任意初态下的扰动系统学习控制

针对任意初态下带有扰动的线性定常系统, 提出了相应的控制算法。该算法将受控过程分成无穷个子过程, 系统利用上一子过程的输入输出信息来调节当前过程的输入,以期获得更好的控制效果。在控制过程中, 基于迭代学习控制思想, 借助初始修正手段, 可使系统的跟踪误差达到任意小, 且当系统无扰动时,在指定区间内可实现完全跟踪。最后, 通过仿真算例, 验证了算法的有效性。     

快速光线跟踪算法

在三维真实感图形生成过程中时间与空间的平衡问题上,给出了一种新的光线跟踪的快速算法——轴向交非法,这种办法把场景中的物体沿三个轴向分裂、排序,以很少的内存开销,实现了对场景空间的任意分割与快速求交。通过实验,初步建立了一个微机三维真实感图形生成与显示系统,显示的图形真实感强,图形生成速度比一般的包围体法提高近一个数量级。     

基于自适应神经PID改进算法的非线性系统控制

通过研究非线性系统动态特性,分析了一般神经PID控制器的控制特点并在此基础上给出了一种改进算法.通过在线训练和学习来修正参数,实现神经网络自适应调整比例常数PID控制.该算法充分利用BP神经网络算法逼近任意连续有界非线性函数的能力,使得比例常数随着偏差的大小而变化,使目标函数达到最优化.仿侣真结果表明.在对非线性动态系统进行控制时,自适应PID神经网络控制算法具有很强的灵活性和高效性,能取得良好的控制性能.     

基于云模型的混合粒子群算法的统一混沌系统时变参数辨识

统一混沌系统是在内部参数改变时系统随之变化的一族混沌系统.为了求解统一混沌系统的辨识问题,提出了一种基于云模型的混合粒子群算法.该算法通过引入基于云模型的进化与变异策略提高辨识精度,通过交叉操作提升收敛速度,并利用抗差优化模型进一步提升算法的抗扰动能力.实验结果表明,在加入扰动的统一混沌系统中,该策略能够精确的辨识出时变参数,可有效避免算法陷入局部最优,且具有收敛速度快及抗扰动能力强的优点.     

一类凸规划问题的序列跟踪算法

本文对一类具有线性约束的凸规划间题提出了一个原始一对偶的内点算法.此方法通过对互补向量空间中的一干a-序列的跟踪，求得问题的解.算法可以在任意的原始一对偶内部可行解起动.     

一类具季节性时变参数和脉冲控制的捕食-被捕食系统的动力学

研究一类脉冲控制的微分动力系统,该系统基于具有一般功能反应和季节性影响的捕食-被捕食系统,并加入了脉冲控制扰动,用来模拟农业生产中包括生物防治和化学防治在内的虫害综合防治过程或其他生物资源开发过程。利用脉冲微分方程中的Floquet理论和比较方法分析了该系统的动力学     

基于自主扰动变异差分视频的关键帧提取算法

针对传统的支持向量机学习算法(SVM)在对视频关键帧提取过程中普遍存在学习参数不易确定,准确度偏低的问题,提出一种自主扰动变异差分SVM算法用来对视频进行关键帧提取.首先,对差分进化算法的生物学机理进行研究,提出一种改进的自主扰动变异方式.其次,结合改进形式的自主扰动差分进化算法对SVM参数进行选取优化,设计了基于该改进差分SVM算法的视频关键帧提取算法.通过在标准测试函数及视频测试数据库中的实验表明,改进的自主扰动变异差分视频关键帧提取算法能够更加有效地优化支持向量机参数,从而有助于改善视频检索的查全(准)率两个算法性能评价标准.     

基于事件相机的无人机目标跟踪算法

无人机目标跟踪可应用于消防、军事等重要领域,已成为计算机视觉领域热门研究课题之一。现有的无人机目标跟踪算法大多基于传统RGB相机结合深度学习算法, 但此类算法一方面无法避免无人机机体抖动造成的运动模糊, 另一方面因传统RGB相机在低光照或过曝光场景下成像质量较差,难以跟踪目标,为此提出采用无人机搭载DAVIS事件相机的方法进行目标跟踪。设计了基于事件与灰度图的双模态融合跟踪网络,用Vicon运动捕捉系统制作了无人机视角下的目标跟踪Event-APS 28数据集,实现了在复杂光照场景下对目标物的有效跟踪。     

一种基于多样性策略的粒子群算法

在扰动粒子群算法的基础上,提出了一种基于多样性策略的粒子群算法(ARPPSO)。该算法通过随机扰动全局极值对速度进行更新,并在速度更新中引入吸引和排斥机制控制种群多样性,同时在位置更新公式中,利用真实物理反弹理论将解空间外的粒子反弹回解空间内,有效地保持了种群的多样性。提出的算法经过基准函数的模拟实验验证,并与其他已有算法进行了比较。实验结果表明,除了保持粒子快速收敛性能外,很大程度上避免了早熟收敛,提高了收敛精度。特别是在复杂多峰函数优化上具有很强的竞争力。     

基于降噪自编码的电能质量扰动识别

针对目前电能质量扰动识别时特征提取不充分,造成识别精度不高的问题,引入了降噪自编码算法。降噪自编码算法起源于自动编码算法,两者都属于深度学习算法。其中,自动编码算法已经被应用于电能质量扰动识别,并取得了一定的成果。但是,自动编码算法对含噪声干扰的电能质量扰动信号的识别精度还不是很理想。本文采用降噪自编码算法,将克服这一问题。首先对无噪声的扰动信号用噪声进行"破坏",然后用带噪声信号去重构原始信号,得到扰动信号波形的固有特征,最后通过BP神经网络分类器对整个网络进行微调,得到最后用于分类的特征样本。该方法降低了传统特征提取算法对特征选取不当,造成分类识别精度不理想的风险,并在一定程度上提高了含噪声的电能质量扰动信号的识别精度。仿真结果表明,该方法在识别含噪声的电能质量扰动信号上有很大的优势。     

基于LDPC/Turbo双模译码器的自适应迭代译码算法研究

针对现有WIMAX标准中LDPC/Turbo双模译码器设计在精确计算时未充分考虑迭代次数的问题,提出了一种适用于LDPC和Turbo码的自适应迭代译码算法,可灵活应用于由FPGA技术实现的双模译码器.该算法通过跟踪中间消息计算错误概率,根据多条件判定精确计算迭代次数,从而实现译码算法与错误概率变化特征的自适应性;通过改进的预判决机制减少平均迭代次数.利用Matlab搭建WIMAX系统测试链路,对TDMP多种算法的误码性能与迭代次数的关系进行测试,实现了12个SISO处理单元并行的LDPC/Turbo双模译码器.结果表明,所设计的译码器减少了算法中冗余的迭代过程,并且完全满足该标准下最大码长的要求.     

模糊神经元PID在培养箱温控系统中的应用

针对传统PID控制算法难以实现对非线性、慢时变以及大惯性的婴儿培养箱温度控制系统的高精度控制问题, 设计了一种模糊神经元PID控制算法. 采用模糊算法在线调整神经元PID控制算法的比例系数、比例学习效率、积分学习效率和微分学习效率, 并结合机理分析和阶跃响应法构建婴儿培养箱温度控制系统数学模型, 运用MATLAB进行控制仿真. 实验表明, 该控制算法具有控制精度高、稳定性好以及响应速度快的特点.     

时差法超声流量计瞬时流速动态跟踪算法

时差法超声流量计由于受到功耗的限制, 在时间差的测量中不能采用很高的采样频率. 但在实际流量测量中存在着流体流速会突变的现象, 这样在低流速分辨率情况下就会引起流速测量不能实时跟踪而造成较大计量误差, 也就影响了其相应的计量精度和系统稳定性. 因此对时差法超声流量计瞬时流速动态的跟踪问题进行探讨, 设计出瞬时流速动态跟踪算法. 经过实验验证, 所设计的动态跟踪算法可以使超声流量计的计量精度提高0.4%左右, 重复性提高0.05%左右, 而系统功耗几乎没有大的变化.     

基于过程预报的一种模糊控制算法在井下工具密封件检测控制系统中的应用

介绍一种基于过程预报的模糊控制算法，用以解决石油井下作业工具密封件检测控制系统中被控对象的大延迟问题，实践证明，这种控制策略，对于那些对过渡过程要求比较宽松的却带有大延迟这一工业上难题的系统，是一种可选用的控制策略。     

高维分层混合模糊系统的规则缩减及逼近性假设检验

混合模糊系统,即通过调控参数将Mamdani和T-S合并建立的一种新型系统模型.混合模糊系统不仅能保持各自模糊系统的优良特性,还可大大缩减系统内部的模糊规则总数.为避免因增加输入变量引发高维混合模糊系统规则爆炸,基于混合模糊系统的分层表示,给出了分层混合模糊系统对连续函数的逼近算法.对比发现,高维分层混合模糊系统的规则总数可被大幅度削减.此外,通过实例模拟了一个三维混合模糊系统分层后的实际输出,并用统计学的t-假设检验方法检验了该分层混合模糊系统的逼近性能.     

采用改进PI迟滞模型的压电微夹钳前馈控制

为减小压电微定位平台的迟滞误差, 设计前馈控制器对其进行控制. 首先在使所建平台迟滞模型精度达到要求并使各阈值点精度相同的情况下, 对平台迟滞模型的阈值进行优化, 得到满足模型精度要求的最小算子数, 进而建立了平台的PI(Prandtl-Ishilinskii)迟滞模型通过对所建迟滞模型求逆, 设计出平台的前馈控制器; 最后在所设计的前馈控制作用下, 使平台达到5μm理想阶跃值的响应时间为0.01s稳态误差中线的变化范围为0.40~0.50μm 当期望平台输出最大值为17μm变幅值三角波位移时, 实测位移相对于理想位移的误差中线变动范围为1.15~ -0.05μm. 所设计前馈控制器可有效减小压电微定位平台的迟滞误差.     

基于差分图像的人脸检测与跟踪研究

人脸检测与跟踪是人脸信息处理领域中的一项关键技术,提出了一种可通过自适应阈值分割运动区域,根据人脸几何特征验证得到人脸模板,再运用GA跟踪人脸,并且用M6215摄像头进行实时采集、定位与跟踪的新的快速有效的人脸跟踪方法.实验表明:本系统不仅跟踪速度快,还可以在人的手势变化干扰或背景有干扰的情况下,进行令人满意的人脸检测与跟踪.     

无线传感器网络的自身定位算法研究

自身定位算法在无线传感器网络技术的目标定位和跟踪等方面起着举足轻重的作用,而算法的优劣直接影响着自身定位和目标定位的精度．以传统的DV-hop算法为依据,提出了一种WDH（Weighted-DV-hop）定位算法,在获得跳数的步骤中,根据接收到的传播信号区分强弱程度,并取0．d．5或1作为跳数递增量的加权修正值,来得到新的跳数．最后通过Matlab平台实现算法的验证,表明其可以明显地提高定位的精度．     

一种结合Mean—shift和粒子滤波的视频跟踪算法

提出一种结合均值偏移算法和粒子滤波理论的视频跟踪算法,解决了目标旋转、部分遮挡和运动速度过快的问题．通过均值偏移对粒子滤波中的粒子集进行进一步寻优,增加了粒子的有效性,极大减少了粒子采样的数量,且解决了经过多次重采样后粒子多样性降低的问题．新的粒子通过与观测值之间的巴氏系数来决定重要性权重．实验证明：本算法可以完成实时地对视频目标进行部分遮挡以及目标旋转下的跟踪,具有较强的鲁棒性．