切换控制在倒立摆系统摆起和镇定中的应用

本文针对一级直线型倒立摆对象,基于非线性共振原理和线性二次型最优状态反馈控制,提出了一种基于状态的切换控制策略,实现了倒立摆的快速摆起和镇定。最后通过仿真实验表明,本文提出的方法对一级直线型倒立摆系统的摆起和镇定具有较好效果。     

全自主机器人垂直异构双目视觉研究

针对对称式双目视觉系统在RoboCup足球比赛中的局限性，在研究AS—R自主机器人单目活动视觉的基础上，建立了垂直异构双目视觉系统，实验结果表明，垂直异构双目视觉系统是可行有效的，结合小波变换、边缘检测和轮廓提取等技术，能提高机器人在复杂环境中的自主工作能力。     

用于连续函数优化的改进蚁群算法

主要综合了蚁群算法、遗传算法、差异演化算法三者优点.在连续空间中,以蚁群算法为主要寻优思路,采用遗传算法中的交叉、变异及差异演化算法的变异方式增加群体多样性;采用自适应的交叉、变异概率以增强算法的智能性,仿真实验获得了较好的效果.     

全自主机器人双目视觉运动检测研究

设计了AS—R自主机器人异构双目视觉系统,用于实现Robocup比赛中对足球的运动检测,视觉图像由云台摄象机EVI—D100／P采集;通过分析比较传统的运动检测方法,如背景图象差分法、时态差分法、基于块运动检测法和光流法的优缺点,采用了一种基于Cantty算子的自适应动态背景差分算法用于获取球场前景信息I实验结果表明,该方法能有效检测出运动目标,具有较好的实用性。     

基于粒子群优化算法的神经网络在油品质量预测中的应用

粒子群优化算法是基于群体智能的全局优化技术,它通过了粒子间的相互作用,对解空间进行智能搜索,从而发现最优解。其优势在于操作简单,容易实现。文中将粒子群算法和神经网络进行融合,优化神经网络的权值和域值,充分发挥了粒子群算法的全局寻优能力和BP算法的局部搜索优势,并与改进的BP算法进行了比较 。油品质量预测的实例表明,将粒子群算法用于神经网络的优化,收敛速度更快,预测精度更高,而且算法简单。     

基于递阶遗传算法优化神经网络的研究

基于递阶结构的遗传算法可以同时对神经网络进行拓扑结构优化和权重的求解,具有较高的学习效率。针对HGA在优化神经网络过程中的一些参数,如适应度函数、交叉概率和变异概率等做了一些研究,并且比较HGA与一般遗传算法、BP算法的区别,把HGA和BP2种算法结合起来优化神经网络,最后给出仿真实例。     

利用ARIMA改进HHT端点效应的方法

针对希尔伯特-黄(Hilbert-Huang transform,简称HHT)变换中经验模式分解(empirical modedecomposition,简称EMD)的端点效应问题,提出一种基于自回归综合滑动平均模型(ARIMA)进行端点延拓的改进方法。利用ARIMA在非平稳数据建模方面的优势,EMD前在待分析信号两端各预测一段数据,HHT后再截去延长的部分,保留原信号长度的处理结果。通过仿真信号和实测的转子不对中故障信号验证了该方法的有效性,证实改进后的算法能有效地抑制EMD端点效应的影响,信号故障特征更清晰,并且ARIMA模型的参数确定方便,算法易于使用。     

基于分离变量的模糊控制规则的简化设计

针对多输入单输出的倒立摆模糊控制系统的规则爆炸问题,尝试了一种基于分离变量的模糊控制规则设计方法,大大减少了控制规则数,减少了控制器的运算时间。利用该方法设计一级倒立摆模糊控制系统,仿真结果表明,简化控制规则后仍能取得较好的效果。     

自适应递阶遗传算法优化BP网络的程序设计

主要阐述了一种新的遗传算法-自适应递阶遗传算法的基本原理,解决了长期以来无法同时对神经网络拓扑结构和神经网络的权值和阈值进行优化的问题,设计了一个基于自适应递阶遗传算法的BP神经网络学习算法,给出了具体的程序设计,并且利用MATLAB平台进行仿真计算.实验结果表明,该算法比一般遗传算法具有明显的优越性,可以避免神经网络陷入局部最优,迅速优化网络的拓扑结构,提高了网络的学习性能,具有一定的实用性.     

基于径向基函数神经网络的非线性系统预测控制

以某厂羟胺反应器的氢离子浓度控制为例 ,介绍了径向基函数 (RBF)神经网络在强非线性对象预测控制中的应用及仿真研究结果。