分布式探测节点组网通信系统的设计

针对分布式无源探测系统中各探测节点组网灵活性、智能化和适应各种地理环境的要求,设计了相应的整套通信系统.该系统包括集GPRS、CDMA和Ethernet3种网络功能于一体的通信终端,通信终端以LPC2214微控制器为核心,通信单元包括GPRS模块MC55、CDMA模块EM200和以太网芯片W5100.该系统还引入中间服...     

改进的动态矩阵控制算法在发酵罐温度控制中的应用

啤酒发酵是一类复杂的生化反映过程,其温度控制具有大时滞特性。由于机制复杂、环境多变,温度对象难以建立精确的数学模型,常规控制方式难以胜任此类系统的控制,并且当存在不可预测的干扰时,控制效果更难保障。针对这一问题,以啤酒发酵罐的温度为控制对象,将动态矩阵控制(DMC)引入该温度控制,基于DMC一步控制的思想,引入时间最优控制对DMC控制量进行改进,形成快速响应的预测控制算法。应用结果表明该算法有效提高了系统对干扰的抑制能力,具有较好的应用价值。     

基于GPRS的城市污水排放监控系统子站设计

介绍了城市污水排放监控系统的总体结构及子站系统的软硬件实现,主控芯片采用ATMEL公司生产的AT91M55800A.子站系统经由GPRS网与主站进行数据传输,具有远程多点、安装方便、安全稳定、数据传输率高等特点,较好地解决了有线监控方式所存在的难点,具有良好的市场应用前景.     

随机集理论及其在信息融合中的应用

多源信息融合经过近20年的发展已经取得了丰富的理论成果和应用成果,但是其理论框架尚未建立。近几年由Mahler提出的有限集合统计学(FISST)理论随机集理论的特例,从概率论角度统一表述了信息融合技术的主要方面。该文对近十几年随机集信息融合技术的发展加以回顾,主要包括随机集理论的产生背景、基本的思想和理论框架,以及当前的应用领域。最后指出了随机集理论将来可能的发展方向。     

被动声预警系统信息融合及组网技术研究

阐述被动声预警系统结构、信息融合结构和实现的基本方法，提出一种切合工程实际，灵活机动的积木式蜂窝组网结构，以及进一步研究该系统所面临的问题。     

带不等式路径约束最优控制问题的惩罚函数法

控制变量参数化（Control variable parameterization,CVP）方法是目前求解流程工业中最优操作问题的主流数值方法,但如果问题中包含路径约束,特别是不等式路径约束时,CVP方法则需要考虑专门的处理手段.为了克服该缺点,本文提出一种基于L1精确惩罚函数的方法,能够有效处理关于控制变量、状态变量、甚至控制变量/状态变量复杂耦合形式下的不等式路径约束.此外,为了能使用基于梯度的成熟优化算法,本文还引进了最新出现的光滑化技巧对非光滑的惩罚项进行磨光.最终得到了能高效处理不等式路径约束的改进型CVP架构,并给出相应数值算法.经典的带不等式路径约束最优控制问题上的测试结果及与国外文献报道的比较研究表明:本文所提出的改进型CVP 架构及相应算法在精度和效率上兼有良好表现.     

输出饱和线性系统的稳定性及L2增益性能

考虑输出饱和线性系统的稳定性以及L     

非线性部分最小二乘方法的研究与应用

该文将部分最小二乘算法与径向基函数神经网络相结合,给出了一种非线性部分最小二乘建模方法,可以更加有效地处理过程非线性和数据共线性等复杂特性,提高模型的精度和推广能力。该方法在确定径向基函数神经网络的隐节点时,采用了一种改进型的k-均值聚类算法来自动确定最优的聚类区数。对煤气化炉合成气组分浓度软测量建模的应用结果表明,采用该方法建立的软测量模型在模型精度和推广能力等方面明显优于二次型多项式部分最小二乘方法建立的模型,并且计算精度满足工业生产的实际要求。     

基于2级控制系统的量化状态观测器设计

研究2级控制系统中量化状态观测器的设计方法.对设计的控制系统的输入、输出信号进行量化,使得这些数据可以在网络环境中传输.研究对量化后的数据经过非完美的频道传输时造成的数据损失的处理方法.设计状态观测器,对控制系统的各个信息进行估计.设计控制器,能够根据状态观测器输出的估计值,控制2个致动器协调工作,成功地实现了2级控制.在实验平台dSPACE-DS1103上对所设计的2级控制系统进行验证,实验数据验证了本文提出的2级控制器设计方法的有效性和可行性.     

测量值量化的时滞系统的输出反馈控制

为了解决无线网络带宽限制的问题,信号在传输之前需要进行量化,但是量化器的引入会给信号带来一定的误差.针对时滞系统,研究测量值量化的基于观测器的输出反馈控制问题.考虑对数量化器,为了研究量化器对系统的影响,引入上行界的方法,将对数量化问题转化成鲁棒不确定问题.为了讨论系统的收敛速度,采用带有衰减系数的Lyapunov函数,得到了闭环系统的指数衰减率.采用线性矩阵不等式(LMI)的方法给出了系统满足指数稳定的充分条件以及控制器和观测器增益的表达式.应用数值仿真证明了本文算法的有效性.