一种基于神经网络的自适应预测控制方法

强非线性系统预测控制问题当前仍有许多难点需要解决,而神经网络由于具有非线性逼近能力、自学习、容错性等特点,使它在自动控制理论中得到了广泛的应用.针对非线性系统,提出了一种基于神经网络的自适应预测控制方案,该方案结构简单,易于实现.对于一些难于用传统方法控制的复杂非线性对象提供了一种有效的方法.对非线性定常及时变对象,利用仿真表明了该控制策略的有效性.最后讨论了神经网络控制器发展方向与亟待解决的问题.     

一种连续系统模型参考自适应辨识算法

针对具有时间滞后的确定性连续系统，提出了一种新的模型参考自适应参数辨识算法。该算法可对包括滞后在内的过程传递函数进行在线辨识，并具有算法简便、易于实现的特点。文中给出了算法的一致收敛性证明和仿真结果     

一种非线性模糊自适应控制方法

利用模糊逻辑,提出了一种非线性模糊自适应控制方法,其特点是利用非线性系统的估计模型已知,存在模糊逻辑系统来描述误差模型及控制作用的条件来设计控制方案及自适应调节律,在模糊逻辑系统中参数都是任意可调的,并证明了在一定条件下,该控制器能跟踪所给定的有界信号。     

一种基于图像特征的自适应可见数字水印嵌入方法

主要研究在小波变换域中,基于图像特征的自适应可见数字水印嵌入处理技术.小波变换的多分辨率特性更适宜于人类视觉感知系统,不同分辨率层次的水印图像像素根据对应宿主图像像素的特征嵌入到宿主图像中.     

一种低速恒速自适应控制的方法

本文提出了控制工程上较适用的极配置PID调节器参数自整定的控制算法,为自校正调节器的设计提出了一种实用的方法.根据一种低速恒速的控制要求,完成了计算机数字仿真分析.     

一种记忆元网络自适应控制方法

本文提出了一种神经网络自适应方法。该方法采用记忆元网络采用记忆元神经网络进行对象模型辩识,用单个神经元实现了自适应ＰＩＤ控制器。被控对象输出误差经记忆元辩识网络反传后得到控制器的输出误差,以此修正控制器网络权值,由于记忆元网络无需引入延迟算子,能够逼近任意阶线性动态,保证了模型辩识的精度和误差返传的精度,神经元ＰＩＤ控制器具有极为简单的结构与算法,保证了自适应控制的实时性,大量仿真结果表明该方法可     

一种自适应控制饱和度的色调映射方法

为了解决传统色调映射算法在处理过程中存在的色偏问题,给出一种自适应控制饱和度的色调映射改进算法。该方法首先采用对数压缩和限制对比度的自适应直方图均衡化算法对图像的亮度值进行处理,其次根据处理前后的亮度比值自适应控制输出图像的饱和度,从而校正图像色偏。实验结果表明,对图像的亮度值进行对数压缩并用限制对比度的自适应直方图均衡化算法可以保证图像的清晰度和对比度,通过图像亮度比值自适应控制饱和度的方法有效地减少了由亮度调整差异引起的色偏。所给改进方法相比于Reinhard算法和iCAM06算法可以较好地校正图像色偏。     

一种基于模型的自适应阈值分割算法

为了减少穷举式阈值分割方法中的重复计算，提出了连通域树（CCtTree)的结构与构造算法.在进行新阈值下的分割与连通域标记时，根据原阈值分割标记后得到的结果，结合新出现的连通域，以合并的方式得到新阈值分割下的连通域来减少多余的计算过程.给出了在CCTree中利用树搜索算法进行模型匹配区域搜索的方法.实际的图像库实验表明，在保证同样的模型匹配区域检出效果的基础上，基于CCTree的方法在运行时间上明显优于ETL，并能迅速有效地筛除重叠区域，获得更好的匹配区域.利用CCTree方法可以准确而快速地获得基于模型匹配的阈值分割结果.     

一种新型的风机变流器控制方法

针对目前风机发电系统中变流器常规控制方法的不足,提出了一种新型的基于电压预测的空间矢量控制方法,并结合电力电子专用仿真软件PSIM完成了系统建模,对其进行了理论分析和仿真试验,结果验证了方案的可行性和优越性。     

一种新型的单相逆变电源控制方法

针对目前单相逆变电源常规控制方法的不足,提出了一种新型的基于电压空间矢量脉宽调制（SVPWM）技术的控制方法,并采用Madab／Simulink软件完成了系统建模,对其进行了理论分析和仿真试验,结果验证了方案的可行性和优越性。     

一种基于最小二乘的离散模型参数自适应辨识方法

给出了一种基于最小二乘的Ｈｏｕｓｅｈｏｌｄｅｒ正变矩阵变换方法求解一维及二维离散模型参数自适应辨识算法，计算机数字仿真表明了该方法的正角性和实用性。     

一种机器人的自适应控制

针对机器人的动态模型,提出一种自适应控制方法,它不但可以消除参数不确定和各关节之间的耦合作用,而且也保证了整个系统的收敛性。整个控制器分为两部分:一是常规控制,用于将机器人的实际运动轨迹控制在期望轨迹的某一邻域、一是自适应控制,用于清除伺误差,并强迫实际运动以渐近方式趋于期望轨迹。计算机仿真的结果用来讨论了在不同环境条件下的系统性能。     

一种基于RBFNN的变体飞机高精度自适应反步控制方法

针对变体飞机非线性模型的不确定性问题,提出了一种基于径向基神经网络(radial basis function neural networks,RBFNN)的高精度自适应反步控制方法。首先,在变体飞机静态和动态气动参数分析的基础上,运用传统反步法设计了非线性控制律,并引入径向基神经网络在线逼近系统的不确定项,提高系统鲁棒性;并设计鲁棒项消除径向基神经网络带来的逼近误差。其次,通过对虚拟控制变量进行求导项设计微分跟踪器,解决了传统反步法中存在的"微分膨胀"问题。通过Lyapunov稳定性分析,证明该方法能保证闭环系统跟踪误差最终收敛且一致有界。最后,基于Matlab/Simulink搭建了变体飞机的数字仿真模型,并与常规反步法进行了对比分析,仿真结果表明该方法具有控制精度高、鲁棒性强的特点。     

一种实现微机电传动系统自适应控制的方法

本文对自适应理论在电气传动中的应用作了初步探讨。首先从建立模型入手,在将系统设计成二阶最佳调节系统的最优组成形式的基础上,根据李亚普诺夫第二法导出了一个适用于微机电传动系统的自适应算法,方法简单,且易于在微处理机上实现。     

一种基于模型参考自适应的内模网络化控制策略

针对具有时延和模型不精确性的网络化控制系统,提出一种基于模型参考自适应的内模网络化系统控制策略。以内模控制器为调节器,模糊逻辑控制模块为自适应机构,再根据网络时延预测设计网络化控制器,结合自适应控制、模糊控制和内模控制的优点改善网络化控制系统性能。最后以工业过程控制领域中最具代表性的一阶和二阶系统为被控对象,采用本文策略对系统进行仿真。结果表明,本文策略使系统的稳定性和抗干扰能力得到明显改善,验证了本文策略的正确性和有效性。     

一种基于无线网络场景的自适应比特率算法模型

为了适应剧烈变化的网络波动与长尾问题,提出了基于深度学习的自适应比特率算法模型,该算法以视频码率、码率切换频率、视频暂停时间为优化对象,可以更加适应网络波动随机性。与对比模型相比,所提模型在无线网络的大尺度波动的场景下具有更优越的性能。在最差的网络条件下,对比模型造成视频播放卡顿的概率高达16%,而所提模型的卡顿概率仅为1%,且平均体验质量指标比对比模型高了30%。