【摘 要】
：
针对工业中存在的时滞、非线性问题,将内模控制方法和神经控制原理有效结合起来,并利用一种改进径向基神经网络(radial basis function neural networks,RBFNN)中心点学习方法分别对被控对象的模型和控制器进行自适应学习,通过对实验室电加热炉这种典型一阶滞后对象实验,仿真表明,所提出的方法具有快速跟踪输入、无超调等良好特性,并且能在系统受到干扰或对象参数发生变化时,仍
论文部分内容阅读
针对工业中存在的时滞、非线性问题,将内模控制方法和神经控制原理有效结合起来,并利用一种改进径向基神经网络(radial basis function neural networks,RBFNN)中心点学习方法分别对被控对象的模型和控制器进行自适应学习,通过对实验室电加热炉这种典型一阶滞后对象实验,仿真表明,所提出的方法具有快速跟踪输入、无超调等良好特性,并且能在系统受到干扰或对象参数发生变化时,仍然具有良好的自适应性和鲁棒稳定性。
其他文献
为了较好地保持图像的边缘信息,提出一种基于Canny边缘检测的Catmull-Rom图像插值放大算法。首先用Canny算子检测出原图像的边缘;然后,根据插值目标图像未知像素点时,目标图像与原图像的相似性,如果未知像素点为边缘点,则调整Catmull-Rom的切向和切向长度。实验结果表明,该算法比传统算法的边缘更加清晰,保持了边缘的尖锐特征,减少了锯齿,提高了图像的质量。
提出了一种基于MUSIC算法的子空间扩频码估计算法。该方法通过对接收信号进行特征值分解,并将特征序列映射为子空间的形式,然后采用MUSIC算法寻找一切可能的扩频码序列,最后运用线性解相关检测器对得到的所有扩频码序列进行排错。这样就可以找到所有活动用户,并检测出活动用户的扩频码和信息码,及其用户功率,完成多用户检测。仿真表明,该算法能精确地估计出活动用户的扩频码和用户功率,有优异的误码率性能,在实际
为提高移动台定位算法的精度,研究了基于接收信号强度(received signal strength,RSS)空时处理的指纹定位算法。该算法包含指纹数据库的建立和指纹比对,在指纹数据库建立过程中,利用空时处理的方法克服无线信号的衍射﹑散射等影响;指纹比对时,研究了相同邻小区个数的选择对定位误差的影响,得出相同邻小区个数的最优选择。仿真结果表明,算法减小了RSS的波动性,具有低运算复杂度和高精度。
针对无线传感器网络中分簇多跳通信方式产生的能量负载不均衡问题,提出一种能量均衡的动态间隔分层路由协议(EHRD)。它通过层次间隔动态调整算法动态调整层次间隔,使得层次的能量消耗不均匀状况得到缓解,从而达到整个网络能量负载均衡。用NS2仿真测试结果显示:能量均衡的动态间隔分层路由协议在网络能量负载、网络生存时间、缓解网络"热区"问题上有所提高。
为了提高随机指数标记算法(REM)的响应能力和适应性,提出了一种基于自适应神经元的REM算法(ANREM)。采用具有比例积分微分(PID)控制属性的加强型价格来检测和控制网络拥塞。利用神经元构造PID价格,并设计控制参数的自适应调整机制,以增强算法在动态环境中的适应性。在NS2仿真平台中,将AN-REM与REM及其改进方法进行对比实验。结果表明,ANREM提高了队列长度的响应能力,增强了主动队列管
针对现有维吾尔文笔迹特征提取方法缺乏旋转不变性导致识别存在偏转的样本效果较差,以及尺度不变特征变换(SIFT)方法用于维吾尔文笔迹鉴别存在不足的问题,提出一种基于特征融合、具有旋转不变性的鉴别方法。该方法首先提取笔迹图像的SIFT特征,再计算局部窗口特征,并将两者融合对旋转角度不同的笔迹样本进行鉴别。实验证明,该方法能有效克服笔迹样本旋转对识别率造成的影响,是一种简单、实用、识别率较高的维吾尔文笔
为了解决量子网络中存在的传输率低、信道利用率不高的问题,将经典网络编码的思想引入量子网络,基于蝶型网络模型,提出了传输经典信息和未知量子态的两种量子网络编码方案,从而有效提高了网络的整体性能,实现量子网络上的最大流传输;而且,所有的信道均采用量子信道,并创新性地提出利用量子态作为寄存器实现经典信息的传递,很好地增强了方案的安全性。
由于步态图像的复杂性,使得很多维数约简方法不能有效地应用于步态识别中。等距特征映射(Iso-map)是一种很好的非线性维数约简算法,但在实际应用中该算法没有利用样本的类别信息,并存在泛化能力差的问题。在该算法的基础上,提出了一种新的监督Isomap算法,并应用于步态识别中。该方法不但具有Isomap算法的特性,而且能对新样本进行低维映射。在真实的三个步态图像数据库上的实验结果表明,该方法对步态识别
针对被动图像拼接检测问题,提出了一种基于三阶统计特征的检测算法。该算法把图像状态矩阵中三个相邻状态之间的依赖关系建模为条件共生概率矩阵,然后将其作为识别特征输入到支持向量机(SVM)进行分类。由于高阶统计特征维数随着统计阶数的增加而呈指数级增加,为了降低高维特征在分类阶段所引入的高计算复杂度以及避免可能出现的过拟合现象,引入了主成分分析法(PCA)对提取的特征进行降维处理。实验结果显示,条件共生概
对完全二维主成分分析算法进行改进,提出三种不同的加权策略,详细地分析它们的本质,并将其应用到步态识别中。在中国科学院自动化所提供的CASIA(B)步态数据库下验证加权方案的有效性,实验结果表明加权幂指数的选取对识别结果的影响比较大,通过实验可以选取最佳的权值,能够做到提高识别性能。最后针对各个行走状态下的步态,分析了背包步态识别率低的原因。