火电机组实时成本模型的输入变量选择方法

输入变量选择是神经网络建模前的一项重要工作,是否能够选择出一组最能反映期望输出变化原因的输入变量直接关系到神经网络预测的性能.文章提出了一种基于敏感度分析的输入变量选择法(SAIVSA),并将该方法应用于实时成本模型的输入变量选取.仿真结果表明,所提出的方法可以得到更小、更准确的输入变量集,神经网络的收敛速度更快,泛化性能更好,从而验证该方法的有效性.     

基于在线学习的多模型自适应控制

针对传统自适应控制算法，实际工业过程在不同工况下的模型参数突变时系统暂态响应特性较差，该文提出了基于在线学习的多模型自适应控制方法。应用动态模型库技术来建立模型库，而无需被控对象的先验知识，所提出的建模方法和相应的多模型自适应控制器使系统的动态响应品质得到了明显的改善。文中证明了该算法能够保证闭环系统的稳定性和跟踪误差的渐近收敛性。计算机仿真结果表明该算法的有效性。     

离散混沌系统的非线性反馈控制

提出一种利用非线性反馈控制离散系统混沌运动的方法、根据离散系统的稳定性理论．确定了非线性反馈控制增益的取值范围．理论分析和数值研究结果表明该方法不仅可以实现不动点的镇定，而且可以将离散混沌系统控制到低周期态。     

多输入非线性串级系统的非过参数化自适应控制

证明了一大类含有未知参数的多输入非线性串级系统在适当的假设条件下是可全局适应稳定的,自适应控制律的设计是基于ｂａｃｋｓｔｅｐｐｉｎｇ递推设计方法,得到的参数自适应律的阶次等于未知参数的个数,因此该设计是非过参数化的。     

非线性不确定系统的鲁棒镇定与HJI微分不等式

研究一类带模有界条件的非线性不确定系统的鲁棒镇定,定义了Ｌｙａｐｕｎｏｖ意义下的鲁棒镇定概念,得到了系统鲁棒镇定的充分必要条件。结果说明,在带模有界条件下,非线性不确定系统的鲁棒可镇定性与一个扩展的Ｈａｍｉｌｔｏｎ Ｊａｃｏｂｉ－Ｉｓａａｃｓ（ＨＪＩ）微分不等式是否存在正解完全等价。     

输入为扇区非线性的不确定系统的鲁棒镇定

讨论一类输入为扇区非线性的不确定系统的渐近镇定问题。在假设系统不确定性满足匹配条件的情况下,基于无源性理论用逻辑切换得到了控制规律,并给出镇定这类系统的一种新的鲁棒控制方法。仿真算例表明该方法具有良好的控制效果。     

非线性不确定系统的鲁棒性研究

1　引言非线性不确定系统的鲁棒性研究 ,早期是以在匹配条件 (matching condition)和广义匹配条件下 ,设计控制器使闭环系统达到实际稳定 (practical stabitity)为主 [1～ 3 ] .近些年利用 H∞ 控制理论的结果 ,出现了对具有有界结构的非线性不确定系统的鲁棒性讨论 [4～ 9] .模有界结构条件下 ,非线性不确定系统的鲁棒性有可能达到使状态趋于平衡点 ,而非仅仅实际稳定 .在文献 [4]中所讨论的非线性系统 ,要求其非线性部分具有线性界 .文献 [5 ]首次将模有界结构条件引入到线性不确定系统的鲁棒性研究中 .文献 [6]进一步讨论了这一结构下的…     

雾霾图像清晰化算法综述

雾霾图像不仅影响视觉效果,而且模糊不清晰的图像容易为后续识别、理解等高层次任务带来困难。雾霾图像清晰化问题是一个典型的不适定问题,其成像过程难以精确建模,消除图像中的雾霾面临巨大的挑战。近年来,研究者提出大量的图像去雾算法克服雾霾引起的图像降质退化,为全面认识和理解图像清晰化算法,论文对其进行梳理和综述。首先,对雾霾图像清晰化算法进行整理,根据雾霾退化过程是否有模型支持,将清晰化算法分为基于Retinex模型、大气散射模型去雾算法和无模型图像去雾算法。大气散射模型是有模型算法中主流模型,本文详细剖析了模型成像机理,并根据其成像机制揭示大气散射模型容易受大气浓度均匀分布假设的限制,较难处理非均匀雾霾图像问题。基于深度学习的无模型图像去雾算法则不仅可以应对非均匀雾霾图像,而且去雾性能获得了极大地提升。其次,本文汇总了近年来常用去雾数据集,从数据集适应范围、规模、可扩展性等多个维度进行总结。并根据雾霾图像形成方式,对人工合成雾霾数据集和真实拍摄数据集分别从定性和定量的角度探讨了数据集对图像去雾算法的影响。     

基于自适应双边全变差的图像超分辨率重建

超分辨率图像重建技术就是通过融合多幅变形、模糊、有噪、频谱混叠的低分辨率降质图像(或视频序列)来重建一幅高质量高分辨率图像.MAP估计算法是一种广泛使用的统计重建方法.针对标准的MAP算法引入了自适应概念,引入了图像自适应加权系数矩阵;据此给出一种基于自适应双边全变差的图像超分辨率重建算法,该方法不仅能在图像超分辨率重建过程中抑制噪声,而且能锐化图像中的边缘信息;建立了自适应重建模型并用梯度下降法推导出迭代计算公式.实验表明,该算法在收敛性和精确性上都达到了较好的效果.     

具有数据丢包的非线性奇异脉冲系统量化控制

考虑网络传输中存在的数据丢包和信号量化问题, 研究了基于数据丢包的非线性奇异脉冲系统设量化反馈控制器的设计方法. 首先给出一般非线性奇异脉冲系统的数学描述, 并在此基础上建立相应的具有丢包的闭环量化反馈控制系统的数学模型. 其次, 根据李雅普诺夫稳定性理论, 给出了奇异脉冲系统的渐近稳定的充分条件以及量化反馈控制器的设计方法. 应用本设计方法, 可以选择满足代数矩阵不等式条件的量化反馈增益, 实现系统渐近稳定. 最后通过对Chua混沌系统仿真, 表明利用本文设计的量化控制器能够保证闭环非线性奇异脉冲系统在具有数据丢包的情况下渐近稳定.