基于Levy算法的IPMC分数阶模型辨识

IPMC是一类被称为人工肌肉的电活性智能材料,在微机电系统、生物医学、仿生机构等领域都具有很好的应用前景。分数阶微积分中微分、积分的阶次可以是分数,能够更精准地描述实际系统的动态响应。为了说明分数阶模型比传统整数阶模型能够更精确的描述具有非整数阶动力学特性的IPMC驱动系统,首先根据IPMC驱动器输入信号与输出响应的实验数据得到实际频率响应伯德图。然后,结合实验数据应用Levy频域辨识算法分别建立了IPMC的整数阶模型和分数阶模型。最后,比较两类模型和实验数据的频域响应伯德图,可见分数阶模型和实验数据的伯德图拟合效果更精确,所以对于具有非整数阶动力学特性的IPMC驱动系统应该使用分数阶模型来描述和研究。     

基于离子聚合物-金属复合材料的频域分数阶建模及最优控制

离子聚合物-金属复合材料(IPMC)具有良好的电-机械特性,由于致动性能类似于生物肌肉,因此受到广泛关注。频域建模方法在处理动力学系统和非常定线性动力学系统的参数辨识方面具有独特的优点。为了针对IPMC驱动器精确地建立数学模型并实现最优控制,首先根据驱动实验数据应用加权Levy算法在频域建立了IPMC驱动器的整数阶模型和分数阶模型,比较两种模型的拟合效果,确定采用拟合精度较高的分数阶模型来描述IPMC非整数阶动力学特性。然后对IPMC分数阶模型应用Optim FOPID界面控制器分别设计了整数阶PID控制器和最优分数阶PIλDμ控制器。最后比较控制效果,可见最优分数阶控制的响应更快,超调量更小,且通频带更宽,可用于实现对IPMC驱动器的精确控制。     

基于改进粒子群算法的分数阶系统辨识方法

为获取精确的分数阶系统模型,本文利用惯性权值自适应律来改进基本粒子群算法,基于所改进的粒子群算法提出了一种分数阶系统辨识方法,并选取实际系统与辨识系统的输出误差平方和为目标函数,实现了分数阶模型参数和阶次的同时辨识,适用于成比例和不成比例分数阶系统辨识。仿真结果表明了算法的有效性,辨识结果精度较高。     

分数阶系统的迭代最小二乘辨识算法

针对等比例阶次的分数阶系统的特点,提出了一种分数阶系统频域辨识的迭代最小二乘算法,并将运算数据的实部和虚部分离计算引入辨识过程,简化了计算的复杂度。此算法是整数阶系统辨识频域最小二乘算法的推广。通过无噪声和有噪声两种情况下的仿真实验,证明了该算法的有效性。     

离子型金属聚合物复合材料的分数阶建模及二阶滑模控制

离子型金属聚合物复合材料(ionic polymer metal composites,IPMC)是一种具有广阔应用前景的电驱动智能复合材料,但是它具有强非线性,尤其是磁滞特性,严重影响了控制精度。分数阶控制系统的提出,不仅涵盖了传统的整数阶系统,还对其进行了补充,大大增加了控制理论的鲁棒性和易模拟性。为了准确建立IPMC模型,首先通过实验数据和人工蜂群算法对整数阶模型进行参数寻优,再将其转化成拟合度更高的分数阶模型。针对该分数阶模型,提出并介绍了基于分数阶的二阶滑模控制器的理论内容,并从仿真与实验两个方面分别与分数阶PI~λD~μ控制器作对比,结果表明了所提出控制方法的控制效果更好。     

基于IPMC的频域分数阶建模及最优控制

离子聚合物-金属复合材料(IPMC)具有良好的电-机械特性,由于致动性能类似于生物肌肉,因此受到广泛关注.频域建模方法在处理动力学系统和非常定线性动力学系统的参数辨识方面具有独特的优点.为了针对IPMC驱动器精确地建立数学模型并实现最优控制,首先根据驱动实验数据应用加权Levy算法在频域建立了IPMC驱动器的整数阶模型和分数阶模型,比较两种模型的拟合效果,确定采用拟合精度较高的分数阶模型来描述IPMC非整数阶动力学特性.然后对IPMC分数阶模型应用OptimFOPID界面控制器分别设计了整数阶PID控制器和最优分数阶PIλDμ控制器.最后比较控制效果,可见最优分数阶控制的响应更快,超调量更小,且通频带更宽,可用于实现对IPMC驱动器的精确控制.     

分数阶系统的一种频域辨识算法

研究了利用频率响应数据辨识分数阶传递函数的问题.根据分数阶传递函数模型中,公因子阶次和分母系数是非线性参数,而分子系数则是线性参数,给出了一种频域辨识算法:利用模拟退火算法估计公因子阶次和分母系数,相应的分子系数通过求解线性最小二乘问题得到.该算法可以估计出包括公因子阶次在内的所有模型参数.无噪声和有噪声频率响应数据2种情况下的仿真算例验证了算法的有效性.     

分数阶边值问题解的存在性

主要研究如下的Caputo分数阶边值问题解的存在性:(Dau(t)ag(t,u)/at+ag(t,u)/auu'0≤t≤1,)其中:1相似文献   

离子聚合物-金属复合材料分数阶模型的建立与控制

IPMC是一类具有很好应用前景的电活性智能材料,但响应机理复杂且具有非线性限制了其开发与应用。分数阶控制是对传统整数阶控制理论的概括和补充,分数阶控制理论使得传统经典的PID控制理论更具有可模拟性和鲁棒性。为了准确地建立IPMC驱动器的模型并说明分数阶控制的优越性,首先建立了描述IPMC驱动器的整数阶模型和分数阶模型,然后比较两种模型的拟合精度,确定采用拟合精度更高的分数阶模型来描述IPMC驱动性能。针对IPMC分数阶模型设计了整数阶PI控制器和分数阶PIλDμ控制器。最后通过仿真分析可见,分数阶控制的上升时间更快,超调量更小,通频带更宽,可应用于控制IPMC的形变,证明了应用分数阶控制方法使得被控系统的性能得到了明显的改善。     

基于分数阶微积分及分数阶Fourier变换的图像加密方法

图像加密技术一直是图像处理中的热点问题,把分数阶微积分引入图像加密技术中更是当代前沿研究课题.本文基于分数阶微积分及分数阶Fourier变换的方法,提出了一种新的数字水印算法.该算法在分数阶傅里叶域嵌入水印,分数阶微积分阶次以及分数阶Fourier变换的变换阶数为数字水印的安全性提供了保证.随后作者用相关性检测的方法来提取水印.最后作者通过对算法仿真以及加密图像的抗攻击性能进行测试,发现本文提出的数字水印算法有较好的不可感知性,且对噪声、旋转、剪切等攻击具有良好的鲁棒性.     

基于IPMC的分数阶控制及参数整定

离子聚合物-金属复合物材料(ionic polymer-metal composite,IPMC)是一种人工肌肉材料,作为一种新型执行器非常适用于仿生机器人的开发.使用分数阶控制器可以提高对动态系统的控制能力.为了说明分数阶控制的优越性,并对拟合精度高的IPMC分数阶模型设计最优分数阶控制器.首先针对IPMC驱动器的分数阶模型分别设计了整数阶PID控制器和最优分数阶PI1Dm控制器.然后,比较分析控制效果可见分数阶控制的上升时间更快,超调量更小,证明了应用分数阶控制方法可以使得被控系统的性能得到明显改善.最后,针对分数阶控制器的各个参数的变化对系统的影响做了详细的分析,故而可以选择最优参数实现分数阶最优控制.     

变换域自适应滤波算法的研究

滤波技术在电子信息处理领域中一直占有极其重要的地位,其中对自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之一.介绍了时域LMS自适应滤波算法,然后在此基础上结合近年来国内外发表的相关文献,总结了变换域自适应滤波算法的研究现状,并分析了每种算法的性能特点,最后展望了变换域自适应滤波算法的前景.     

基于粒子群优化算法的的分数阶系统二次型最优控制算法

目前,利用分数阶变分法和分数阶非变分法,解决分数阶系统的二次型最优控制问题时,存在数值算法的收敛效果不够好,近似化的步骤过于繁琐,且计算耗时长,以及在使用传统的梯度迭代优化算法解决分数阶系统的二次型最优控制问题时,对于优化函数要求较高等问题。本文针对一类Caputo定义下的确定性线性分数阶系统,首先,设计一种状态反馈控制器,考虑从优化角度去解决分数阶系统的二次型最优控制问题,然后,利用PSO求二次型性能指标的最优值,即系统的最优控制增益,最终,得到系统的最优控制律。仿真结果表明,PSO比传统的梯度迭代优化算法收敛效果更佳,通用性更好,获得的性能指标更小,验证了该算法有效可行。     

不对称分数傅立叶图象盲水印算法

结合空间域和变换域算法特点,利用不对称分数傅立叶变换的特性,提出了一种图象盲水印算法.对载体图像的行列方向分别实施不同级次的分数傅立叶变换,将原始水印图像用最低有效位算法嵌入到载体图像的级的分数域的低频幅值矩阵中,再进行逆变换得到水印图像.缓解了水印的不可见性与鲁棒性之间的矛盾,提高了水印安全性.实验结果表明,该水印具有良好的不可见性和抗噪声攻击能力.     

基于高阶统计量的MIMO系统辨识与均衡算法

将高阶统计量与盲分离的移位阻断SHIBBS算法相结合, 利用高阶统计量能辨识非最小相位系统和SHIBBS算法分离效果与计算量适中的特点, 提出一种在频域内对MIMO系统进行辨识的方法; 针对在此解混后的信号存在排序不确定性的问题, 直接在频域上采用互四阶累计量, 从而很好地对信号进行了分离; 针对信号的比例模糊问题, 利用LMS自适应的恒模算法（CMA）对排序后信号均衡补偿, 仿真实验证明了此算法的有效性.     

一种基于边界识别的聚类算法

针对基于密度的聚类算法由高密度区到低密度区的处理顺序所带来的不能识别低密度对象类别的缺陷,通过对聚类过程中可能存在的边界识别进行讨论,提出了一种基于边界识别的聚类算法.该算法的思想是：同簇优先权高于密度优先权,即在选择下一个对象进行聚类时,在已聚类的对象中优先选择同一簇的对象,当对象沿某一方向扩展到达簇边界时停止扩展,转而向其他方向扩展,这种处理顺序能使得类别最大化.通过分析簇边界的密度变化特征,建立了边界识别准则,并根据该准则对数据进行聚类.通过在合成数据和美国加州大学提供的知识挖掘数据库数据集上的实验结果表明,所提算法能有效地处理低密度区域的数据,与识别聚类结构的对象排序算法相比,聚类效果可提高4%左右,而时间性能相当.     

基于GMM-UBM的语言辨识算法研究

运用Matlab软件,以自己建立的语音数据库为基础,对与文本无关的基于GMM-UBM的语言辨识系统进行了测试,获得的平均识别率达74%,与传统GMM算法的测试对比,基于GMM-UBM的语言辨识算法能更好地改善语言辨识系统的性能.