嵌入式智能云控制系统的原理与设计

云是用语言值表示的某个定性概念与其定量表示之间的不确定性转换模型.基于云模型的定性知识推理,以概念为基本表示,从数据库中挖掘出定性知识,构造规则发生器.多条定性规则构成规则库,当输入一个特定的条件激活多条定性规则时,通过推理引擎,实现带有不确定性的推理和控制.以往实现云控制器,主要依赖计算机及相关软件,限制了其进一步的推广应用.针对基于Quartus Ⅱ设计软件和Nios Ⅱ处理器的可编程片上系统进行设计开发,将云控制器在目标电路板的FPGA芯片中进行系统集成,实现以嵌入式云控制器为核心的智能控制系统,具有接口灵活、扩展性强、便于实现等优点.为基于云模型的智能控制系统的工业化应用,提供了硬件设计基础.     

基于DSP6713的船舶航向控制器设计实现

船舶航向控制器作为船舶自动化的组成部分之一,为了使航行船舶能在受扰情况下实现稳定、快捷的航向控制,系统在硬件设计上采用TMS320C6713数字信号处理器(DSP)配合以TL16C752B、MAX3160为核心的数据通信模块,在算法设计上系统采用变论域模糊控制通过实时控制舵角输出实现船舶航向的精确控制。测试结果表明,系统能实现船舶航向的智能控制,其控制精度指标符合船舶航向控制系统的应用要求。     

基于云模型的智能交通信号灯控制方法研究

智能公交系统中通过无线信号反馈回大量的车辆状态信息,可以从中获知整体的交通路况.将公交车反馈信号应用于交通信号灯智能控制,定义了关键的公交信息采集指标.考虑信号的不确定性,结合云理论构建智能交通信号控制系统,将前件云发生器与后件云发生器相结合,可以将多维度公交指标信号转变为对路况信息的映射,并综合各种道路信息以决定交通信号灯的通行时间长度.通过模拟实验,提出的交通信号控制方法合理可行,能够模拟人脑思维进行综合决策,使控制系统更具智能化.     

基于云模型的模糊神经网络算法研究

针对模糊神经网络不能同时处理随机性和模糊性且人为影响严重等问题,提出采用云模型进行不确定性表达,建立云模糊神经网络模型。针对黄金分割法的误差问题,提出使用高斯拟合算法计算云模型的数字特征。利用云模型计算属性的确定度,作为隶属函数;使用改进的"软与"算法完成云规则生成及匹配;通过云模型对BP算法进行优化,避免出现局部最优解;根据输出数值及确定度判断数据所属类别。实验结果表明,云模糊神经网络对不确定性的处理具有更高的准确性。     

基于云模型的数据挖掘在入侵检测系统中的应用

云是用语言值表示的某个定性概念与其定量表示之间的不确定性转换模型。通过云模型对随机性和模糊性的有机拟合,使自然语言有效地被数字特征所表征。提出一种基于云模型的入侵检测方法．该方法通过监控各级主机系统资源使用情况,通过云变换得到原始资源数据的概念划分．然后通过云规则发生器自动生成入侵规则,从而得出相应的入侵决策。模拟实验表明该方法具有较准确的检测能力和适应能力．     

一种基于云模型的运动估计快速算法

提出借用云发生器产生云滴即运动矢量,然后进行匹配运算,完成最佳矢量的筛选,实验证实,本算法能有效地完成运动估计,其运算量少于目前常用的任何快速算法,而性能却接近全搜索算法。     

一种基于神经网络的自适应非线性自动舵

针对仅航向角可测量的船舶航向控制系统,提出一种基于神经网络的自适应非线性航向控制器.首先采用神经网络在线逼近系统中的未知项,并设计滑模观测器在线估计艏摇角速度;然后基于动态面控制思想设计非线性观测器-控制器.利用Lyapunov方法证明了误差变量是一致最终有界的.以某自航船模为例仿真,结果表明所提方法鲁棒性好,且操舵合理.     

多模型自适应控制的模型切换算法研究

针对非线性时变系统在自适应控制过程中瞬态响应差的问题,提出了一种基于多模型自适应控制的模型切换算法.首先,在多模型框架下,通过在模型切换中使Lyapunov函数产生最大的负跳变而选择辨识模型,同时重置参数;其次,通过Lyapunov方法分析了整个系统的闭环稳定性;最后,通过一个仿真实验,表明该算法可以有效地提高系统的瞬态响应性能.     

基于云模型的文本数字水印算法研究与实现

提出了基于云模型的文本水印算法.利用云模型的随机性和模糊性,设定云模型的参数作为密钥,通过正向云发生器产生水印信息,水印映射到坐标轴上形成一幅云图.采用小波域自适应量化的方法,根据嵌入位置的不同选取不同的量化系数,将水印嵌入到载体文本中.提取后既可以对云进行视觉上的判断,又能通过逆向云发生器得到云模型的参数,并且给出了定量判断的方法.实验结果表明:基于云模型的文本水印算法比传统水印具有更高的鲁棒性和不可感知性,可有效保护文本作品的版权.     

基于云模型移动对象行为识别算法评价

为了研究视频监控中异常行为识别算法鲁棒性、准确度和速度的评价方法,将采集图像序列移动对象运动类型等参数作为样本输入逆向云发生器,得到移动对象定性概念的定量表示:期望值Ex、熵En和超熵He。以这些参数作为基础模拟出移动对象行为参数表征。Ex,En和He输入正向云发生器,将每个移动对象设计成一个智能体,个体通过感知环境和自激励调整行为参数,产生多种行为表征参数,并用这些参数来评价行为识别算法。通过实验实现了多种行为表征参数的模拟,用这些参数评价了几种典型算法,实验结果表明评价方法切实可行。     

基于行为的云计算访问控制安全模型

针对当前流行的云计算技术,分析了其所面临的安全问题。以BLP(Bell-LaPadula)模型和Biba模型为参考,通过基于行为的访问控制技术来动态调节主体的访问范围,实现BLP模型和Biba模型的有机结合,提出了CCACSM(cloud computing access control security model)。该模型不仅能保护云端服务器中数据完整性和保密性,而且使云计算环境具有相当的灵活性和实用性。最后给出了该模型的组成部分、安全公理和实现过程。     

Lateral control of autonomous vehicles based on learning driver behavior via cloud model

In order to achieve the lateral control of the intelligent vehicle, use the bi-cognitive model based on cloud model and cloud reasoning, solve the decision problem of the qualitative and quantitative of the lateral control of the intelligent vehicle. Obtaining a number of experiment data by driving a vehicle, classify the data according to the concept of data and fix the input and output variables of the cloud controller, design the control rules of the cloud controller of intelligent vehicle, and clouded and fix the parameter of cloud controller: expectation, entropy and hyper entropy. In order to verify the effectiveness of the cloud controller, joint simulation platform based on Matlab/Simulink/CarSim is established. Experimental analysis shows that: driver's lateral controller based on cloud model is able to achieve tracking of the desired angle, and achieve good control effect, it also verifies that a series of mental activities such as feeling, cognition, calculation, decision and so on are fuzzy and uncertain.     

基于操作轨迹模型的非线性预测控制算法

针对工业过程的非线性,本文首先提出了一种操作轨迹非线性模型的辨识方法:根据调度变量的操作轨迹,选取若干个典型工作点;在各个典型工作点,辨识各自的线性模型;根据测试数据以及过渡数据,得到全局插值非线性模型.在此基础上,本文进一步提出一种基于操作轨迹模型的非线性预测控制算法,并采用多步线性化方法进行问题求解.由于仅需要在典型工作点上进行测试,降低了全局建模的辨识成本,而且控制品质好,仿真结果表明了该算法的有效性.     

基于云模型相似度的图像分类方法研究

云模型相似度方法是对象相似性分析的一种重要方法.为提高图像分类的准确性,提出一种基于云模型相似度的图像分类方法.首先给出图像云模型的定义,然后根据云模型方法的逆向云算法对图像云模型特征进行数字特征计算,最后引入云模型相似性测度方法对图像云模型相似性进行测算并确定图像分类.仿真结果表明,文章所提方法可准确地对图像进行分类,且计算效率较高.     

大数据典型相关分析的云模型方法

针对传统大数据典型相关分析（CCA, canonical correlation analysis）方法的高复杂度在面临大数据PB级数据规模时不再适应的现状,提出了一种基于云模型的大数据CCA方法。该方法在云计算架构的基础上,通过云运算将各端点云合并为中心云,并据此产生中心云滴,以中心云滴作为大数据的不确定性复原小样本,在其上施以CCA运算,中心云滴的较小数据量提高了运算效率。在真实数据集上的实验结果验证了该方法的有效性。     

一种基于云模型的网络态势综合评估方法

针对网络态势评估中存在的模糊性、随机性和指标量化不统一等问题,提出了一种基于云模型的网络态势综合评估方法。综合考虑实数型、区间型和模糊型指标并统一用云模型量化表示,采用主观与客观相结合的赋权方式,并利用云相似性理论进行网络态势综合评估。对通信网络态势评估的实例分析表明,该方法能够合理地实现网络态势的定性及定量评估,并且保留了评估过程中的不确定性。     

基于云理论的可信研究及展望

将云理论与信任的概念相结合,从主观的角度讨论安全应用的可信度评价模型。基于云理论的可信模型能够利用云的随机和模糊特性对网络对象信任关系进行主观描述,提供可信度量指标对信息的可信程度进行评价,还可以对整体信息系统的可信程度进行判断,提高各种网络安全应用的安全可靠性。通过对基于云理论的可信模型所涉及到的基本原理、实现方法、经典改进以及存在的问题进行全面的综述,分析可信云模型实现机理,指出可信云模型今后的研究发展方向。     

一种基于云模型的短波差分跳频频率转移函数

基于辛普森云模型,提出一种新的短波差分跳频(DFH)频率转移函数(G函数)算法,并对该G函数产生的跳频图案进行了数值仿真和分析.仿真结果表明:利用该G函数产生的跳频图案具有很好的汉明相关性、均匀性和连续性,并具有较好的宽间隔特性,且由于采用扩展形式的G函数,函数的复杂度大大提高,具有较强的抗破译性.