基于S函数调节的非线性自适应动态面控制

针对一类控制增益未知的多输入多输出（MIMO）非线性系统,提出了一种基于神经网络的鲁棒自适应动态面控制方法．利用动态面控制解决反推法的计算膨胀问题;同时在参数自适应律中引入S（Sigmoid）函数,动态调节神经网络的收敛速度,解决了自适应初始阶段的抖振现象．利用李亚普诺夫稳定性定理,证明了闭环系统所有信号最终有界,系统的跟踪误差最终收敛到有界紧集内．仿真结果表明了该方法的有效性．     

空间微重力环境地面模拟系统的控制器设计

针对小型和迷你型试验目标,提出一种新的空间微重力环境模拟系统.系统采用平面气浮和气缸垂直悬浮组合方案来模拟空间微重力环境,并采用恒张力控制思想来模拟垂直地面方向上的微重力状态.采用RBF神经网络控制和滑模变结构控制复合控制方案,其中RBF神经网络用于逼近和补偿系统的不确定信息,并作为前馈补偿使跟踪误差快速收敛;通过滑模变结构控制消除RBF神经网络的逼近误差和不定随机干扰的影响,保证系统的鲁棒性.实验研究结果表明,该控制方案是有效的,系统具有较好的动态响应能力、鲁棒性和自适应能力.     

基于改进小波变换的EEG分析

利用小波变换来进行EEG自动识别的研究,试图将EEG自动识别由当前的癫痫领域扩大到更多的病症中来。提出了一种改进小波基的方法。该方法是利用连续小波变换来对EEG信号进行分析,选定一个最合适的小波基。在自动识别的过程中,用自适应小波基的方法来进行多分辨分析,然后用6个参数进行特征提取。实验证明此方法有良好的可行性和有效性。     

多小波在一维有限元方法中的应用

有限元方法（FEM）是建立在变分原理基础上的一种频域数值计算方法。其基函数的选取相当重要,既影响到计算结果的精度也影响到计算效率。通常情况下,都是利用拉格朗日线性插值函数作为基函数。文中利用了多尺度函数。由于多尺度函数及它的偏导数的差值特性,可以快速逼近某个函数。同时这个新的基函数的一阶偏导数在相邻节点上是连续的。最后得到的数值结果显示：在保证一定计算效率的基础上,使得精度大幅度提高。因此采用多尺度函数作为基函数具有很多优势。     

二次均匀B样条曲线的扩展

为便于对均匀B样条曲线进行形状修改,利用二次均匀B样条基函数所需满足的条件,扩展二次均匀B样条基函数,构造出三次多项式调配函数．基于给出的调配函数,建立1种带形状参数的分段多项式曲线．调整形状参数可使三次多项式曲线在二次均匀B样条曲线两侧摆动．最后给出实例,构造出带局部调节参数G^1的连续曲线．该方法可以通过调整参数扩大二次均匀B样条曲线的调整范围．     

基于SMITH预估的神经网络再热汽温控制

电厂锅炉的再热汽温是机组安全、经济运行的重要参数之一,必须控制在一定范围内.而电厂再热汽温被控对象是具有大惯性、大滞后,并且常规PID控制难以取得良好的控制效果.针对这一特点,提出了一种RBF--Smith预估控制算法,该算法利用了基于RBF整定的PID控制提高对被控对象参数变化的自适应能力和Smith预估控制能够克服被控对象的大迟延特性,并对RBF--Smith预估控制用Matlab在不同工况下进行仿真试验,仿真结果表明所设计的控制系统的性能较常规PID控制有较大的提高,证明了控制方案的有效性.     

基于增量学习的RBF神经网络的噪声源识别

本文提出了一种用于水下航行器噪声源识别的RBF模糊神经网络模型。该模型采用PCM聚类算法并具有增量学习能力,网络输出节点在线可调,保证了网络具有较高的泛化能力和一定的学习新故障模式的能力。仿真结果表明,该模型是有效的。     

基于K0honen网络和OLS算法的RBFNN中心选择方法

提出了一种优化选择径向基神经网络数据中心的算法,该算法结合了Kohonen网络的模式分类能力,将初步分类结果用作RBFNN的初始数据中心,然后采用OLS算法进行优化,对比仿真实验表明该算法效果比单独使用OLS算法生成的RBFNN性能更好。     

Nonlinear cascade control of an electro-hydraulic actuator with large payload variation

Electro-hydraulic actuators have been widely used in industrial production, but the unknown variable payload seriously affects its position control accuracy. Therefore, a radial basis function neural network disturbance observer is designed to estimate the lumped disturbance force through strong online learning ability in the absence of force sensor. Besides, a nonlinear cascade controller with double loop structure is proposed in this paper. A global fast terminal sliding mode control method is firstly applied in the outer loop position system, which can eliminate chattering and improve convergence speed comparing to traditional sliding mode control. The inner loop force system adopts a backstepping control method to calculate the actual input of the whole system. Theoretical analysis indicates that the proposed controller is stable even if existing time-variant disturbance. Moreover, three comparative controllers are designed and tested in both simulations and experiments. Comparative results show that the developed method has absolute average errors of 1.14 and 0.49 mm in different position tracking, which means more satisfactory tracking performance compared to the contrast controllers.     

基于高维纠缠态的量子密钥分发协议

为了提高量子密钥分发的效率和安全性,利用高维Hilbert空间中的Bell态和Hadamard门设计了一种量子密钥分发协议。首先通过量子态的动态演变验证了三维Bell纠缠态在Z基和X基下具有不同的表示特性,然后以此为基础进行协议设计,其中利用Z基测量来检测窃听,利用X基测量来产生密钥。安全性分析表明,该协议可以抵抗截获重发、纠缠附加粒子和特洛伊木马三种常见的攻击。最后将协议与其他方案进行了比较,该协议在保证量子比特效率50%的基础上,安全性也有所提升。