带有迭代学习前馈的快速路无模型自适应入口匝道控制

提出了一种新的带有迭代学习前馈的快速路无模型自适应入口匝道控制算法. 模块化的前馈迭代学习和反馈MFAC控制器设计方案使所设计的控制系统有效地利用了交通流的周期性特征, 提高了控制品质. 严格的数学推导证明了该方法的收敛性. 仿真研究及比较结果验证了所提算法的有效性.     

基于周期信号的迭代学习控制在逆变器中的应用

提出一种基于周期信号的迭代学习控制方法,并将其应用于电力逆变器,分析了跟踪误差沿迭代方向的收敛条件,给出了控制律的时域表达形式以及参数的确定方法.由于该方法理论上可实现跟踪误差收敛到零,因而使逆变器输出电压跟踪精度大幅提高.通过MATLAB/Simulink仿真,该方法的有效性得到验证;此外,与传统PID控制相比,仿真结果显示出该方法具有较好的负载适应能力以及优越的跟踪性能.     

基于自适应模糊滑模控制的高速列车自动停车算法

为实现高速列车自动停车功能,根据列车纵向动力学分析和制动系统原理,建立了高速列车非线性制动模型.针对大系统模型的强耦合、强非线性和不确定性的特点,依据列车运行速度,将非线性模型表示为T-S(Takagi-Sugeno)模型,并基于自适应模糊策略,设计了自动停车滑模控制器.控制算法通过自适应模糊系统逼近模型中不确定项和互联项的上界,消除了车间作用力及运行阻力的影响,使列车追踪理想停车曲线.依据李亚普诺夫方法证明了闭环系统的稳定性和追踪误差的收敛性.仿真结果验证了所提滑模控制器的有效性.     

布尔序列的一种KNN改进算法

布尔序列分类作为一类特殊的分类问题在以往很少被予以专门的研究.本文首先定义布尔序列的属性序化和分片映射的概念,在此基础上提出一种称为序化分片映射(OPM)的降维方法,并将此方法与KNN算法结合提出了一种KNN的改进算法(OPM-KNN).实际数据的实验和分析表明,在降维方面,本文OPM方法与传统PCA方法效果相当,速度有较大提高;在分类方面,本文改进KNN算法与传统的KNN算法相比,分类准确度相当,分类速度增快.     

基于坐标补偿的自动泊车系统无模型自适应控制

针对自动泊车系统,提出了无模型自适应控制(Model-free adaptive control, MFAC)方案.控制方案的设计仅利用泊车系统的前轮转角输入数据和车身角输出数据,不包含车辆模型信息.因此,针对不同车型的自动泊车系统,该方案均能实现无模型自适应控制.为了改善期望轨迹的坐标跟踪误差,进一步提出基于坐标补偿的无模型自适应控制方案,该方案由控制算法、参数估计算法、参数重置算法和坐标补偿算法构成.针对不同车型不同泊车速度的仿真结果表明,基于坐标补偿的MFAC方案和原型MFAC方案均能较好地完成自动泊车过程,且基于坐标补偿的MFAC方案相比原型MFAC方案和PID控制方案,在轨迹坐标和车身角等方面均具有更小的跟踪误差和更快的响应速度.     

透射光谱成像技术及其在相似异物检测中的应用

由于相似异物与所处背景的外观特征及反射特性极其相近,现有的光谱反射成像检测方法具有一定的局限性。本文针对相似异物采用光谱透射成像检测方法并对其中的关键技术深入研究。该方法在透射光谱成像理论模型的基础上,建立了基于综合透射差的波长优选函数,分析了近紫外-可见-近红外连续波段中异物与背景光谱透射差随波长的变化规律,筛选了区分多个异物与背景的最佳透射波长,以此构建透射光谱成像检测系统。以棉花中的白色丝状异物作为实验对象,利用最佳波长的透射成像系统获取异物特征,采用小波变换及自适应阈值的二值化处理从背景中提取异物。实验结果表明,在透射光照系数0．83条件下,该方法对相似异物的检测率达到91％,为相似异物检测提供了一种新思路。     

基于订阅内容相似性分组拓扑构建算法

现有发布/订阅系统分组普遍采用随机平均分组,没考虑代理的订阅内容会造成事件在所有分组中转发,增加网络流量.为此,提出一种基于订阅内容相似性分组拓扑构建算法.将每个代理的本地订阅聚集为一个订阅表达式,利用订阅间的相似性,把相似订阅所在代理添加到同一个组中,形成分组拓扑结构.实验结果表明,在不增加订阅信息转发流量和事件转发时延的情况下,可以明显降低事件在代理覆盖网之间转发流量,从而降低网络带宽占用率和代理平均负载.     

改进的时不变系统PD型迭代学习控制算法

针对时不变线性系统的迭代学习控制问题,提出了一种改进的时不变系统的PD型迭代学习控制算法,理论证明了系统满足收敛条件时的改进算法是收敛的。仿真实例分析表明,改进的算法利用最新算出的控制分量代替旧的控制分量,使系统的实际输出以更快的收敛速度逼近系统的理想输出。     

自适应单指数平滑法在短期交通流预测中的应用

短时交通流预测是实现交通规划和管理的关键技术之一. 指数平滑法因其计算过程简单, 需要观测数据较少等优点, 在短时交通流预测中获得了广泛的应用, 但其平滑系数缺乏有效的选取方法. 本文提出了一种自适应单指数平滑法, 通过近似动态规划方法的引入, 结合实际交通流数据对指数平滑系数进行优化, 使其随预测过程自动更新, 从而保证了预测的实时性、准确性. 严格的理论推导证明了这种预测方法的收敛性, 仿真结果验证了算法的有效性.