翼伞系统在较大风场中的归航控制

翼伞系统是一类特殊的柔翼飞行器,由于其飞行速度较低,容易受到风场的影响.针对翼伞系统在较大风场中难以准确跟踪归航轨迹、实现精确着陆,因此将风场中平均风的影响在轨迹规划中予以考虑,采用一种改进的粒子群算法(particle swarm optimization,PSO)优化分段归航轨迹;将紊流的影响作为外界的干扰,由线性自抗扰控制器(linear active disturbance rejection controller,LADRC)进行修正.仿真结果表明,该归航控制方法对提高翼伞系统在较大风场环境下的抗风性能和归航精度有重要意义.     

具有预测功能的积分控制器及其应用

在传统积分控制中引入适当的前馈项,使其具有目标预测功能,可改善系统输出动态特性。经一个钢坯加热炉炉温模型的控制验证表明,本算法具有简单有效的鲁棒控制器功能。     

基于人工智能的情感模型建立

以OCC情感模型和心理学家Ekman的情感分类两大理论为基础，建立了一个机器人情感模型．本模型通过设计一系列通用型参数，来达到模型适用于多种环境的目的，例如虚拟游戏人物、智能玩具．此外，还引入了情感空间设计，并在情感空间中设计了一系列情感点，可以通过移动情感点或者修改情感点区域的大小，来达到改变情感模型性格特征的目的．     

基于K中心方法的氨基酸序列聚类分析

针对氨基酸序列的聚类问题，提出了基于K中心方法的解决方案。该方案把K中心方法、动态规划方法和生物学研究中的一些新理论有机地融合在了一起。通过实验，该方案具有很强的适用性和很好的聚类效果，是数据挖掘方法在生物信息学研究中一次有益的探索。     

基于SIP协议的IMS仿真器的设计与实现

IMS(IPMultimediaSubsystem)是3G系统实现多媒体应用的重要组成部分。文章简要介绍并分析了IMS系统的结构和运行机制,并针对IMS系统的特点,设计了一种基于SIP协议的用于IMS相关设备和系统的测试工具———IMSSIP仿真器,介绍了它的结构和实现。     

基于神经网络的非线性预测自整定PID控制

提出在利用前馈神经网络对非线性系统建模的基础上，对系统输出实现递推多步预测，并且结合自整定PID方法，实现非线性系统控制，神经网络在线辨识时采用学习速度较快的扩展Kalman滤波方法，仿真实验表明了该方法的有效性．     

基于观测器的非线性系统神经网络鲁棒控制

提出一类不依赖于模型的状态观测器，通过分析其根轨迹和极点要求配置合适的参数，该观测器本身是一个能提取高阶微分的高阶微分器．基于Lyapunov稳定性理论设计了使闭环系统渐近稳定，对模型变化和扰动具有鲁棒性的神经网络自适应控制器．该控制器不仅考虑了闭环系统的输出和设定输入误差的微分，而且考虑了误差的高阶微分，从而提高了控制品质．最后通过仿真例子验证了所提出理论的正确性．     

一种新型维纳系统及其在混沌系统建模中的应用

提出了一种新型的维纳系统，能以任意精度逼近动态非线性对象。证明了此系统在一定条件下，逼近动态非线性系统离散点列的精度优于传统的以神经网络为静态非线性环节的维纳系统。此系统还具有运算量小的特点，易于实现对动态非线性系统进行在线建模与控制。     

动态事件触发机制下二阶多智能体系统完全分布式控制

本文研究了无向通信拓扑下二阶多智能体系统的一致性问题, 分别针对有领导者和无领导者的情形, 设计 了一类基于辅助动态变量的完全分布式事件触发控制策略, 该策略具有参数较少且易调等特点. 智能体自身的触 发函数满足条件时才向邻居广播自身的状态信息, 有效避免了连续通信, 减少了系统能量耗散. 每个智能体的控制 协议和触发函数都只用到自身的状态和邻居触发时刻的状态, 不涉及邻居的实时状态信息, 也不依赖通信拓扑网络 的任何全局信息. 利用代数图论以及Lyapunov稳定性理论, 证明在所提出的控制策略下, 二阶多智能体系统能够实 现渐近一致性, 且不存在Zeno行为. 仿真示例进一步验证了理论结果的有效性.     

智能控制的新进展(Ê )

对神经网络和遗传算法在控制和优化中的应用进行综述,着重讨论了模糊推理和神经网络的内在关系,并对智能控制的发展做了展望。