通用多概念学习算法的实现与分析

为满足大规模知识库系统建设对于高性能学习算法的需要，本文实现了一个面向通用问题的多概念学习算法，分析了算法的可学习性和复杂性，并通过实验验证了该算法的优点．     

基于改进算法递归神经网络的研究

动态递归神经网络具有递归单元及记忆功能，使其在系统辨识和控制中有独特的作用．针对BP算法的不足，提出了一种递推预报误差(RPE)学习算法．对一个非线性系统进行了解识，其仿真结果表明，改进的RPE算法优于BP算法．     

基于混合遗传算法的神经网络在智能故障诊断中的应用

设计了用模拟退火的混合遗传算法代替BP网络的反向传播过程的改进算法，解决了在故障诊断系统中BP算法容易陷入局部极小值的问题．该算法是在遗传算法中引入模拟退火机制，将其同BP算法结合，形成一个混合的优化算法．新算法既有神经网络的学习能力和鲁棒性，又有遗传算法的强的全局随机搜索能力．仿真结果表明，这种改进算法极大提高了内燃机故障诊断系统的效率和准确性．     

基于非抢占RMS的分布式控制系统中实时任务调度算法

分布式控制系统是一种应用极为广泛的分布式实时系统,如何将系统中的任务分配到各个处理器上并保证它们的时限是系统关键技术之一．对于系统中每一个处理器上的任务采用非抢占RMS算法调度,该算法是一种最优的静态任务调度算法,在单处理器调度算法的基础上,结合启发式任务分配算法,提出了一种分布式控制系统的调度算法．该算法是一种静态任务分配算法,算法的开销小、网络负载量低;同时在任务分配时考虑了各个处理器的负载均衡．仿真结果表明了算法的有效性．     

一种混合遗传算法及其在线性系统辩识中的应用

提出一种将LMS算法和实数编码遗传算法相结合的混合遗传算法。相对于传统算法，将其应用于线性系统辩识，特别是IIR系统的辩识，具有明显优势。IIR系统的性能函数存在多个局部极小值，该算法首先利用遗传算法的全局最优性，在大范围内搜索可能的极值，并限制系统参数随机搜索的范围，以保证IIR系统的稳定性，再在遗传算法中嵌入一个LMS算子，在极值点附近进行快速搜索，从而达到全局最优与快速搜索的有机结合，提高了辨识精度和计算效率。仿真结果验证了该算法用于线性系统辨识的有效性和实用性。     

基于认知模型的通用多概念精化学习算法

在分析了幼儿认知活动的一般过程基础上，抽象出一个概念学习的认知模型，提出了一个面向通用问题的多概念精化学习算法．与经典的概念学习方法作了比较，说明了该算法的优点．     

一种改进的象素级圆的单点生成算法

提出一种改进的象素级单点生成圆的算法．该算法是在Bresenham算法的基础上通过一些技巧对其改进，使其避免了乘法运算和浮点数运算，这样一来算法在总的计算量上就大大的减少了．通过与Bresenham算法的比较，该算法的运算速度比Bre—senham算法有着更大的提高．     

一种基于伪频偏的载波恢复算法

推导并分析了频偏、相偏对通信系统的影响，提出了一种新的基于伪频偏概念的载波恢复算法．该算法首先估计大频偏范围内可能的几个频偏值，然后去除其中的伪频偏，最终得到真实的频偏值．以达到纠正大频偏的目的．该算法同时还利用一种快速相偏估计方法对相偏进行了估计和校正．仿真表明载波恢复算法运算量小，能够实现快速恢复载波．     

电子对抗计算机仿真系统研究--关于目标台测向定位的设计与实现

F系统是从国外引进的军队指挥自动化系统的通信对抗系统．为了将原系统在定位计算方法的不足之处加以改进，采用了多站测向定位最佳化算法对该系统的最佳估计点的计算方法进行了重新设计，并应用MATLAB语言加以实现．通过与实测数据的比较，新算法的误差远小于原算法的误差．     

一个凸不可微规划的算法

本文提出了一个带线性与非线性约束的凸不可微规划的邻近控制族算法．并在Ｓｌａｔｅｒ约束规格满足的条件下，证明了算法的整体收敛性．经计算实例表明，该算法是处理同类型问题的一个较有效方法．     

一种使用输出误差的离散迭代学习控制算法的渐近收敛性分析

本文对M.Togai等人提出的一种离散迭代学习控制算法进行了改进,使其可以使用系统的输出误差.同时,通过引入适当的范数,简化了系统输出误差渐近收敛的充分条件.     

基于初态学习的非仿射非线性系统的开闭环PD型迭代学习控制

针对非仿射非线性系统,提出了新的学习控制算法,即初态未知情况下系统的输入和初态都需要进行学习的开闭环PD型迭代学习控制,并给出了该算法的收敛性充分条件.初态学习允许系统在每次迭代开始时有一定的定位误差,不严格要求其初态与期望初态重合或固定于某一具体位置上.该算法允许初态在收敛性条件范围内任意设置,从而保证了学习控制系统具有初始定位误差的鲁棒收敛性.依据此收敛性条件,可确定输入学习律及初态学习律的学习增益.利用压缩映射分析方法,证明了系统在任意初始状态下经过迭代后,其输出能够完全跟踪期望轨迹.该算法解决了初始值未知情况下的收敛性问题,且放宽了收敛条件,并通过仿真结果验证了所提算法的有效性.     

多主体系统分布式动态网络的权值平衡算法

针对加权有向图实现一致均值收敛必须是平衡图的要求，提出了一种分布式权值平衡算法使得任意一种强连通的加权有向图最终能全局渐近收敛到平衡图.该算法对有向图的各个连接权值赋初值，并计算每个节点的输入度和输出度，利用周围邻居节点的输入度和输出度之差等信息对节点的输入权值或输出权值进行权值更新，如此迭代进行直至所有节点都达到输入度和输出度权值平衡.利用特征值圆盘定理证明了保证该分布式算法实现最终一致性收敛的充分条件，给出了算法中调整因子取值的上限值.仿真结果验证了算法的有效性，并对不同调整因子下的系统收敛结果作了分析比较.     

一类非线性系统的初态迭代学习控制

针对一类非线性系统,提出了具有初态学习的开闭环PD型迭代学习算法,并给出了该算法的收敛充分条件。依据此收敛条件,可确定初态学习律和输入学习律的学习增益,而不必依赖系统的结构和参数,从而放宽了对初始定位的要求。初态学习允许在每次迭代开始时,其初态与期望初态有一定的定位误差,并允许初态在收敛条件范围内任意设置。利用压缩映射分析方法,证明了系统在任意初态下经过几次迭代后,实际输出能完全跟踪上期望轨迹。最后,通过仿真实例验证了所提算法的有效性和可行性。     

具有不确定扰动的机器人基于内模的鲁棒学习控制

根据内模控制的概念设计一个扰动控制器,使机器人系统表现为固定参数的解耦线性系数。基于此线性系统,提出了一种迭代学习控制律,给出了算法收敛的充分条件。算法的参数选择非常简单,从而易于满足收敛条件。仿真结果表明了算法的有效性。     

Fair resource allocation algorithm for the smart TV system

In order to address the resource allocation problem of the smart TV system, a resource allocation algorithm based on the nonlinear elastic task model is proposed. First, we define fairness of QoS levels and describe the fair resource allocation problem of the smart TV system. Then, based on the nonlinear elastic task model, a fixed-point iteration method is used to solve the resource allocation problem and a sufficient condition for the convergence of the method is derived. Finally, nonlinear elastic task model is applied to the adaptive fair sharing controller. Simulation results show that the proposed algorithm can obtain fair resource allocation with a faster convergence speed than existing algorithms.     

一种基于输出误差的有模型离散时间动态系统迭代学习控制算法

本文对D.-H.HHwang等人提出的一种离散时间动态系统选代学习控制算法进行了改进,使其可用到仅知输出误差的系统,同时,给出了迭代学习算法渐近收敛的充分条件.这种算法可用于参数未知,但呈周期性变化的线性或非线性离散时间动态系统.     

A modified alopex which guarantees stability for a class of closed loop neural network control systems

０　ＩＮＴＲＯＤＵＣＴＩＯＮＷｉｔｈｅｘｔｅｎｓｉｖｅｕｓｅｏｆａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｉｎｎｏｎｌｉｎｅａｒｃｏｎｔｒｏｌｓｙｓｔｅｍｓ,ｉｔｂｅｃｏｍｅｓｖｅｒｙｉｍｐｏｒｔａｎｔｔｏｓｔｕｄｙｔｈｅｓｔａｂｉｌｉｔｙｏｆ...     

基于UIO的减摇鳍控制系统故障诊断算法

为提高减摇鳍控制系统可靠性,提出了基于UIO的减摇鳍控制系统故障诊断算法,改进了基于全阶Luenberger故障诊断观测器针对系统出现未知扰动时的不足.利用最优解耦原理,设计了满足系统出现未知扰动时可解耦的UIO故障诊断观测器,推导及证明了减摇鳍控制系统存在UIO的充要条件,并给出了UIO故障诊断观测器的设计步骤．以NJ5型减摇鳍控制系统为研究对象,验证算法的有效性．仿真结果表明,基于UIO的减摇鳍控制系统故障诊断算法相比传统方法,获得的状态估计误差小,且收敛速度快;在故障诊断阶段,有效提高了残差的收敛效果,并对系统出现的故障作出快速响应．     

多主体汇聚问题离散算法的稳定性

针对多主体汇聚问题，提出了一种基于最近邻法则的分布式离散形式算法，对其全局稳定性进行了分析.在给出了多主体最终收敛到全局中心的等价条件基础上,从公共Lyapunov函数理论出发，证明了确保动态切换系统稳定的充分条件，给出了算法中调整因子的取值范围，以及公共Lyapunov函数.仿真实验以10个移动自治主体的汇聚为例，采用分布式离散算法，并根据充分性条件定理选择3个不同的调整因子值， 实验结果表明,该多主体系统的汇聚过程分别表现出全局渐近稳定、Lyapunov意义下稳定和不稳定情形，这与稳定性定理是相吻合的