参数不确定离散随机系统的加权多模型自适应控制

研究离散时间参数不确定的线性随机系统的加权多模型自适应控制(Weighted multiple model adaptive control, WMMAC)问题,采用一种改进的加权算法,在模型输出误差可分的情况下,可以保证其收敛性;然后在加权收敛的前提下, 借助虚拟等价系统的概念和方法证明了此类加权多模型自适应控制系统的稳定性和收敛性.本文所采用的分析方法和结论不依赖于局部控制策略和加权算法的具体形式, 而只取决于它们的某些属性.最后,基于Matlab对相应的加权多模型自适应控制系统进行了仿真,仿真结果验证了加权算法的收敛性和闭环控制系统的稳定性、收敛性.     

非线性工业过程控制系统的迭代学习控制与收敛性分析

基于工业过程稳态优化中递阶控制结构和线性工业过程控制系统中的迭代学习控制规律, 本文对饱和非线性工业过程控制系统和变增益非线性工业过程控制系统施行迭代学习控制, 分别给出加权PD 型闭环迭代学习控制算法和加权幂型开闭环迭代学习控制算法, 提出了期望目标轨线的 δ 可达性和迭代学习算法的ε 收敛性的概念. 利用Bellman Gronwall不等式和λ 范数理论, 论证了算法的收敛性. 数字仿真表明, 迭代学习控制能有效改善非线性工业控制系统在稳态优化时的动态品质.     

工业过程抗非重复性干扰改进的迭代学习控制

对于实际工业过程系统中存在的非重复性干扰,传统的PD型迭代学习控制不能很好地加以抑制.为此,提出加权PD型指数变增益加速闭环迭代学习控制算法.通过采集非重复性扰动信号,将其转化为设定值阶跃变化的序列,并采用改进的加权PD型指数变增益闭环算法,消除非重复性干扰,从而获得更为理想的系统输出,使控制系统的动态性能得到改善.算法研究表明,当迭代次数趋于无穷时,跟踪误差一致收敛到零.系统仿真验证了所提控制算法的有效性.     

鲁棒多模型自适应控制系统的稳定性

研究含有不确定性的连续时间随机被控对象的鲁棒多模型自适应控制(Robust multiple model adaptive control, RMMAC)的闭环稳定性问题. 通过采用基于模型输出误差指标的 加权算法取代传统的基于卡尔曼滤波器和贝叶斯后验概率公式的加权算法, 在权值收敛的前提下, 基于虚拟等价系统(Virtual equivalent system, VES)理论给出了此类鲁棒多模型自适应控制系统的闭环稳定性证明, 并将结果推广到可以用多个线性系统系统模型进行逼近的 一类非线性慢时变被控对象.     

递推自适应加权多步预测控制

本文给出了加权多步预测控制(WLPC)[1]的递推自适应算法,该算法将每个采样时刻 WLPC算法中计算量很大的极点配置方程求解问题化为一步递推的算法,大大减少了在线计 算量,从而使WLPC成为一种实际可行的算法,本文还证明了其闭环稳定性.     

指定闭环特征值的最优控制系统参数化设计

本文推导了线性二次型指标中状态加权阵Q的参数化计算公式,使得相应的最优控制系统具有希望的闭环极点,并给出了对给定的希望极点,加权阵Q存在的充要条件及计算矩阵Q的构造算法。     

广义最小方差极点配置自校正PID控制器

此文提出了一种设计广义最小方差极点配置自校正 PID 控制器的新算法,算法性能指标中引入了伺服输入项和控制作用的加权多项式,保证了闭环系统的输出对给定信号的无偏跟踪。闭环极点配置根据二阶系统期望特征多项式进行设计。对系统参数未知采用最小二乘估计。该方法具有设计简单、鲁棒性好、便于工程应用、     

具有给定闭环极点的最优控制系统的设计

文中给出了线性二次型性能指标函数中的加权系数矩阵 Q 和 R 与控制系统的闭环极点之间的关系.只要给定系统的最优闭环极点,就能方便地求得矩阵 Q 和 R.     

加权多步预报控制——鲁棒性的频域分析

本文给出了加权多步预报控制（ＷＬＰＣ）^[1]算法的鲁棒性分析，其中包括WLPC算法允许的建模误差的界域和鲁棒性的频性分析结果。分析表明，只要适当选取权因子且配置好闭环极点，ＷＬＰＣ算法是一鲁棒性能良好的控制算法。     

一种多变量广义最小方差自校正控制器

本文对一类多变量系统给出了一种广义最小方差自校正控制器,并讨论了系统加入这种 控制器后的闭环特性,将二次型性能指标的加权阵与系统闭环极-零点联系起来,从而就可根 据系统的期望闭环极点的位置在线选取加权阵.仿真结果表明这种控制器性能良好,工作可 靠.     

一种分阶段优化的排料算法

提出一种基于分阶段优化的排料算法.在算法的第一阶段,在排料前先估算本阶段用到的原板材尺寸和数量,将权重因子超过阅值的待排件均匀分布在其上.在排料过程中再根据待排件权重因子和组合因子动态调整空闲区域的排料布局,从而可大幅度降低排料算法复杂度,提高板材利用率.在第二阶段,将剩余待排件合理排放在原板材上,在排料即将结束时,可根据相邻因子确定排料布局以减少废料碎片.生产实践表明,这样研制出的排料系统利用率高、布局合理,能满足工业上的一刀切要求.     

用于文本情感分析的特征加权改进算法

文本情感分析领域内的特征加权一般考虑两个影响因子：特征在文档中的重要性（ITD）和特征在表达情感上的重要性（ITS）。结合该领域内两种分类准确率较高的监督特征加权算法,提出了一种新的ITS算法。新算法同时考虑特征在一类文档集里的文档频率（在特定的文档集里,出现某个特征的文档数量）及其占总文档频率的比例,使主要出现且大量出现在同一类文档集里的特征获得更高的ITS权值。实验证明,新算法能提高文本情感分类的准确率。     

基于正交投影约束的点模型去噪

传统点云消噪算法会削弱曲面特征.为此,提出一种基于正交投影约束的点模型去噪算法.利用移动最小二乘曲面投影的思想,根据采样点与其在MLS曲面上正交投影点之间的关系构建移动距离权重函数,为防止模型收缩,给出曲率权重函数,通过双边滤波器确定滤波方向,结合移动距离权因子与曲率权因子确定采样点滤波距离.实验结果表明,该算法在消除点云噪声的同时,能保持点云高频结构特征,避免模型的收缩和顶点漂移.     

An online GA-based output-feedback direct adaptive fuzzy-neural controller for uncertain nonlinear systems.

In this paper, we propose a novel design of a GA-based output-feedback direct adaptive fuzzy-neural controller (GODAF controller) for uncertain nonlinear dynamical systems. The weighting factors of the direct adaptive fuzzy-neural controller can successfully be tuned online via a GA approach. Because of the capability of genetic algorithms (GAs) in directed random search for global optimization, one is used to evolutionarily obtain the optimal weighting factors for the fuzzy-neural network. Specifically, we use a reduced-form genetic algorithm (RGA) to adjust the weightings of the fuzzy-neural network. In RGA, a sequential-search -based crossover point (SSCP) method determines a suitable crossover point before a single gene crossover actually takes place so that the speed of searching for an optimal weighting vector of the fuzzy-neural network can be improved. A new fitness function for online tuning the weighting vector of the fuzzy-neural controller is established by the Lyapunov design approach. A supervisory controller is incorporated into the GODAF controller to guarantee the stability of the closed-loop nonlinear system. Examples of nonlinear systems controlled by the GODAF controller are demonstrated to illustrate the effectiveness of the proposed method.     

基于权值范围设置的多模型稳定切换控制研究

针对线性加权多模型切换过程中权值难以确定问题,提出了具有Lyapunov函数的多模型稳定切换的充分条件,依据该充分条件可以确定加权多模型的权值范围和快速获取加权因子的取值,实现多模型的平滑切换.所提出的充分条件克服了多模型子系统必须稳定的苛刻条件,通过对自主水下机器人多运动模型切换过程的仿真实验表明,依据权值范围所给定的加权因子能够保证加权多模型切换过程中的渐近稳定性.     

基于改进图像导数框架的颜色恒常性计算方法

在基于图像导数框架的颜色恒常性算法的基础上,进一步考虑边缘类型和颜色通道间的相关性对于光照色度估计的影响,提出一种基于改进图像导数框架的颜色恒常性计算方法。根据导数图像中像素的饱和度提出一种饱和度权值方案;基于光学特性对导数图像中的边缘进行分类,通过引入照度准不变量提出类型相关的边缘权值方案;将两种权值方案与图像导数框架相结合,并据此进行光照色度估计,利用von Kries对角变换对偏色图像进行校正。实验结果表明该算法有效提高了光照色度估计的准确性,改善了颜色恒常性算法的效果。     

一种多雷达航迹加权融合的权值动态分配算法

针对多雷达航迹加权平均融合法,分析了权值分配对融合航迹精度的影响,提出了一种权值的动态分配方法。该方法利用多雷达对相同目标跟踪的航迹信息,对各雷达输出航迹的精度进行在线估计,实现权值的动态分配,提高了融合航迹的精度。仿真实验结果验证了该算法的有效性。     

Group decision making with fuzzy linguistic preference relations via cooperative games method

When we consider the weighting approach for group decision making with fuzzy linguistic preference relations, the groupment of experts has merely been studied. In this paper, a novel weighting approach on the basis of cooperative games method is developed. The group decision error matrix is built to reflect the deviations of all experts with given initial weighting vector. An iterative algorithm is designed to lower the sum of the decision error so that a final convergence result can be obtained. The advantage of the weighting algorithm is that it can consider the contribution of each expert and reduce the sum of decision error with increasing iteration numbers. Then an optimization model using triangular fuzzy numbers as alternatives’ weights is constructed, whose results are used to rank the alternatives. Finally, a numerical example of subjective evaluation of vehicle sound quality is considered to illustrate the feasibility and validity of the proposed weighting approach in the group decision making problem.     

基于文档类密度的特征权重算法*

面对海量数据的管理和分析,文本自动分类技术必不可少。特征权重计算是文本分类过程的基础,一个好的特征权重算法能够明显提升文本分类的性能。本文对比了多种不同的特征权重算法,并针对前人算法的不足,提出了基于文档类密度的特征权重算法(tf-idcd)。该算法不仅包括传统的词频度量,还提出了一个新的概念,文档类密度,它通过计算类内包含特征的文档数和类内总文档数的比值来度量。最后,本文在两个中文常见数据集上对五种算法进行实验对比。实验结果显示,本文提出的算法相比较其他特征权重算法在F1宏平均和F1微平均上都有较大的提升。     

基于消息网络的Hash函数构造

为了提高Hash函数的敏感性和运算速度,利用明文通过某种规则构造权重网络,并建立权重网络与混沌复杂动态网络的映射关系。将权重网络的邻接矩阵用到混沌系统中,经过特定量的迭代运算,将本次的输出对称交换后作为下个消息块运算的输入,类似的处理所有的消息块,最后的输出经过线性变换和进制转换,得到一定长度的Hash值,其长度与网络的大小有关。理论分析和数值仿真表明,提出的算法具有良好的初值敏感性、单向性、置乱性和强的抗碰撞性。