空气重介流化床的基于逆系统方法的内模控制

为了提高大型空气重介流化床（ADMFB）的鲁棒性和抗干扰能力，提出了基于人工神经网络（ANN）逆系统方法的内模控制.在分析ADMFB系统可逆性的基础上，该方法利用ANN辨识得到的原系统逆模型与原系统相串连，运用逆系统方法的思想，将该多变量、非线性、强耦合的系统通过反馈线性化，解耦成多个相互独立的单输入单输出（SISO）的伪线性子系统，对求得的伪线性系统采用该方法进行控制.ADMFB的仿真结果表明，该方法不依赖于系统的精确数学模型，对恒值扰动具有良好的抑制能力，并当非线性参数发生变化或逆系统存在建模误差时，由该方法设计的闭环系统均具有良好的鲁棒稳定性.     

支持向量机α阶逆系统解耦控制方法

为了解决采用传统逆系统方法难以建立逆模型的困难,提出了基于支持向量机(SVM)的α阶逆系统解耦控制方法.在被控对象精确模型未知的情况下,根据SVM的非线性辨识原理,利用具有高斯核函数的SVM离线建立被控对象的非线性逆模型,根据逆系统方法原理,将得到的SVM逆模型串联在原系统之前,将复杂的非线性多变量系统解耦成多个相对独立的单输入输出伪线性子系统.通过对一个典型的两输入两输出强耦合非线性系统进行仿真，结果表明,在没有系统模型先验知识的情况下，利用该方法能够建立准确的非线性系统的逆模型.基于SVM的α阶逆系统解耦控制方法适用于较一般的离散非线性系统，且结构简单，易于工程实现.     

基于支持向量机的非线性内模解耦控制

针对非线性内模控制在应用于多变量系统时逆模型难以建立的问题, 提出了支持向量机α阶逆系统的内模解耦控制方法. 该方法利用支持向量机辨识非线性系统的逆模型, 并将其串连在原系统之前, 运用逆系统方法的思想, 将一个多变量、非线性、强耦合的复杂系统通过反馈线性化解耦成多个相互独立的单输入单输出的伪线性复合子系统. 对求得的伪线性系统采用内模控制方法进行控制. 仿真试验表明该方法不需要系统精确的数学模型, 较一般的逆系统方法鲁棒稳定性好, 设计简单, 跟踪精度高, 是解决多变量非线性系统控制的一种可行的理论方法.     

Fluidized bed control system based on inverse system method

The invertible of the Large Air Dense Medium Fluidized Bed (ADMFB) were studied by introducing the concept of the inverse system theory of nonlinear systems.Then the ADMFB, which was a multivariable, nonlinear and coupled strongly system,was decoupled into independent SISO pseudo-linear subsystems. Linear controllers were designed for each of subsystems based on linear systems theory. The practice output proves that this method improves the stability of the ADMFB obviously.     

基于功率谱的H.264/AVC快速帧内预测算法

针对H.264/AVC帧内预测复杂度高的问题,结合H.264帧内预测的特点,提出一种基于功率谱的快速帧内预测算法。该算法在帧内预测之前,首先对宏块进行离散快速傅里叶变换,将频域内的三维功率谱函数转为化二维功率谱函数,然后利用二维功率谱函数的自相关性进行阈值判决,最后根据判决结果从两种预测模式中选择一种,从而减少算法的复杂度。实验结果表明,该算法在保证图像质量和编码码率较少增加的前提下,有效提高了编码速度;并且,该算法有利于在视频编码芯片上的实现,可用于实际的视频通信产品。     

基于支持向量机α阶逆系统方法的非线性内模控制

为了提高传统逆系统方法的鲁棒性和抗干扰能力, 提出了基于支持向量机α阶逆系统方法的非线性内模控制新方法. 该方法利用支持向量机辨识非线性系统的α阶逆模型, 并将其串连在原系统之前得到复合的伪线性系统. 对求得的伪线性系统采用内模控制方法进行控制. 仿真结果证明了该方法的有效性. 理论分析和仿真结果均表明, 该方法不依赖于系统的模型, 且较一般的逆系统方法鲁棒稳定性好, 设计简单, 跟踪精度高, 是解决非线性系统控制的一种可行的理论方法.     

支持向量机α阶逆系统控制-离散非线性系统

针对传统逆系统方法中逆模型难以建立的问题，提出了基于最小二乘支持向量机（LS-SVM）的α阶时延逆系统控制方法.通过分析LS-SVM的函数拟合特性，以离散非线性系统为例，证明了基于LS-SVM阶时延逆系统存在的充分条件.利用具有径向基(RBF)核函数的LS-SVM，离线建立了被控对象的非线性逆模型.把得到的逆系统串连在原系统之前，得到基本上线性化的伪线性复合系统，将复杂的非线性问题转化为线性问题，利用线性系统的理论实现了伪线性系统的综合.仿真结果表明，该方法适应于较一般的离散非线性系统，且在没有被控对象先验知识的情况下，能准确地建立非线性系统的逆模型.     

支持向量机α阶逆系统控制——连续非线性系统

针对传统逆系统方法中逆模型难以建立的问题，提出了连续非线性系统基于最小二乘支持向量机(LS-SVM)α阶的逆系统控制方法.该方法用具有径向基核函数(RBF)的LS-SVM，离线建立被控对象的静态非线性逆模型.由静态非线性逆模型外加若干表征非线性动态特性的积分器, 构成了连续非线性系统的α阶逆系统.将得到的LS-SVM α阶逆系统串连在原系统之前，得到基本上线性化的伪线性系统，进而将复杂的非线性问题转化为线性问题.仿真结果表明，在没有被控对象先验知识的情况下，利用该方法能准确地建立连续非线性系统的逆模型.基于SVM的α阶逆系统方法适应于较一般的连续非线性系统，且具有良好的控制性能.     

基于最大连通区域的QR码提取和校正方法

研究了基于最大连通区域的QR码提取和校正方法,使用区域面积描述标记最大连通区域并放大获得QR码大致所在区域,运用闭运算取其轮廓,用Hough变换检测轮廓线并计算交点信息,利用图像几何变换实现坐标值和像素值变换以消除几何失真。实验结果证明该方法能够快速定位的有效性。