基于新型联想记忆系统的机器人分布式智能控制

基于离散泰勒级数提出一种对多维函数可实现任意阶逼近的新型CMAC神经网络——DTS-CMAC，详细讨论了该系统的插值算法、训练规则，与传统CMAC相比，DTS-CMAC具有学习精度高、学习速度快及占用存储单元少等优点。基于DTS-CMAC设计了一种高性能的机械手轨迹跟踪分布式智能控制方案，并以肘关节为例，设计了机械手关节转矩控制器，仿真研究表明了该方案的可行性与有效性。     

基于离散泰勒级数的新型联想记忆系统

基于离散泰勒级数提出一种对任意阶多维函数可实现无差逼近的新型联想记忆系统，详细讨论了该系统的插值算法、训练规则及寻址机制，新型联想记忆系统相对于CMAC具有逼近精度更高、占用存储单元较少、学习速度较快等优点，该系统在信号处理、模式识别、过程建模及高精度实时智能控制等领域具有广泛的应用价值，仿真实例表明了系统的可行性与有效性。     

双线性随机系统广义预报控制算法

以模型递推法实现双线性随机系统的多步预报,即重复利用受控对象模型自身包含的一步递推预报关系,依次得出对象输出的多步预报值,并证明了在一定条件下此预报值具有近似最小方差性。进而,利用适当的简化假设,按多步广义最小方差控制性能指标导出了双线性随机系统的广义预报控制算法。数字仿真证明,此控制算法在线计算量少,稳态精度高,通过适当地选取参数估计初值和调整预报步长,可以作到启动平稳、迅捷、几乎无超调,且抗阶跃扰动性能强,对变时延有良好的鲁棒性。     

内模滤波与小波分解结合用于视觉诱发脑电信号提取──提取视觉诱发脑电信号的新方法之六

为了从强自发脑电ＥＥＧ背景中提取视觉诱发脑电（ＶＥＰ）信号,按内模滤波方法,利用递推最小二乘算法估计叠加后的ＶＥＰ信号的内模参数;然后以在线迭代的方式来设计具有自适应能力的内模滤波器,并将其与小波变换方法恰当结合．临床试用结果表明,此法比单纯采用按典型ＶＥＰ信号的内模参数设计内模滤波器,或单纯采用小波变换法提取ＶＥＰ信号效果更理想．     

适用于动态特性未知工业过程的改进型相联存储自学习控制系统

对相联存储自学习控制系统（ＡＭＬＣＳ）提出了一种改进方案，可用于动态特性几乎完全未知且慢时变的工业过程。主要改进之点在于：１）过程预报模型及控制策略均取增量形式，以便克服阶跃扰动，并有助于减少二者所需用的相联存储系统（ＡＭＳ）的内存占用量；２）在按领先多步的子目标对当前控制增量进行优化过程中引入钝化因子，以使原属多变量优化的问题简化成单变量优化的问题；３）对ＡＭＳ提出了新的寻址机制，致使其内存占用量大为减少，同时又避免了原有杂凑寻址作法所引起的数据冲撞问题；４）在用于过程预报模型的ＡＭＳ中采用局部线性外推法进行主动学习，既使学习收敛过程得以通过预先扩大已训域而加快，又避免对控制品质产生不利影响。数字仿真结果表明了这种ＡＭＬＣＳ新方案的可行性和有效性。     

多变量线性离散随机系统输出多步预报的逐次单步实现法

提出一种新型的多变量线性离散随机系统输出的多步预报法,即重复利用系统模型本身的一步预报关系,依次得出多个预报值。这种方法与多变量递推求解丢番方程实现多步预报的现有方法是等效的,具有计算最小、编程简洁的优点,已成功地用于广义预报控制中。     

改进的广义预报控制算法

对Clarke(1984)的广义预报控制算法引入了三点重要改进: (1)以逐次单步预报方式取代递推求解丢番方程作法,对受控对象的输出实现多步预报,使计算量大为减少, (2)按采样周期较小条件下所得离散模型参数的理论近似值及参数总和趋一定理设定参数估计初值,使启动初期的估计和控制质量得以明显改进; (3)采用最优滑动平均滤波器抑制阶跃武或正弦式等确定性干扰,而又不致过度放大随机噪声, 改进后的算法仍然保留原广义预报控制的所有鲁棒性。     

方块脉冲函数用于双线性系统的分析和辨识

本文利用方块脉冲函数的特点,对双线性系统的分析及辨识问题进行了讨论,得出了一套便于应用的递推算法。与用沃尔什函数辨识双线性系统的方法相此,文中所得的结果更为简洁、明了,且子区间的分段数可任意选取,故可节省计算机内存和机时,减少舍入误差,并且递推算法有助于实现实时在线辨识。     

特种函数旋转变压器正交绕组设计用全补偿条件

当特种函数旋转变压器带负载时,输出绕组中出现的电流在气隙中建立的附加磁势,引起磁场分布畸变,导致函数精度显著下降。为此需用精确设计的正交绕组加以补偿。 本文导出了负载阻抗恒定情况下,为使附加磁势对函数精度的不利影响能够在规定的转子角位移范围内处处得到补偿,正交绕组在设计上应满足的条件。所得结论具有普遍意义,而普通正余弦函数旋转变压器可看成是其适用对象中的一种最简特例。     

直接求解变分问题的方块脉冲函数法

本文利用方块脉冲函数的优良运算性质,导出了一种简便有效地直接求解变分问题的新方法,它既与现有多种直接方法各有相似之处,又具有某些独特的优点。