一个混沌系统的同步控制研究

研究了一个混沌系统的混沌同步控制问题。分别采用线性反馈控制方法、非线性反馈方法、脉冲控制方法对该混沌系统进行同步控制。基于Lyapunov稳定性理论和脉冲控制技术,对同步的充分条件进行了讨论,并给出了相应的理论证明。数值仿真证明了这三种不同方法的有效性。     

《信号与系统》课程的教学方法、教学手段及考试方法改革浅析

《信号与系统》是电子信息类专业的一门核心基础课。为了有效地上好该课程,需要进行教学改革,本文从教学方法、教学手段及考试方法等方面提出了一些改革方案,教学实践结果表明我们的改革是有效的。     

单目视觉中基于IEKF,DD1及DD2滤波器的位姿和运动估计

用单摄像机所获取的二维(2D)图像来估计两坐标之间的相对位姿和运动在实际应用中是可取的,其难点是从物体的三维(3D)特征投影到2D图像特征的过程是一个非线性变换,把基于单目视觉的位姿和运动估计系统定义为一个非线性随机模型,分别以迭代扩展卡尔曼滤波器(IEKF)、一阶斯梯林插值滤波器(DD1)和二阶斯梯林插值滤波器(DD2)作非线性状态估计器来估计位姿和运动.为了验证每种估计器的相对优点,用文中所提方法对每种估计器都作了仿真实验,实验结果表明DD1和DD2滤波器的特性要比IEKF好.     

理工科本科生导师制的培养模式思考

导师制是高校确立"以学生为本"的教育教学理念,深化学分制改革的重要配套举措,是加强师生交流、促进教学相长、引导和激励学生创新的有效途径。本文从本科生导师定位、师资素质、管理层面重视力度三方面指出了理工科本科生导师制实行的不足,从细化监督制度、建立新型师生关系、完善理工科人才建设、提高理工科导师制教育特色四方面完善理工科本科生导师制提出了一些相应改进措施。     

观测值延时的UF在SINS中的应用

建立观测信号随机一步延时模型,在此基础上给出Unscented滤波(UF)算法。建立捷联惯导系统(SINS)动基座大方位失准角下的对准模型,将扩展滤波(EF)算法和UF算法应用于SINS动基座初始对准中,分别进行不同延时概率条件下的实验仿真,结果表明,UF算法相对于EF算法具有更高的对准精度和更快的收敛速度。     

单幅三维场景图像的度量重建方法

对平面型场景图像和常规的三维场景图像的度量重建进行了回顾,在此基础上提出了一种不必进行射影重建且只须三维场景单幅图像的三维度量重建方法.     

基于改进多目标海樽群算法的电力系统优化调度

文中提出了一种新的多目标海樽群优化算法,将其与等式约束修正技术和可行解占优约束处理技术相结合,用于求解高度约束的电力系统环境经济优化调度问题。该算法采用高斯采样策略和变异操作增强其寻优性能;通过一种改进的基于动态拥挤距离的非支配排序方法获得分布均匀的帕累托最优前沿;应用模糊集理论为决策者提供最佳折中解。在IEEE 30节点6机组标准测试系统上进行算例仿真,并与其它优化算法进行了对比。结果表明,所提算法在求解电力系统环境经济调度问题时具有更好的优化效果。     

基于视觉和扩展卡尔曼滤波的位姿和运动估计新方法

估计两参考坐标系之间的相对三维位姿和相对运动 ,对机器人导航、机器人装配、测量、跟踪、目标识别和摄像机定标来说是一个非常重要的问题。用八元数来表示摄像机和运动目标两坐标系之间相对平移和旋转 ,在假设运动目标的三维几何尺寸已知 ,且摄像机和运动目标之间的相对运动为匀速运动的情况下 ,由单个针孔摄像机获取运动目标的图像并测量其图像中的线特征点。由于旋转部分用四元数表示 ,状态转移函数是非线性的 ,测量函数由三维坐标变换和针孔摄像机模型所决定 ,存在严重的非线性 ,常规的卡尔曼滤波方法不适合 ,这里以扩展卡尔曼滤波方法作为数学模型 ,对状态转移函数和测量函数进行线性化后 ,对摄像机和运动目标之间的位姿和相对运动进行了估计 ,仿真结果表明 :该位姿和运动估计算法具有良好的收敛性     

具有混沌局部搜索策略的双种群遗传算法*

为提高遗传算法的局部和全局搜索能力,提出了一种具有混沌局部搜索策略的双种群遗传算法（CLSDPGA）。CLSDPGA中,一个作为探测种群,另一个作为开发种群。两个种群按照不同交叉概率和变异概率进行进化,每个种群每进化一代后就对其最优解进行混沌局部搜索。若搜索到更优的解,则取代原最优解直至搜索到预设的混沌次数,同时两个种群之间每10代进行一次移民操作。六个Benchmark函数的实验结果证明,CLSDPGA比另一种自适应局部搜索策略的遗传算法（a-hGA2）具有更好的寻优能力。     

基于交叉变异策略的双种群差分进化算法

为加强差分进化算法的全局搜索能力,提出了一种基于交叉变异策略的双种群差分进化算法（CMDPDE）。CMDPDE中,两个种群分别采用大小不同的缩放因子和交叉因子,在每代进化完毕后,对其中缩放因子和交叉因子较小的种群执行交叉或变异策略来寻找更优的个体,同时两个种群之间每10代进行一次信息交流。这种方式与单种群差分进化算法相比,可以通过双种群和交叉变异策略来增加解的多样性,使算法能在更大的范围内寻优。6个Benchmark函数的实验结果证明CMDPDE具有较好的寻优能力。