多变量连续预测控制的动态补偿*

本文利用多变量系统的频域设计方法－特征结构分解，将多变量系统分解为一组独立的ＳＩＳＯ特征子系统，对各特征子系统，通过加权补偿，由极点配置保证闭环特征子系统稳定，进而保证原闭环系统渐近稳定。     

网络化控制系统的网络性能及稳定性分析

网络化控制系统的出现无疑大大推动了控制技术的发展，但这同时又对控制理论和信息技术提出了新的要求，对3种比较典型的控制网（EthernetBus,Token-passing Bus,CAN Bus）进行了较详尽的对比分析，以便根据不同的控制要求来选择不同的控制网络，介绍了几种网络化控制系统的稳定性判定方法，探讨了几种主要的网络参数（信息的最大允许传输间隔τ以及采样率h）对整个控制系统性能的影响；说明了信息技术与控制理论相结合的重要性。     

MC14562B在多CPU系统串行通信中的应用

利用MC14562B移位寄存器实现CPU间双向串行通信方法的硬件应用接口及其软件编程的实现。     

基于红外通讯的巡检系统的开发与设计

本文介绍了一种利用红外通讯技术的巡检系统，该系统由巡检点机和手持机两个相对独立的部分组成。文中概述了系统的软硬件设计方案及具体的实现方法，该系统的开发设计，有利于提高厂矿企业的生产自动化程度及实现企业的优化管理。     

基于模糊规则的彩色图像边缘检测方法

在YUV彩色空间中．本文提出了一种基于模糊规则的彩色图像边缘检测方法。对输入图像的Y、U、V三个分量，计算各个点与8邻域的绝对差值．利用预先定义的16条模糊规则进行模糊推理，获得属于边缘点的隶属度．再将其变换到灰度空间获得边缘强度值；然后利用快速熵算法确定阈值．进而获得边缘图像。实验表明．与基于梯度的方法相比．这种方法不但可以获得较好的边缘特性．而且具有较强的抗噪性能。     

基于GFNN的在线自组织快速产生和调整模糊规则的方法

本文提出了一种使用GFNN的从数据对中自动产生和调整模糊规则的快速方法．GFNN的特点是首先进行输入空间的划分并选择初始参数．然后进行结构辩识和参数估计。在学习过程中自动产生、删除、合并模糊规则。可以应用于静态函数估计，非线性系统辩识，时间序列预测等问题。仿真结果表明利用本文方法产生了一组紧密且高性能的模糊规则。与近期其他算法相比，本算法在学习效率、性能、简单性方面都很有优势。     

基于RBF神经网络的网格数据聚类方法

把径向基函数（RBF）神经网络和网格结合起来，提出了一种能够并行处理数据和便于增量计算的智能聚类方法。介绍了网格聚类原理、RBF神经网络神经元的数量和基函数的选择，并针对数据聚集区域的位置辨识、提高分辨率和计算速度等问题，深入讨论了聚类策略与聚类算法。仿真表明了该方法的有效性。     

城市交通两级加权神经网络控制系统设计与实现

城市交通系统是一个非常复杂的、非线性系统,很难建立精确的数学模型,本文针对单交叉路口红绿灯控制问题,基于改进的BP神经网络算法,提出并设计了两级加权神经网络控制器,进行实时控制.仿真结果表明,本文方法优于传统控制方法.     

移动机器人多传感器测距系统研究与设计

设计了多传感器测距系统的硬件电路和相应的软件,采用高速运放和高速比较器减小信号传输延时,用双比较器整形电路消除回波前沿时间误差,利用FPGA进行高速计时,对声速进行温度补偿,并对其盲区采用红外线测距传感器和碰撞开关进行弥补,提高超声波测距精度.实验表明,在近距离测量范围内,该超声波测距方法可以达到毫米级.这种测量系统可以满足机器人避障与定位的实际需要.     

多目标相容控制在过饱和相邻交叉口控制中的应用

提出一种基于IPNSGA-Ⅱ（Iterative Predictive Nondominated Sorting Genetic Algorithm-Ⅱ）的多目标 相容控制方法,用于处理过饱和状态下相邻交叉口的信号控制问题．引入主线延误和次线延误的概念,采用反 向传播神经网络BPNN（Back Propagation Neural Network）方法,利用从交通流仿真中获得的数据,建立了一个 多输入多输出的延误模型;将控制问题表示为一个有冲突的多目标控制问题,提出一种新的基于IPNSGA-Ⅱ 的多目标相容控制算法来实现在线控制．提出的相容控制算法具有鲁棒性、实时性、动态性的特点,能够很 好地处理有冲突的多目标控制问题．在一个由11 个交叉口组成的路网仿真环境下对本文所提出算法进行了 测试,并将计算结果与单点控制策略进行了比较．结果表明,本文方法比单点控制策略能够更有效地缓解网 络中的过饱和状态,并减小延误．