一种自适应模糊系统

采用模糊计算与神经计算相结合的方法，本文提出一各自适应模糊系统模型－－ＡＦＳ。ＡＦＳ采用前向神经网络来实现模糊推理规则，运用模型一致矩阵方法实现动态自适应以及最大关联隶属原则执行模型决策，最后通过若干实便以ＡＦＳ的性能。     

基于数据融合的自适应神经网络模糊控制系统设计

基于数据融合的思想,提出一种非线性系统的自适应神经网络模糊控制器的设计方法。该方法利用数据融合技术降低了模糊控制器的输入维数,简化了模糊控制器的设计。用自适应神经模糊推理系统的神经网络自学习功能完成模糊控制器的设计。仿真结果表明,自适应神经网络模糊控制系统性能优于采用普通的模糊控制器的情况,为数据融合与智能系统技术在非线性系统中的应用作了有益的探索.     

无线传感器网络自适应预测加权数据融合算法

为提高无线传感器网络监测系统的可靠性及寿命,提出了一种基于分簇的自适应的预测加权数据融合(AFWDF)算法.AFWDF算法依据数据在时间上的相关性,建立预测模型.源节点与簇头利用前期监测数据的变化态势自适应调整预测模型参数对后期数据进行预测,源节点通过预测值与测量值比较提取特征值和剔除异常值,簇头根据特征值和预测值还原监测值,并计算监测值可信度和权重进行加权数据融合.通过性能分析及仿真,得出AFWDF可靠性较高,且在模拟环境下网络寿命周期比SAEMDA和BPNDA算法提高了15％左右.     

多传感器自适应容积卡尔曼滤波融合算法

当容积卡尔曼滤波的系统模型不准确或测量出现异常时容易出现滤波发散。为了解决这一问题,提出了一种自适应容积卡尔曼滤波算法,构造了一组噪声统计估计器对噪声的统计特征进行在线实时估计,并在测量异常时采用修正函数对滤波过程进行修正,有效提高了滤波估计的精度和对滤波发散的抑制能力;在集中式滤波结构和联邦式滤波结构的基础上,设计了一种基于自适应容积卡尔曼滤波算法的多传感器系统混合式组合滤波结构,并给出了融合各传感器的局部滤波信息以得到全局滤波估计的计算方法。以对车辆的定位导航为应用背景进行了仿真实验,仿真结果证明了所提方法的有效性。     

自适应特征融合的相关滤波跟踪算法

为提高复杂背景下目标跟踪的鲁棒性,提出一种基于相关滤波的自适应特征融合目标跟踪算法.在HOG特征基础上,增加HSV颜色概率直方图,以此获得准确的位置预测.然后分别训练颜色名和HOG特征,并根据两个响应图的峰值自适应地分配融合系数,进而基于尺度池方法,采用多通道特征实现目标的尺度估计.模型的高置信度更新由两个响应图的平均...     

一种新的自适应模糊系统

提出应用B-Spline函数为隶属函数的自适应模糊系统，该系统将B-Spline和ANFIS两有机地结合在一起，取长补短，达到简捷的隶属函数自寻优。研究结果表明，该方法运算速度快、系统的逼近误差小、精度高、简单易行，非常适合于隶属函数的在线优化。     

一种自适应模糊系统(英)

采用模糊计算与神经计算相结合的方法，本文提出一种自适应模糊系统模型——AFS．AFS采用前向神经网络来实现模糊推理规则，运用模糊一致矩阵方法实现动态自适应以及最大关联隶属原则执行模糊决策．最后通过若干实例以说明AFS的性能．     

一种自适应二次数据融合算法

针对多传感器测量数据,基于最小均方加权方法,提出了自适应计算各传感器测量方差的方法,并推导出了递推公式。结合灰色系统理论的绝对关联度定义,提出了基于自适应方法的二次数据融合算法,并给出了算法框图。最后,通过仿真计算验证了该算法的有效性。     

多传感器跟踪系统自适应Kalman滤波融合

多传感器目标跟踪的一个实际问题是如何获得目标的过程噪声信息,以获得较好的跟踪性能。针对多传感器分布式估计融合系统,利用这种自适应技术给出了一种自适应Kalman滤波的融合方法,它具有与中心式相近的跟踪性能。计算机模拟结果表明：这种方法具有较优良的性能。     

基于划分自适应融合的多视角模糊聚类算法

针对多视角聚类任务如何更好地实现视角间的合作之挑战, 提出一种新的视角融合策略. 该策略首先为每个视角设置一个划分, 然后通过自适应学习获取一个融合权重矩阵对每个视角的划分进行自适应融合, 最终利用视角集成方法得到全局划分结果. 将上述策略应用到经典的FCM(Fuzzy ??-means) 模糊聚类框架, 提出相应的多视角模糊聚类算法. 在模拟数据集和UCI 数据集上的实验结果均显示, 所提出的算法较几种相关聚类算法在应对多视角聚类任务时具有更好的适应性和更好的聚类性能.

     

多速率传感器不完全测量数据自适应融合算法

针对不完全测量的多速率传感器系统,建立了自适应的分级融合算法。该算法构建了传感器子系统故障检测方法,检测子系统故障,确认不完全测量,避免单点故障污染整个系统;建立子系统的切换控制逻辑,引入映射矩阵,构成新的信息分享系数,自适应地选择子系统参与中心融合;对于不完全测量信息的传感器子系统,利用子滤波预测值代替估计值进行融合;全局状态估计利用各子系统的当前与前一时刻的估计值,提高了融合性能。对建立的算法进行仿真,验证了该算法的有效性。     

基于量测自适应辨识的多传感器数据融合算法

针对量测不确定条件下多传感器量测数据的合理利用和有效融合问题,提出了一种量测不确定下多传感器量测自适应数据融合算法。算法实现中考虑到传感器量测受扰动影响的具体情况,通过单个传感器的量测似然度的求解确认等效量测,并利用传感器量测数据间统计距离的构建完成对等效量测优化,进而实现不含扰动影响传感器量测数据的合理选择和融合。理论分析和仿真实验验证结果表明:新算法不仅有效改善扰动对于滤波精度的不利影响,并且相对于分布式融合方式降低计算复杂度。     

模糊自适应遗传算法

针对标准遗传算法在实际应用中存在的早熟问题,设计了标准遗传算法的一种改进形式--模糊自适应遗传算法.该算法是利用种群的方差和熵来衡量种群多样性,并根据每代种群的方差和熵设计模糊推理系统来自适应控制交叉概率和变异概率.通过多峰函数优化问题的仿真实验,表明了该模糊自适应遗传算法的可行性和有效性.     

动力定位船轨迹跟踪鲁棒自适应容错控制

本文研究了输入饱和状态下的动力定位船故障容错鲁棒自适应控制问题.该问题以动力定位船轨迹跟踪任务为目标,提出了一种新颖的鲁棒自适应控制器的设计,并且引入了二阶快速非奇异终端滑模和神经网络控制算法保证了控制器在实际任务中的执行效果.首先,介绍了三自由度动力定位船的运动模型包括了运动学模型和动力学模型以及推进器故障模型.然后,设计了二阶快速非奇异终端滑模面,提出了一种针对时变扰动和模型不确定性的鲁棒控制方案,保证系统无抖振现象的前提下实现了系统更快的收敛速度.同时运用被动容错控制思想,确保动力定位船在推进器故障发生时依然能够实现预计的跟踪性能.此外,通过Lyapunov稳定性判据分析,证明了提出的改进自适应滑模控制方法可确保系统在初始状态未知前提下,跟踪误差渐近收敛于零.最后,通过数值仿真实验结果验证了控制律的有效性.     

Fuzzy adaptive backstepping robust control for SISO nonlinear system with dynamic uncertainties

In this paper, a fuzzy adaptive backstepping design procedure is proposed for a class of nonlinear systems with three types of uncertainties: (i) nonlinear uncertainties; (ii) unmodeled dynamics and (iii) dynamic disturbances. The fuzzy logic systems are used to approximate the nonlinear uncertainties, nonlinear damping terms are used to counteract the dynamic disturbances and fuzzy approximation errors, and a dynamic signal is introduced to dominate the unmodeled dynamics. The derived fuzzy adaptive control approach guarantees the global boundedness property for all the signals and states, and at the same time, steers the output to a small neighborhood of the origin. Simulation studies are included to illustrate the effectiveness of the proposed approach.     

An adaptive fusion algorithm based on ANFIS for radar/infrared system

In order to improve tracking ability, an adaptive fusion algorithm based on adaptive neuro-fuzzy inference system (ANFIS) for radar/infrared system is proposed, which combines the merits of fuzzy logic and neural network. Fuzzy adaptive fusion algorithm is a powerful tool to make the actual value of the residual covariance consistent with its theoretical value. To overcome the defect of the dependence on the knowledge of the process and measurement noise statistics of Kalman filter, neural network is introduced, which has the ability to learn from examples and extract the statistical properties of the examples during the training sessions. The fusion system mainly consists of Kalman filters, ANFIS sensor confidence estimators (ASCEs) based on contextual information (CI) theory, knowledge base (KB) and track-to-track fusion algorithms. Experimental data are implemented to train ASCEs to obtain sensor confidence degree. Simulation results show that the algorithm can effectively adjust the system to adapt contextual changes and has strong fusion capability in resisting uncertain information.     

一类具有未建模动态的非线性系统模糊自适应鲁棒控制

针对一类单输入单输出未建模动态不确定非线性系统,提出一种模糊自适应backstepping控制方法.设计中利用模糊逻辑系统逼近系统的未知函数,应用非线性阻尼项抵消系统的非线性不确定项,通过引入一个动态信号克服未建模动态.该模糊自适应控制方法保证了整个闭环系统的有界性,输出信号可调节到零的小邻域内.仿真结果进一步验证了该方法的有效性.     

动力定位的分数阶双环自适应终端滑模控制

为了解决具有非线性和环境干扰的船舶动力定位系统的控制问题,本文提出了一种基于分数阶双环自适应快速终端滑模控制算法,证明了闭环系统的稳定性,设计了自适应控制律,计算了滑模的收敛时间。控制系统由外环位置姿态环和内环速度环构成,外环滑模控制实现自动定位于期望位置和姿态,内环滑模控制实现对速度和角速度的定位。通过切换函数的设计,对不确定性和外加干扰具有较强的鲁棒性,避免系统出现抖振现象。对双环滑模控制器进行仿真,计算出动力定位外界环境扰动的变速运动情况下的前进位置、横荡位置、艏向角度、前进速度、横荡速度、艏向角速度、前进控制力、横荡控制力和艏向控制力矩等。对外环控制率增益λ2等参数对控制性能的影响进行了比较分析。结果表明,分数阶双环自适应终端滑模控制动态响应要稍快于传统双环控制,且超调量小,调整时间更短,所设计的控制器对有非线性和环境干扰的船舶动力定位系统都具有较强的鲁棒性。本算法为不确定性系统的变结构控制提供了新的解决方案,扩展了滑模控制算法的应用领域。     

一种基于DR/GPS/MM的组合定位系统数据融合算法

针对盲区中使用INS惯性导航系统进行定位存在误差积累的问题,提出一种基于DR航位推算、GPS全球定位系统和MM地图匹配的组合定位系统数据融合算法。该算法利用GPS和MM中得到的位置信息,一方面用于更新DR的定位信息,另一方面用于修正陀螺仪比例因子和里程表比例因子等参数,提高定位精度,防止DR系统推导的车辆定位误差的积累。通过MATLAB进行仿真实验,验证了此算法的有效性。实验结果表明,此算法可以有效约束INS的误差积累,提升导航系统的性能。