多旋翼无人机避障系统的控制设计

为解决多旋翼无人机（Unmanned Aerial Vehicle,UAV）因遇到障碍物导致毁损的问题,研究了多旋翼无人机避障系统的控制设计。首先,分析多旋翼无人机避障系统的总体结构,并利用卷积神经网络设计比例-积分-微分（Proportion-Integral-Differential,PID）控制器。其次,通过模糊自整定PID控制算法动态调整PID控制器的增益系数,实现多旋翼无人机避障系统的控制。最后,实验验证了该方法能够有效控制多旋翼无人机避障系统,控制效果较好。     

基于改进PSO算法的PID参数自整定

研究了比例-微分-积分(PID)控制器参数自整定问题，提出一种基于改进粒子群优化算法的PID控制器参数自整定方法。采用实编码方法和基于指数曲线的非线性惯性因子取值策略，该途径易于实现，并且提高了寻优的速度和精度。仿真实例表明了该方法的有效性。     

变风量空调系统模糊自适应整定PID控制的仿真

针对变风量(VAV)空调控制系统采用单纯的比例-积分-微分(PID)控制该系统很难达到其节能和舒适的作用.采用将模糊控制与PID控制两种控制方法相结合用于该空调控制系统中,并通过仿真工具对两种控制方法分别进行动态仿真,其结果表明模糊自适应整定PID控制比单纯的PID控制具有更快的动态响应、更小的超调,具有较强的鲁棒性,其节能和舒适效果明显.     

基于模糊径向基函数神经网络的PID控制算法仿真研究

在传统的PID控制算法基础上,提出了一种基于模糊RBF神经网络的PID控制算法。该算法将RBF神经网络学习能力强与模糊理论的推理能力强的特点结合起来,在线调整比例、积分、微分三个控制参数,仿真结果表明,该算法的控制品质优于常规PID控制,具有较强的自适应能力和鲁棒性。     

深海自持式智能浮标双闭环模糊PID定深控制

针对深海自持式智能浮标运动模型非线性、强耦合性的特点,提出了一种基于双闭环反馈回路的模糊比例-积分-微分（proportion-integral-derivative,PID）定深控制器.根据浮标的浮力调节机构,分析了浮标的运动过程,建立了非线性运动方程.针对外环深度反馈回路,设计了模糊控制器.基于内环速度反馈回路与模糊控制器,设计了联级模糊PID定深控制器.传统PID定深控制器超调量5.6%,最终在目标深度±30 m范围内震荡,而双闭环模糊PID定深控制器在相同的上升时间内,超调量2.0%,深度误差控制在1.0%以内.存在外界扰动的情况下,通过双闭环模糊PID定深控制器的调节,浮标仍可以稳定在目标深度内.仿真结果表明,所建立的双闭环模糊PID定深控制系统具有良好的控制效果和稳定性.     

基于模糊PID控制的永磁同步电机控制器研究

为了提高复杂环境条件下永磁同步电机（PMSM）控制器的动态控制性能与抗干扰能力,分析了永磁同步电机的速度-电流（或力矩）双闭环控制调速结构,提出了一种基于模糊PID控制原理的速度环控制策略。速度环运行时,模糊PID控制器首先将永磁同步电机转速的误差及误差变化率进行模糊化处理,然后依据模糊规则进行模糊推理,并自动在线整定出速度环PID的三个系数（比例系数、积分系数、微分系数）,不仅减少了速度环的调节时间,也能增强抵御来自电流环（或力矩环）的干扰。仿真结果表明,当永磁同步电机的转速发生变化或负载发生扰动时,相比于传统的PID控制器,模糊PID控制器能提高系统的动态性能与鲁棒性。该方法用于永磁同步电机的控制是可行、有效的。     

模糊PID控制器在微重力系统中的应用

为迭到吊丝随动系统的性能要求，根据拉格朗日方程建立系统四自由度动力学模型，提出实时改变量化因子以改善模糊PID控制算法，在此基础上加以仿真。通过实时对PID控制器的比例参数、积分参数、微分参数以及模糊控制器参数的在线调节，实现对系统响应曲线的优化。结果表明，该算法可以有效提高系统的反应速度，抑制超调，效果显著。     

PID补偿的完全在线序贯极限学习机控制器在输入扰动系统自适应控制中的应用

针对输入受外界扰动的系统在实现自适应控制难的问题,提出一种比例-积分-微分（PID）补偿的完全在线序贯极限学习机（FOS-ELM）控制器设计方法。首先,建立系统的动态线性模型,采用FOS-ELM算法设计控制器并学习其参数;其次,计算系统的实际输出误差,结合系统的控制误差,设计所需补偿的PID增量参数;最后,对PID补偿的FOS-ELM控制器参数在线调整并用于系统控制。在发动机空气燃油比（AFR）控制系统模型上进行实验,实验结果表明上述方法在实现自适应控制的同时降低了系统扰动输入带来的干扰,提高了系统有效控制率,在正负干扰系数为0.2时,其有效控制率从不足53%提高到93%以上。同时该方法易于实现,具有很强的鲁棒性和实用价值。     

汽车巡航控制系统的定速控制方法的仿真研究

为了保证汽车定速巡航系统的控制精度、响应速度和控制稳定性,提出了一种基于模糊PID的参数自整定的模糊控制方法.该控制方法使用模糊规则,对PID的比例-积分-微分的参数进行实时在线调整,既保留了模糊控制的优点,又有效改善了系统的控制品质.使用PreScan与matlab/simulink的联合仿真可以得出以下结果:该控制方法在巡航速度和初始速度都分别为40、60、80、100km/h的条件下,定速巡航控制系统分别在5s、6s、11s、20s左右达到稳定状态,并且没有出现超调量.该系统响应速度快,超调量小,系统工作稳定,可以较好地满足汽车巡航系统中控制需求.     

基于模糊PID复合控制的异步电动机软起动器的设计

针对异步电动机直接起动电流较大的问题及传统比例-积分-微分( PID)控制和模糊控制在异步电动机软起动控制中的比较,提出了1种基于模糊PID复合控制的异步电动机软起动器的设计方法.根据对电动机起动特性的分析,在异步电动机起动的不同阶段分别采用模糊控制和PID控制,以达到最佳的起动效果.仿真结果表明,这种复合控制方法解决...     

Call for Papers The 6^th International Conference on Grid and Cooperative Computing

Recent years have seen rapid advances in various grid-related technologies, middleware, and applications. The GCC conference has become one of the largest scientific events worldwide in grid and cooperative computing. The 6th international conference on grid and cooperative computing (GCC2007) Sponsored by China Computer Federation (CCF),Institute of Computing Technology, Chinese Academy of Sciences (ICT) and Xinjiang University ,and in Cooperation with IEEE Computer Soceity ,is to be held from August 16 to 18, 2007 in Urumchi, Xinjiang, China.     

European Community policy and the market

Abstract This paper starts with some reflections on the policy considerations and priorities which are shaping European Commission (EC) research programmes. Then it attempts to position the current projects which seek to capitalise on information and communications technologies for learning in relation to these priorities and the apparent realities of the marketplace. It concludes that while there are grounds to be optimistic about the contribution EC programmes can make to the efficiency and standard of education and training, they are still too technology driven.     

Only connect: teaching, technology and telesis

Abstract This paper describes an approach to the design of interactive multimedia materials being developed in a European Community project. The developmental process is seen as a dialogue between technologists and teachers. This dialogue is often problematic because of the differences in training, experience and culture between them. Conditions needed for fruitful dialogue are described and the generic model for learning design used in the project is explained.     

一种自适应子融合集成多分类器方法

融合集成方法已经广泛应用在模式识别领域,然而一些基分类器实时性能稳定性较差,导致多分类器融合性能差,针对上述问题本文提出了一种新的基于多分类器的子融合集成分类器系统。该方法考虑在度量层融合层次之上通过对各类基多分类器进行动态选择,票数最多的类别作为融合系统中对特征向量识别的类别,构成一种新的自适应子融合集成分类器方法。实验表明,该方法比传统的分类器以及分类融合方法识别准确率明显更高,具有更好的鲁棒性。     

法律信息库系统

本文分析了法律数据库的结构和特点，介绍了采用面向对象设计方法和超文本数据库技术开发和实现法律信息库系统将作为重要网络资源之一为不同用户进行法律咨询服务。     

International Journal of Automation and Computing Table of Contents

正~~     

Information for authors

正SCIENCE CHINA Information Sciences(Sci China Inf Sci),cosponsored by the Chinese Academy of Sciences and the National Natural Science Foundation of China,and published by Science China Press,is committed to publishing highquality,original results of both basic and applied research in all areas of information sciences,including computer science and technology;systems science,control science and engineering(published in Issues with odd numbers);information and communication engineering;electronic science and technology(published in Issues with even numbers).Sci China Inf Sci is published monthly in both print and electronic forms.It is indexed by Academic OneFile,Astrophysics Data System(ADS),CSA,Cabells,Current Contents/Engineering,Computing and Technology,DBLP,Digital Mathematics Registry,Earthquake Engineering Abstracts,Engineering Index,Engineered Materials Abstracts,Gale,Google,INSPEC,Journal Citation Reports/Science Edition,Mathematical Reviews,OCLC,ProQuest,SCOPUS,Science Citation Index Expanded,Summon by Serial Solutions,VINITI,Zentralblatt MATH.     

Erratum to: Fast global kernel fuzzy c-means clustering algorithm for consonant/vowel segmentation of speech signal

正Erratum to:J Zhejiang Univ-Sci C(ComputElectron)2014 15(7):551-563doi:10.1631/jzus.C1300320The original version of this article unfortunately contained mistakes.Algorithm 6 should be as follows:Algorithm 6 FGKFCM-F clustering Input:(1)X={x_1,x_2,…,x_N},,x_iR~d,i=1,2,…,N,the dataset;(2)C,1C≤N,the number of clusters;(3)ε0,the stopping criterion;     

Journal of Zhejiang University-SCIENCE C (Computers & Electronics) Total contents

正~~