多变量系统故障诊断和容错控制新方法及其在精馏过程中的应用

本文提出一种多变量系统的故障诊断和容错控制新方法，整个系统由四个神经元组成。将本文方法用于二元精馏塔顶和塔底组分的容错控制，仿真结果证实了本文方法的有效性。该方法可望在难以建模的复杂化工过程中得到应用。     

基于虚拟参考反馈整定的改进无模型自适应控制

针对一类离散时间非线性系统, 提出一种基于虚拟参考反馈整定的改进无模型自适应控制方案. 首先, 利用动态线性化方法给出非线性系统的紧格式动态线性化模型; 然后, 基于优化技术设计控制算法和伪偏导数估计算法; 最后, 设计基于虚拟参考反馈整定的伪偏导数初值和重置值的估计算法. 该控制方案设计仅依赖于被控系统的输入和输出数据, 且能保证闭环系统的稳定性和收敛性. 仿真比较结果验证了所提出方法的有效性.

     

雾霾图像清晰化算法综述

雾霾图像不仅影响视觉效果,而且模糊不清晰的图像容易为后续识别、理解等高层次任务带来困难。雾霾图像清晰化问题是一个典型的不适定问题,其成像过程难以精确建模,消除图像中的雾霾面临巨大的挑战。近年来,研究者提出大量的图像去雾算法克服雾霾引起的图像降质退化,为全面认识和理解图像清晰化算法,论文对其进行梳理和综述。首先,对雾霾图像清晰化算法进行整理,根据雾霾退化过程是否有模型支持,将清晰化算法分为基于Retinex模型、大气散射模型去雾算法和无模型图像去雾算法。大气散射模型是有模型算法中主流模型,本文详细剖析了模型成像机理,并根据其成像机制揭示大气散射模型容易受大气浓度均匀分布假设的限制,较难处理非均匀雾霾图像问题。基于深度学习的无模型图像去雾算法则不仅可以应对非均匀雾霾图像,而且去雾性能获得了极大地提升。其次,本文汇总了近年来常用去雾数据集,从数据集适应范围、规模、可扩展性等多个维度进行总结。并根据雾霾图像形成方式,对人工合成雾霾数据集和真实拍摄数据集分别从定性和定量的角度探讨了数据集对图像去雾算法的影响。     

具有加性和乘性噪声的线性离散时间随机系统的无模型最优跟踪控制

本文研究一类同时受加性和乘性噪声影响的离散时间随机系统的最优跟踪控制问题.通过构造由原始系统和参考轨迹组成的增广系统,将随机线性二次跟踪控制(SLQT)的成本函数转化为与增广状态相关的二次型函数,由此推导出用于求解SLQT的贝尔曼方程和增广随机代数黎卡提方程(SARE),而后进一步针对系统和参考轨迹动力学信息完全未知的情形,提出一种Q-学习算法来在线求解增广SARE,证明了该算法的收敛性,并采用批处理最小二乘法(BLS)解决该在线无模型控制算法的实现问题.通过对单相电压源UPS逆变器的仿真,验证了所提出控制方案的有效性.     

无模型动态摩擦的自回归小波神经补偿控制

针对低速伺服系统的摩擦补偿问题,提出一种基于自回归小波神经网络的智能控制算法,无需预知系统的动力模型参数,仅通过闭环位置反馈,网络即能利用极少的神经元和迭代次数实现对非线性摩擦的高精度补偿.Lya-punov稳定性分析结果证明了跟踪误差和网络权值的有界收敛性.某型机器人关节的伺服实验结果表明,引入自回归小波神经补偿算法后的伺服定位精度得以大幅度提高.     

一种大时滞系统的无模型自适应控制改进算法

利用无模型自适应控制（Model—freeadaptive control,MFAC）方法仅需要被控对象输入和输出数据,而不需要其他任何信息的优点。针对工业生产过程中普遍存在的大时问滞后的特点,提出针对未知模型的大时滞对象的无模型自适应控制改进算法（Improved MFAC on Large Time—delay System,LTDS-IMFAC）。在改进算法中,在基本无模型自适应控制算法的基础上引入了带有滞后时间的输入变化率的约束项．以此来减小大时间滞后对整个控制过程的影响。通过MATLAB仿真试验证明了改进算法对于大时滞系统的控制具有较好的有效性。     

一类离散时间非线性系统不依赖受控系统数学模型的学习自适应控制

给出了一类离散时间非线性系统的不依赖受控系统数学模型的学习自适应控制方案，它不需要受控系统的结构信息、数学模型、外部试验信号和训练过程，仅用受控系统的I／O数据来设计，传统的未建模动态不存在，所给出的计算机仿真结果说明了所给出的方案的正确性和有效性。     

模糊神经网络用于SARS疾病疫情非线性系统的辨识和预报

论文提出了模糊神经网络用于SARS疾病疫情非线性系统建模和预报的思想,同时该方法可以推广到各种流行性疾病的预防和控制中。模糊神经网络是近年来发展起来的新兴学科,它主要应用于非线性系统的建模、预报和控制,特别适合于不同输入类型的模型系统。而流行性疾病的传播规律较好地与模糊神经网络模型特点相符合,所以在这里提出用模糊神经网络用于SARS疾病疫情非线性系统的辩识和预报的观点,相应的也可推演到其它流行性疾病传播规律中。     

模糊神经网络用于SARS疫情系统的辨识和预报

提出了模糊神经网络用于SARS疾病疫情非线性系统建模和预报的思想,该方法可以推广到各种流行性疾病的预防和控制中。模糊神经网络主要应用于非线性系统的建模、预报和控制,特别适合于不同输入类型的模型系统。而流行性疾病的传播规律与模糊神经网络模型特点相符合,这里提出将模糊神经网络用于SARS疾病疫情非线性系统的辩识和预报的观点,相应的也可推演到其它流行性疾病传播规律中。     

Control of acrobot based on Lyapunov function

Fuzzy control based on I-yapunov function was employed to control the posture and the energy of an acrobot to make the transition from upswing control to balance control smoothly and stably. First, a control law based on I-yapunov function was used to control the angle and the angular velocity of the second link towards zero when the energy of the acrobot reaches the potential energy at the unstable straight-up equilibrium position in the upswing process. The controller based on I-yapunov function makes the second link straighten nature relatively to the first link. At the same time, a fuzzy controller was designed to regulate the parameters of the upper control law to keep the change of the energy of the acrobot to a minimum, so that the switching from upswing to balance can be properly carried out and the acrobot can enter the balance quickly. The results of simulation show that the switching from upswing to balance can be completed smoothly, and the control effect of the acrobot is improved greatly.