基于嵌入式Internet的远程监控系统设计

提出了一种以嵌入式系统为核心，具有集成网络功能，基于嵌入式Internet的远程监控系统，并且给出了系统结构、嵌入式Internet实现原理以及相应的软件实现过程。     

基于广义预测控制的间歇生产迭代优化控制

针对间歇生产,提出了一种基于广义预测控制的批次迭代优化控制策略--BGPC,在间歇过程中引入批次间优化的思想,将迭代学习控制ILC和广义预测控制GPC相结合,在GPC实时结构参数辨识的基础上利用前面批次的模型预测误差修正当前批次的模型预测值.该算法能够有效地克服模型失配、扰动和系统参数变化等情况.文章最后以一个数值例子和间歇反应器为对象进行仿真试验,验证了该算法是有效的.     

基于PICA的过程监控方法

工业过程中普遍存在噪声污染,本文在概率主元分析方法（PPCA）的基础上,把该方法推广到非高斯过程,提出一种新的基于概率独立成分分析（PICA）的过程监控方法.针对过程的非高斯和噪声信息,分别建立其对应的统计量I²和MR.通过对Tennessee Eastman（TE）过程的仿真研究,验证了该方法的可行性和有效性,较好地改善了过程的监控效果,从而更好地保证过程运行的安全、稳定性.     

基于自适应密度估计的系统参数辨识

针对噪声分布未知的ARMAX系统,提出了一种自适应非参数噪声密度估计方法,由估计误差动态调整高斯核函数的全局带宽和局部带宽,实现了未知噪声分布密度的自适应估计;通过极小化似然函数,给出了基于噪声密度估计的参数辨识迭代算法,分析了算法的收敛性并给出了算法收敛的充分条件.仿真结果表明本文提出的算法在系统噪声未知时具有较强的抗噪能力和良好的收敛性.     

基于样本取样的SMO算法

介绍了一种对样本集取样的方法 ,并在此基础上对序贯最小优化 (sequentialminimaloptimization ,SMO)算法进行了改进 ,提出了取样序贯最小优化 (S-SMO)算法 .S-SMO算法去掉了大部分非支持向量 ,将支持向量逐渐收集到工作集中 .实验结果表明 ,该方法提高了SMO算法的性能 ,缩短了支持向量机分类器的训练时间 .     

基于工控组态软件的过程数据抽去方法

讨论了工业控制计算机系统中的过程数据抽取技术,利用工控组态软件内置的脚本程序,实现将过程数据同步或分批保存至远程数据库,提出了基于组态软件的实时数据抽取和历史数据抽取方法,以及独立抽取方法.     

用于在线辨识非线性系统的可变正交小波网络

对于在线辨识非线性系统,传统的小波网络缺乏有效的算法。本文在正交小波网络的基础上,提出一种利于实时应用的可变正交小波网络,给出了其结构变化和参数调整的策略,并对建模误差的变化进行了分析。最后用于辨识非线性动态系统,仿真结果验证了该方法的可行性和有效性。     

一种快速提取铜块图像感兴趣区域的方法

针对铜块合金样本感兴趣的区域(ROI)有效提取问题,提出了一种完整的单一背景下提取铜块合金样本ROI的方法,进而抽象ROI提取问题.将该问题分割为2个步骤:第一步为背景相关的种子点提取,第二步为背景无关的ROI确定,并提出了一种基于种子点的SBRE方法.复杂背景下的SBRE方法首先建立HSV颜色模型,然后通过不断更新步长收缩搜索矩形框最终使搜索矩形框完全位于铜截面内部,进而确定种子点,最终确定ROI.实际测试结果表明:该方法准确、快速.