基于ISSA的多变量ORVFL网络自适应预测控制

针对多输入多输出（Multiple?Input Multiple?Output, MIMO）的非线性系统,提出了一种基于改进的麻雀搜索算法（Improved Sparrow Search Algorithm, ISSA）的在线序列随机权值网络( Online Random Vector Functional?Link Net, ORVFL)自适应预测控制算法(ISSA?MPC)。该算法采用ORVFL网络逼近非线性系统模型,并用于系统过程的多步预测。为了提高麻雀搜索算法的性能,使用该算法对系统性能指标进行了在线优化,求解了每一个采样周期的最优控制律。结果表明,该算法控制性能良好并具有较好的抗模型失配能力。     

基于峭度激励的变步长自适应谱线增强算法

提出了一种基于峭度激励的变步长自适应谱线增强新算法,该算法以输入信号峭度与误差信号峭度为联合激励因子,构造出一种指数型变步长的算法模型。该步长对高斯色噪声或非高斯色噪声均有一定的免疫性,跟踪时变信号的能力强,且收敛速度快。用实测的某水下目标辐射噪声数据进行了仿真实验。与传统的LMS算法相比,仿真结果表明,该算法具有较强的谱线增强能力、快速收敛性和良好的跟踪性能,能有效地实现目标线谱信号与混合色噪声环境的分离。     

自适应耦合周期势系统随机共振信号增强方法

在单一周期势系统的基础上,提出了一种随机共振粒子群优化算法,用于增强和提取滚动轴承微弱故障特征。该方法采用粒子群优化算法实现自适应耦合周期势系统的系统参数、耦合系数和步长的自适应匹配,以达到增强目标信号、提高其信噪比的目的。通过工程试验验证结果表明:(1)由于耦合系统的作用,控制系统通过调节参数来影响被控系统的随机共振,从而使得自适应耦合周期势系统随机共振方法在微弱故障特征信号增强上更优于单一周期势系统随机共振方法;(2)由于控制系统随机共振与被控系统随机共振的相互协同作用,大大增强了被控系统的随机共振效应,从而使得自适应双输入耦合周期势系统随机共振方法比单输入耦合周期势系统随机共振方法更适用于工程实际中噪声环境下微弱故障特征信号的提取。     

适用于时变信道环境的盲源分离算法

针对时变信道环境下的盲源分离问题,在现有实时盲分离算法的基础上,提出了两种适用于时变信道环境的实时盲源分离算法——基于优选函数EASI盲分离算法(EASI-function)和基于选优函数的峭度变步长盲分离算法(EASI-function-KVS)。EASI-function算法在信号分离的不同阶段采用不同的估计函数,从而使得算法在收敛速度和稳态性能两方面获得一个折中。EASI-function-KVS算法则在EASI-function的基础上,利用峭度变步长的思想,自适应地调整迭代步长大小,进一步改善分离算法性能。仿真结果表明,两种算法能有效地跟踪信道变化,并且在性能方面比传统的EASI算法要好。     

具有任意分布时间相关源的盲分离自适应算法

常用的盲分离算法假定源是独立同分布的随机信号，这种假定在实际应用中受到限制。中把盲分离算法扩展到具有时间相关特性的源信号，给出了盲分离的模型。以最大似然估计为基础，用MA模型来消除源的时间相关特性，推导了MA模型参数和混合参数的自适应梯度学习算法。为了提高该算法的适用性，采用高斯混合模型(GMM)来拟合源的概率密度函数，并给出了GMM模型参数的自适应算法。计算机仿真结果表明：算法的性能良好，收敛速度快。     

箕舌线自适应滤波算法的分析与改进

针对箕舌线自适应滤波算法(LMS)抗噪声能力差,不适合在噪声环境中使用的缺点,尝试在步长更新时加入对输入信号的控制,以提高系统的抗噪声性能。仿真表明,改进后算法比原算法具有更快的收敛速度和更强的抗噪声性能。     

基于自适应-模糊控制的六足机器人单腿柔顺控制

针对六足机器人在不同环境下进行柔顺控制的问题,提出一种基于自适应-模糊控制算法的腿部柔顺控制策略.在建立六足机器人结构模型和阻抗控制模型的基础上,推导间接自适应控制算法,并通过对该算法参数进行分析,得知该算法并不能满足在复杂环境下机器人脚力控制的要求.根据这一情况提出自适应-模糊控制算法,运用模糊控制算法对自适应控制参数进行修正,根据输入与输出的差异关系实时调整参数以得到满意的系统响应.通过对传统的间接自适应控制和改进后自适应-模糊控制算法的比较分析,结果表明,改进后的算法不仅在环境参数发生变化时能够很好跟随期望接触力,而且在躯体高度波动的情况下依然能够保证较小的接触冲击力和较高的稳态精度.这对于提高六足机器人的适应性有着重要意义.     

用于MMSE合并的受约束LMS算法分析

建立了受约束最小均方(LMS)算法,实现正交频分复用(OFDM)系统中分集信号的自适应最优(MMSE准则)合并,解决了输入信号高度相关时传统自适应算法的收敛速度问题．对接收到的分集信号进行变换,使其具有相同的期望响应,然后并行送入自适应滤波器,在给定的约束条件下,完成分集信号的自适应最优合并．推导出的解析式表明,算法的收敛性能与输入信号的自相关矩阵无关,完全由归一化的步长参数控制．     

基于自适应多元变分模态分解的电力系统低频振荡模态辨识

针对电力系统多元非线性信号模态辨识困难的问题,提出一种自适应多元变分模态分解方法(自适应MVMD)对多元低频振荡信号进行辨识.自适应MVMD法通过对构建的多元约束变分模型迭代求解获得最优分离模态集合,避免了噪声扰动下的模态混叠及虚假模态等问题.首先通过最大复原近似度确定分离模态数K,然后利用自适应多元变分模态分解法对多元信号进行辨识以获得模态集合,对各信号中同频模态分类提取,并利用Hilbert变换以及傅里叶变换频谱分布对振荡参数进行辨识.测试算例及仿真算例证明了该方法的有效性,与经验模态分解法对比结果显示自适应MVMD法对含噪声信号辨识能力更强.     

未知环境探测的多机器人协作策略研究

提出了一种基于观测点融合的改进免疫网络探测算法,完成多机器人对未知区域的快速、高效的探索任务.该算法在大大减少通信量,又能准确计算各全局观测点花费的情况下,将不同机器人的局部观测点融合在一张地图上,使机器人的协作能力充分发挥.利用T细胞函数修正了免疫网络浓度模型,同时免疫模型参数的确定考虑各观测点的扩散度和探索方向对系统性能的影响.将仿真试验与市场法和基本免疫算法比较,结果证明INEA算法使机器人之间的协作程度明显提高,而增加观测点扩散度和探索方向一致度指标,加快了系统的探索效率.     

学习特征权值对聚类算法的优化

现有的k-均值聚类算法大都是以距离差异为基础的,而同等重要地依赖所有属性的相似性度量会引起误导.传统的k-均值算法选择的相似性度量通常是欧几里德距离的倒数,这种距离通常涉及所有的特征.而在距离公式中引入一些特征权值后,其聚类结果将依赖于这些权值,从而可以通过调整这些权值优化聚类效果.由于k-均值算法是迭代算法,很难直接确定其权值以优化聚类结果,因此提出了一种通过免疫算法学习权值的方法以改进聚类结果.实验结果显示,该方法确定的权重值在提高聚类效果方面是可行的、有效的.     

基于危险理论的自适应免疫算法

针对克隆选择算法自适应能力和多值搜索能力较弱的不足,提出了一种基于危险理论的自适应免疫算法.算法中引人种群环境和抗体危险信号引导自适应免疫应答过程,增强了种群多样性,避免了算法过早收敛.利用Markov链证明了算法的收敛性,分析了算法的复杂度.针对经典benchmark函数的仿真实验结果表明,相比克隆选择算法,本算法具有良好的全局收敛能力和多值搜索能力,且具备较快的收敛速度和求解精度.     

工作空间噪声主动控制ChFxLMS算法

为改善滤波x最小均方（Filter-x Least Mean Square,FxLMS）算法不能同时兼顾稳态误差与收敛速度的不足,提出一种基于cosh函数的变步长FxLMS（Cosh-FxLMS,ChFxLMS）算法. 通过cosh函数建立误差信号与步长因子间的联系,使得步长因子按照cosh函数特性实时调整;分析不同参数对ChFxLMS算法性能的影响,为算法参数选取作指导;分别将正弦信号和实测织机信号作为输入信号,对ChFxLMS算法性能进行验证,并与FxLMS算法、基于sigmoid函数的变步长FxLMS（Sigmoid-FxLMS,SFFxLMS）算法进行对比. 仿真结果表明,ChFxLMS算法性能在时域和频域上都取得较好的控制效果. 分析结果表明,该算法能较大地降低稳态误差和提高收敛速度. 该研究成果可为工作空间噪声主动控制提供一种新思路.     

基于免疫算法的球形译码算法研究

在多输入多输出(MIMO)系统的信号检测算法中,球形译码算法的性能最接近最大似然检测算法,是目前应用最为广泛的一种信号检测方法,但传统的球形译码算法在低信噪比时计算复杂度较高,在高信噪比时误码率性能不够理想.该文提出了一种改进的球形译码方法,利用免疫算法的寻优能力来获得最佳的初始搜索半径,从而达到在保证译码性能的同时有效地降低计算复杂度的目的.实验仿真结果表明,与传统的球形译码算法相比,基于免疫算法的球形译码方法在高信噪比下可以达到最大似然译码的性能,同时能有效降低低信噪比时的运算复杂度,从而更符合现代无线通信实时性的要求.     

Sigmoid函数变步长LMS自适应算法的抗干扰性能改进

为了改善Sigmoid函数变步长LMS算法（SVS-LMS）在高斯噪声和冲激噪声干扰下的性能,首先将以瞬间误差功率为Sigmoid函数自变量控制步长更新的方法,改为以误差的自相关时间均值估计调节步长,抑制了噪声干扰;然后使用HB加权进一步平滑了因噪声干扰导致的自适应滤波器权系数伪峰、使用归一化处理获得了更大的输入信号动态范围。自适应时延估计仿真实验表明,在高斯噪声和冲激噪声干扰下,相比于固定参数下的SVS-LMS算法和另外一种SVS-LMS改进算法,本文算法及其HB加权能够获得更好的时变时延跟踪均方误差性能。     

免疫遗传PID汽车纯机械转向系统参数优化

以免疫反馈机理和遗传PID算法为基础,提出了一种免疫遗传PID算法.该算法的核心是将免疫反馈机理和遗传算法结合,并以ITAE性能准则为目标函数;将该算法用于汽车纯机械转向系统PID参数优化的过程中,并用Matlab仿真实验.仿真结果表明:基于免疫反馈机理和遗传算法的PID参数优化可以有效地提高汽车转向柱转角跟随转向盘转角的速度,缩短滞后时间,且使汽车机械转向系统具有较好的稳定性,其结果可为汽车电动助力转向系统的参数优化提供理论依据.     

疫苗算法及其在车辆故障检测中的应用

根据免疫学原理提出了一种适合于故障诊断的算法--疫苗算法.当出现未知抗原时提取系统内记忆的此类抗原特征并对其进行分析，再将此人工抗原输入到系统中刺激系统并产生相应的抗体，当此抗原再次出现时作出免疫应答.论述了抗体和抗原结构的数学模型以及抗体数据的产生机理.运用此算法开发了具有边检测边学习功能的检测系统，能够充分捕捉反映被测车辆状态的信号特征.将此算法应用于汽车驱动桥的故障检测中，准确率达到95％.工程应用表明，此算法在小样本获取、连续学习、数据压缩等方面具有明显的优越性和有效性.     

Nonparametric VSS-APA based on precise background noise power estimate

The adaptive algorithm used for echo cancellation(EC) system needs to provide 1) low misadjustment and 2) high convergence rate. The affine projection algorithm(APA) is a better alternative than normalized least mean square(NLMS) algorithm in EC applications where the input signal is highly correlated. Since the APA with a constant step-size has to make compromise between the performance criteria 1) and 2), a variable step-size APA(VSS-APA) provides a more reliable solution. A nonparametric VSS-APA(NPVSS-APA) is proposed by recovering the background noise within the error signal instead of cancelling the a posteriori errors. The most problematic term of its variable step-size formula is the value of background noise power(BNP). The power difference between the desired signal and output signal, which equals the power of error signal statistically, has been considered the BNP estimate in a rough manner. Considering that the error signal consists of background noise and misalignment noise, a precise BNP estimate is achieved by multiplying the rough estimate with a corrective factor. After the analysis on the power ratio of misalignment noise to background noise of APA, the corrective factor is formulated depending on the projection order and the latest value of variable step-size. The new algorithm which does not require any a priori knowledge of EC environment has the advantage of easier controllability in practical application. The simulation results in the EC context indicate the accuracy of the proposed BNP estimate and the more effective behavior of the proposed algorithm compared with other versions of APA class.     

A Control Algorithm Derived from Immune Principle

Artificial immune systems （AIS） are biologically inspired problem solvers having been successfully applied in many fields. A controller was designed according to the interactive mechanism between immune molecules. Multiform antigens were constructed and corresponding antibodies designed. The concept of “antibiotic” is presented, whose features and injection time as well as construction method discussed. Based on biological immune mechanism, some fuzzy rules are summarized and used in constructing the controller. The result shows that this controller is simple in structure and can be easily computed, so it is suitable for real time control. The control variable can change adaptively according to the error and its change tendency. Therefore the controller is very flexible and can be directly used in controlling some nonlinear plants. To test the validity of the algorithm, two simulation examples are given, one is linear, and the other is nonlinear. The Simulation results indicate that the control performance of this algorithm is better than that of the conventional PID.     

基于免疫算法的B-P网络权值设计

提出了一种基于免疫算法的B-P网络权值设计方法，用于实现B-P网络权值空间的搜索．该免疫算法是借鉴生命科学中免疫的概念与理论提出的一种新的算法，算法的核心在于免疫算子的构造，即接种疫苗和免疫选择．免疫算法具有较好的全局收敛性和很强的自适应环境的能力．实验结果也验证了该算法在设计B-P网络权值时的高效能．