处理技术相结合, 建立果胶含量反演模型。 最终, 选定PLS+SNV+FD+NDF方法建立的模型为最优模型, 并对其性能进行了测试。 结果表明: 果胶含量的预测值与实测值一致性较高, 拟合系数(R2)和均方根误差(RMSE)分别为0.997 6和0.35; 预测值重复性较好, 相对标准偏差(RSD)为1.2%。 该研究以新方法实现小麦果胶的高精度、 快速、 无损检测, 有助于小麦响应逆境胁迫机理的深入探索, 并为大田作物胁迫程度预测及种植环境的精准管控提供参考。
小麦 高光谱技术 果胶 盐胁迫 物理损伤 模型预测 Wheat Hyperspectral technique Pectin Salt stress Physical damage Model prediction 光谱学与光谱分析
2022, 42(9): 2935
辐射研究与辐射工艺学报
2022, 40(5): 050303