针对一类输入受限的线性系统,提出具有适应输入约束和杭积分饱和性能的数据驱动PID控制器改进设计方法。采用虚拟参考迭代整定法,应用递归最小二乘辫识算法在线计算PID参数。当输入有约束时,计算的控制器输出超过这个限制条件可能导致性能下降甚至出现稳定性问题,同时PID算法中的积分作用也可能出现饱和现象。改进的方法基于输入-输出观测数据和输入约束信息,在PID控制环节后串联一个类似杭积分饱和的环节,适应控制器输出过大需要限定的客观要求。通过控制器结构设计和仿真,演示了改进方法的有效性。

通过将轧制变形区离散化的方法，在考虑变形区内横截面上张应力、摩擦应力等影响因沿带钢轧制方向分布规律及其与带钢厚度及压下量的关系的基础上，采用数学模型和神经网络相结合的方法计算了金属变形抗力，建立了冷连轧机轧制力在线计算数学模型，经大型工业轧机生产实践数据检验，该冷连轧机在线轧制力计算模型预报误差控制在6.1%以内，满足模型在线控制要求，可提高在线控制轧制力模型的计算精度。

数据驱动智慧客户服务 体验引领业务持续增长.pdf

人工智能-机器学习-热轧带钢宽度的模糊仿人智能控制策略研究.pdf

人工智能-机器学习-热轧带钢宽度的组合智能建模研究.pdf

人工智能-机器学习-热轧冷却过程模型软件开发.pdf

人工智能-机器学习-热轧生产线加热炉温度智能控制方法研究.pdf

为解决偏最小二乘判别分析(PLSDA)建模时光谱区域中的噪声及冗余信息干扰问题，提出一种基于联合区间偏最小二乘判别分析(SiPLSDA)算法，并将该算法应用于猪肉近红外光谱的定性建模分析。SiPLSDA 利用联合区间偏最小二乘回归（SiPLS）进行光谱特征区域筛选，在筛选出来的光谱区域内建立数据的定性预测模型。采用Antaris II 快速傅里叶变换近红外光谱分析仪获取波数范围为10000~4000 cm-1的猪肉样本近红外光谱，采用标准正态变量变换(SNV)进行近红外光谱的预处理，用SiPLSDA 建立猪肉近红外光谱的定性模型。实验结果表明，SiPLSDA 建立的预测模型对猪肉储藏时间的识别率达到93.94%，高于基于全光谱区域建立的PLSDA 预测模型的识别率。

数据驱动的深度学习教学模式构建与实施

简述VGG模型，说明其中的结构（描述模型的结构，哪一层是卷积、那一层是池化、那一层是全连接？），并使用VGG模型完成下面图像分类的实验(建议使用Python语言,Pytorch 框架)。图像分类数据集：CIFAR-10，由10个类的60000个32x32彩色图像组成，每个类有6000个图像；有50000个训练样本（训练集）和10000个测试样本（测试集） 分别使用数据集中训练集的1%、10%、50%、80%样本进行训练模型，使用测试样本进行测试，简述步骤并对比使用不同比例的训练样本对于训练结果的影响（即模型训练完成后，使用测试样本输入模型得到的准确率）。随着数据量的增大，观察每一次模型迭代（模型每完成一次迭代，即所有训练样本输入到模型中进行训练更新）所需的计算时间、内存消耗变化，并做比较。分析试验结果，回答下面问题： A． 说明你实验的硬件环境 B． 说明自己程序中使用的是哪种梯度下降算法（随机、批量、全部）？ C． 训练过程中你调整了哪些参数，谈谈你的调参过程和调参技巧 D． 当数据量逐渐变大时，你的训练测试过程有没遇到实质性困难？