基于遗传算法学习的复合神经网络自适应温度控制系统

针对一类温度控制系统中存在的非线性和参数不确定等问题,提出一种复合神经网络自适应控制结构.在控制系统中构造了神经网络正模型来再现被控对象的动态特性,用神经网络控制器实现优化控制律的非线性映射.文中选用了被控对象80组历史数据作为样本集,并利用遗传算法的全局搜索能力及高效率来训练多层前向神经网络的权系数.最后用升降温工艺曲线作为输入对温度控制系统进行仿真.仿真结果表明,应用遗传算法能够提高神经网络的学习效率.保证神经网络全局快速收敛,从而克服了传统的误差反传学习算法的一些缺点.证明了采用这种神经网络自适应控制结构.使神经网络控制器的输出可以适应对象参数和环境的变化.使温度控制系统具有很好的学习和自适应控制能力,取得了良好的控制效果.     

一种复合对象版本策略

本文给出面向对象数据库中复合对象的版本模型，它利用对象间关系来描述复合对象版本的语义，利用ｓｅｎｓｉｔｉｖｅ属性标识版本变化。并实现了一种复合对象版本管理策略。     

一类不确定非线性系统基于特征模型的复合自适应控制

针对一类不确定非线性系统的跟踪控制问题,提出一种基于特征模型的复合自适应控制方法.该方法的创新性在于基于系统的误差特征模型,构建一种综合跟踪控制误差和模型估计误差的特征参量复合自适应律,该自适应律用于控制器设计和分析,可同时实现跟踪控制误差和模型估计误差的收敛.此外,为便于特征参量自适应律的设计和分析,根据特征参量的慢时变特性,将其视为未知标称常数项和时变误差项之和,并且选用其中常数项的估计量作为自适应控制参数.进一步,为抑制特征参量中时变误差项对系统稳定性和模型估计误差收敛性的影响,在控制器及复合自适应律设计中引入带饱和函数的非线性环节.理论分析证明闭环控制系统稳定,且跟踪控制误差和模型估计误差收敛到原点的一个邻域内.仿真结果表明,与现有仅根据模型估计误差调节的基于特征模型的自适应控制方法相比,所提出的复合自适应控制方法具有更好的控制性能.     

一种基于对象属性关注度的QoS传输控制方法

针对分布式虚拟环境中几何资源分配不均匀的问题,提出一种基于对象属性关注度的QoS传输控制方法以及模型传输QoS管理模型.该方法扩展了基于几何属性的模型传输控制传统方法,将对象几何属性与非几何属性综合作为传输中Qos控制参数.结合动态QoS控制的思想,针对分布式虚拟环境实时性要求较高的特点,在运行时刻考虑网络带宽对服务质量的影响,进行动态的QoS协商,并给出了一种针对该问题的动态协商算法.实验结果表明该方法能够全面反映用户对虚拟对象的关注程度,并随着网络带宽变化,在保证实时性的前提下更好地进行模型传输.     

一种基于Petri网的RFID事件检测的形式化方法

无线射频识别(RFID)采用唯一的电子标签识别物理对象,可高速收集大量目标数据.为向各类应用提供语义信息,RFID系统需从收集的数据中检测用户自定义的复合事件.通过提出一种基于Petri网的RFID事件检测方法,引入形式化的ED-net模型描述复合事件语义,并以此为基础实现一种事件检测方法.ED-net模型是对传统Petri网的一种扩展,提供了描述用户自定义类型、函数及表达式的能力,可精确描述RFID复合事件的属性及时域、非时域、参数化等约束条件.通过对RFID事件形式化描述,各种RFID事件可以统一在ED-net模型,并可自动化进行检测处理,避免了不同复合事件间公共子事件重复检测的问题.最后,经过实验测试和分析,验证了该形式化方法的有效性及其优势.     

基于属性和规则的访问控制模型

针对分布式服务环境中用户数目大量增长和资源访问策略复杂多样化的问题,分析目前访问控制模型的应用局限性,提出多用户服务模式中一种基于属性和规则的访问控制模型。该模型引入复合属性表达式和复合权限的概念,制定授权约束规则,为用户分配多组角色。给出模型实例,并将其与其他模型进行比较。     

自适应对象模型体系结构研究*

创建动态的、可配置和具有自适应能力的应用系统一直是软件开发人员追求的目标,自适应对象模型开发是一种有效的解决方法。自适应对象模型具有描述驱动、最终用户编程和运行时解释执行等特点,其体系结构由元模型、模型引擎和支撑工具组成。首先详细分析了元模型的六个模式,并讨论了模型引擎的原理和支撑工具,分析对开发带来的影响和阐述实现中的问题,最后提出了应用自适应对象模型方法开发的新的应用软件平台——应用件。     

基于关联规则挖掘的分布式入侵检测系统研究

针对现有应用数据挖掘技术的入侵检测系统存在实时性差、难以提取有效的特征属性、漏报和误报率较高等问题,论文设计了一种基于关联规则挖掘的分布式网络入侵检测模型,阐述了如何从原始审计数据中提取和构造属性集,并将模糊逻辑和增量更新技术结合以提高系统的检测效率、准确性和自适应能力.试验证明了该系统实现的可行性.     

一种基于改进分层置信规则库的社交账户可信度评估方法

社交账户可信度评估是确保网络社交生态良性发展的重要环节。针对社交账户可信度评估指标多维、数据信息不确定性多样等问题,提出了一种基于改进分层置信规则库的可信度评估方法。首先从账户属性、交际属性和内容属性三个角度分析了可信度评估各指标之间的相互关系,并依此构建了置信规则库的分层结构。其次,在信息转换函数中引入了自适应系数以更好描述和处理指标间的特性差异。最后,为了弥补专家知识局限性带来的模型误差,采用带有投影算子的协方差矩阵自适应进化策略对自适应系数和模型参数进行了优化。以新浪微博账户作为实验对象,结果表明该方法能够在数据样本有限的情况下获得更高的可信度评估精度。     

结合图像熵的C-V模型分割算法

C-V模型是水平集分割方法中的一种经典模型,但存在自适应能力不强的问题.医学图像分割对象的特点是具有各种复杂的拓扑结构及变化.根据医学分割算法的自适应要求,在水平集图像分割方法C-V模型算法的研究基础上,引入图像信息熵算法,通过计算演化曲线内外的图像熵,解决曲线演化过程中迭代参数设定问题,达到增强C-V模型分割算法的自适应能力.实验结果表明,结合图像熵的C-V模型算法面对不同的对象具有良好的自适应性.     

对象参考参数自适应时滞补偿器

基于模型参考自适应控制原理,提出对象参考参数自适应时滞补偿器,以线性大时滞不确定被控对象为参考模型综合出自适应律,使预估补偿器的参灵敏逐步逼近被控对象的参数直至相等,仿真研究表明,在参数不匹配和出现负荷扰动的情况下,参数自适应时滞补偿器均有良好的预估补偿能力。     

改进的内模跟踪控制对随机噪声抑制的研究与仿真

对于存在随机噪声和干扰的系统,传统的内模跟踪控制是无法解决这类问题的。将自适应滤波器引入到内模控制的结构中,很好地解决了内模控制在抑制随机噪声方面的不足。针对被控对象的模型和系统性能指标,同时考虑到系统的随机噪声设计自适应滤波器,从而构建自适应控制器。通过自适应控制器和基于内模原理设计的伺服补偿器对被控对象进行跟踪控制。提出的方法综合了内模控制和自适应滤波的优点,使控制系统达到满意的跟踪控制效果,对常规谐波扰动和随机噪声都有良好的抑制作用。仿真结果表明提出的设计方法能够实现系统的无静差跟踪,并且具有良好的抗噪性和稳定性。     

Adaptive neural controller for cooperative multiple robot manipulator system manipulating a single rigid object

In this article, an adaptive neural controller is developed for cooperative multiple robot manipulator system carrying and manipulating a common rigid object. In coordinated manipulation of a single object using multiple robot manipulators simultaneous control of the object motion and the internal force exerted by manipulators on the object is required. Firstly, an integrated dynamic model of the manipulators and the object is derived in terms of object position and orientation as the states of the derived model. Based on this model, a controller is proposed that achieves required trajectory tracking of the object as well as tracking of the desired internal forces arising in the system. A feedforward neural network is employed to learn the unknown dynamics of robot manipulators and the object. It is shown that the neural network can cope with the unknown nonlinearities through the adaptive learning process and requires no preliminary offline learning. The adaptive learning algorithm is derived from Lyapunov stability analysis so that both error convergence and tracking stability are guaranteed in the closed loop system. Finally, simulation studies and analysis are carried out for two three-link planar manipulators moving a circular disc on specified trajectory.     

参数未知的多个操作器的一种自适应控制算法

在多个操作器的内力与运动的控制中,内力控制是主要的挑战.在假设接触模型为点接触的前提下,讨论了参数未知的多个操作器内力的自适应控制.先给出多个操作器所成系统具有的一些特性;其次导出了内力误差与动力学参数间的关系;最后在条件PE(persistent-exciting)不成立的情况下,给出了一种保证内力收敛于零的复合控制.由理论证明及仿真实验可知,本文给出的控制器既使被操作的物体运动轨迹渐进跟踪期望的运动轨迹,又使作用在物体上的内力渐进跟踪期望的内力.     

显著度目标示性及背景自适应约束的目标跟踪算法*

针对目标受环境干扰和自身姿态变化引起的跟踪漂移和目标丢失等问题,提出显著度目标示性及背景自适应约束的目标跟踪算法.在粒子滤波跟踪框架中,首先根据贝叶斯显著度分别对目标区域和扩展目标区域内的像素特征加权,构建目标的示性模型.再根据背景区域的显著度,自适应地选择背景区域约束跟踪过程.最后根据目标当前的外观状态,利用目标与背景之间的关联性得到跟踪结果.文中算法的显著度目标示性模型降低目标匹配中的误差,自适应背景约束提高目标受到遮挡或姿态发生变化时的跟踪准确性.实验表明,文中算法具有较强的跟踪鲁棒性和较高的跟踪准确率.     

基于减背景与对称差分的运动目标检测

本文提出了一种基于背景相减法和对称差分法来进行运动目标检测的方法。首先通过混和高斯模型建立运动区域的背景模型,并对背景进行实时的更新,然后通过背景相减法确定运动目标区域,再和对称差分法相结合,得到比较可靠的运动目标区域。     

大时滞不确定过程对象参考自适应时滞补偿器 --基于Popov超稳定理论的参数自适应律设计

给出了大时滞不确定过程的一种新型描述方式.提出了采用一族模型拟合大时滞不确定过程的对象参考参数自适应时滞补偿器.以大时滞不确定被控过程为参考对象,给出了基于Popov超稳定理论综合自适应律的方法.自适应律使时滞补偿器的参数逐渐逼近被控过程的参数,从而克服了Smith预估补偿器对模型偏差的敏感问题,大大提高了系统的抗扰动能力.仿真结果表明,参数自适应时滞补偿器对大时滞不确定过程及复杂高阶过程均有良好的自适应跟踪及预估补偿能力.     

自适应搜索目标的快速彩色复合人脸检测方法

针对AdaBoost人脸检测方法搜索时间较长,不利于在手机等嵌入式平台上应用的现状,提出了一种结合肤色分割、人脸几何特征和AdaBoost的自适应搜索窗口和搜索步长的快速人脸检测方法。该算法在HSV颜色空间对图像进行分割,结合人脸几何特征对分割后的灰度图像进行面积滤波。最后提取滤波后的图像轮廓,结合经验系数得到自适应搜索窗口和搜索步长。实验结果表明,自适应算法不仅能检测出不同尺寸的人脸,而且检测速度快,能节省51.17%的搜索时间。     

Adaptive visual tracking using the prioritized Q-learning algorithm: MDP-based parameter learning approach

This paper introduces an adaptive visual tracking method that combines the adaptive appearance model and the optimization capability of the Markov decision process. Most tracking algorithms are limited due to variations in object appearance from changes in illumination, viewing angle, object scale, and object shape. This paper is motivated by the fact that tracking performance degradation is caused not only by changes in object appearance but also by the inflexible controls of tracker parameters. To the best of our knowledge, optimization of tracker parameters has not been thoroughly investigated, even though it critically influences tracking performance. The challenge is to equip an adaptive tracking algorithm with an optimization capability for a more flexible and robust appearance model. In this paper, the Markov decision process, which has been applied successfully in many dynamic systems, is employed to optimize an adaptive appearance model-based tracking algorithm. The adaptive visual tracking is formulated as a Markov decision process based dynamic parameter optimization problem with uncertain and incomplete information. The high computation requirements of the Markov decision process formulation are solved by the proposed prioritized Q-learning approach. We carried out extensive experiments using realistic video sets, and achieved very encouraging and competitive results.     

基于Smith预估补偿的聚丙烯反应器自适应控制系统研究

针对含有时滞的聚丙烯多区循环反应器温度串级控制系统为复杂的高阶系统，被控对象的滞后时间较大，且受到反应器内部放热、入口循环气温度、夹套水流量等干扰的影响，系统过程控制较为困难。通过以一阶惯性环节加纯滞后来逼近高阶系统，应用模型参考自适应控制算法，使自适应机构能够在线的整定反应器串级控制副回路的Smith预估器，使副回路Smith预估器的动态特性与副被控对象的动态特性接近一致；同时，根据期望的性能指标，在串级控制主回路设置一个参考模型，再次应用自适应算法，使得主回路被控对象的输出尽可能跟踪参考模型的输出。仿真结果表明，该控制系统对于具有时滞的聚丙烯反应器温度控制是有效的。