煤矿瓦斯二次爆炸预警控制器参数稳定域计算

煤矿井下瓦斯二次爆炸预警控制器是一个多闭环PID控制器,多闭环PID预警控制器参数的准确设定与瓦斯二次爆炸高效预警有密切关联,并且多闭环PID预警控制器参数整定依据于多闭环PID控制器参数的稳定域,常规计算方法很难准确计算多闭环PID预警控制器参数的稳定域;把计算稳定域问题转化为线性矩阵不等式问题,结合鲁棒稳定性判据,把模型化的描述方法与线性参数相关李雅普诺夫函数有效地结合起来,探讨了一种求解多闭环PID预警控制器参数稳定域的计算方法-LMI;算例验证结果表明,应用LMI计算多闭环PID预警控制器参数的稳定域是可行的.     

时滞对象PID控制器的参数稳定域求解方法

研究时滞对象的PID控制器的参数稳定域的求解方法,通过引入Rekasius变换简化时滞特征多项式,并得到稳定域边界上PID控制器的3个参数所满足的方程.通过引入正弦变换,将对控制器参数在无穷范围内的遍历转为有限范围内的遍历,而特征多项式中的已知时滞被用以检验所遍历的点是否在稳定域边界上,在得到所有可能的稳定域边界后,使用Nyquist稳定性判据确定实际的稳定域.该方法适用于任意形式的单时滞对象,为实际应用中PID控制器的参数整定提供理论依据.     

鲁棒稳定多项式双参数摄动域理论及在电力系统分析中的应用

明确指出了鲁棒稳定多项式双参数摄动域的概念, 分两种情形推导了该域的范围. 将其应用于电力系统的鲁棒稳定分析, 揭示负荷特性不确定性对其小扰动稳定性的影响, 算例结果表明, 这是一种对电力系统鲁棒稳定性进行系统化分析的新途径.     

基于QDRNN-ADRC的重力稳定平台控制研究

针对稳定平台系统存在系统模型不够精确或者参数变化,或者外部干扰未知等现象,以及采用自抗扰控制器存在参数众多且难以整理的问题,提出了一种基于准对角递归神经网络—自抗扰控制器(QDRNN—ADRC)的重力稳定平台控制算法.通过自抗扰控制器对系统的"总扰动"进行估计并补偿,同时引入神经网络的辨识功能对自抗扰控制器部分参数进行在线整定,基于自抗扰控制技术核心架构设计了QDRNN—ADRC.仿真结果表明:有效解决了重力稳定平台利用神经网络的辨识功能对自抗扰控制器部分参数进行在线整定外扰动的干扰以及参数自适应整定问题,相对于传统控制方法,其在稳定精度、快速性及抗干扰性方面均具有一定优势.     

基于调节/观测时间的自抗扰控制器参数整定

受带宽自抗扰控制器(ADRC)参数整定方法启发,给出一种基于系统调节时间/观测时间的ADRC参数整定方法.利用调节时间与控制器带宽之间的关系,给出基于调节时间整定非线性控制器参数$k_p$及$k_d$的方法;同时,利用所定义的观测时间概念,给出一种扩张状态观测器(ESO)参数整定策略.这两种ADRC参数整定方法简化了基于带宽方法的参数整定过程,拓展了其应用范围.仿真结果表明了所提出方法的有效性.     

一类时滞对象的PID控制器参数稳定域计算

针对任意阶时滞对象,通过求解控制参数的稳定边界线和判断边界线的哪侧具有更少的不稳定极点,给出一种确定PID控制器参数稳定域的准确计算方法．只要在所得到的稳定域中调节PID控制器参数,就能够保证闭环系统的稳定性,这不仅为时滞对象的PID控制器设计建立了基础,也为其在线调节提供了一条简单有效的途径．仿真实例验证了该方法的有效性,并表明该方法不仅适用于不稳定时滞对象而且也适用于非最小相位时滞对象．     

动态矩阵控制系统稳定域的根轨迹分析

本文使用根轨迹技术从理论上分析了纯滞后工业过程参数变化对系统稳定性的影响,得到了一个与设计参数有关的稳定域,从而为设计参数自动整定提供了参考。     

基于GLBest-PSO算法的CSTR系统鲁棒PID控制

连续搅拌反应釜(CSTR)系统是一类具有多变量、强非线性和多工作点的复杂工业过程,对外界扰动及内部参数变化较为敏感。针对常规PID控制器参数整定困难,难以取得满意效果,本文提出了一种基于改进粒子群优化算法的CSTR系统鲁棒PID控制方法。通过对优化目标的分析,将鲁棒PID控制器的参数整定问题转化成一个求解最大-最小问题,在对粒子群优化算法进行改进的基础上,引入合作进化思想对该最大-最小问题进行求解,获得了基于优化性能指标最优的鲁棒PID控制器参数。针对实例的仿真结果表明,利用此方法整定得到的鲁棒PID控制器具有良好的鲁棒性,性能指标优于其它方法得到的鲁棒PID控制器,当过程对象操作范围发生大的变化时,利用本文方法设计得到的鲁棒PID控制器能获得满意的结果。     

根据系统时间尺度整定自抗扰控制器参数

自抗扰控制器(ADRC)取得了优良的控制效果, 但控制器参数整定比较困难. 本文利用受控系统时间尺度展开ADRC参数整定问题的研究. 首先, 在时间尺度一般定义的基础上, 根据系统单位阶跃响应, 给出了二阶系统的时间尺度计算格式. 然后, 在被控对象受扩展状态器(ESO)补偿作用所得积分器串联系统的时间尺度不变的假设下, 推导了一种基于受控系统时间尺度的ADRC控制器参数整定方法. 最后, 仿真结果表明该方法可行, 为ADRC参数整定提供了方便.     

不稳定时滞对象的最优鲁棒二自由度控制器解析设计

针对不稳定时滞对象提出一种二自由度控制器解析设计方法．通过内模控制规律进行控制器设计,改进内模控制的滤波器提高系统的鲁棒性及其性能．同时对系统的稳定性、鲁棒性及性能进行分析,提出了严格基于模型信息的鲁棒指标选择规则,保证系统获得良好的鲁棒/性能平衡．最后,将控制器的参数整定转化为一个约束优化问题,提出控制器解析整定方法,并通过仿真实例验证该方法的有效性．     

Web网页中动态数据区域的识别与抽取

采用基于HTML标记树的数据块查找方法挖掘Web网页中的数据区域,在此基础上结合网页聚类和跨网页数据区域匹配自动识别一个网页中的动态数据区域。实验结果表明,该方法能够提高Web网页中动态数据区域识别的召回率和准确率。     

Monitoring agricultural drought for arid and humid regions using multi-sensor remote sensing data

While existing remote sensing-based drought indices have characterized drought conditions in arid regions successfully, their use in humid regions is limited. We propose a new remote sensing-based drought index, the Scaled Drought Condition Index (SDCI), for agricultural drought monitoring in both arid and humid regions using multi-sensor data. This index combines the land surface temperature (LST) data and the Normalized Difference Vegetation Index (NDVI) data from Moderate Resolution Imaging Spectroradiometer (MODIS) sensor, and precipitation data from Tropical Rainfall Measuring Mission (TRMM) satellite. Each variable was scaled from 0 to 1 to discriminate the effect of drought from normal conditions, and then combined with the selected weights. When tested against in-situ Palmer Drought Severity Index (PDSI), Palmer's Z-Index (Z-Index), 3-month Standardized Precipitation Index (SPI), and 6-month SPI data during a ten-year (2000-2009) period, SDCI performed better than existing indices such as NDVI and Vegetation Health Index (VHI) in the arid region of Arizona and New Mexico as well as in the humid region of North Carolina and South Carolina. The year-to-year changes and spatial distributions of SDCI over both arid and humid regions generally agreed to the changes documented by the United States Drought Monitor (USDM) maps.     

基于区域平均执行时间和数据依赖信息的可能并行区域识别

随着多核处理器逐渐成为处理器发展的新趋势,为了持续提高程序性能,必须并行执行应用程序.传统的自动并行技术能够很好地并行科学计算应用中的规则循环,但对于含有大量函数调用和指针引用的不规则程序,目前还不能有效地对其实施并行.针对这一现状,文中提出了基于区域平均执行时间和数据依赖信息的可能并行区域识别方法来对一些不规则程序实施高效并行,主要贡献如下:(1)自动识别程序中的多种并行性,不仅包括传统并行性分析中的循环迭代间的细粒度并行性,而且也包括传统并行性分析尚不能有效处理的循环体和函数调用点间的粗粒度并行性.对于程序中蕴含的众多并行性,文中基于区域平均执行时间实施收益分析来选择合适的并行区域实施并行;(2)自动识别可能并行区域间数据依赖关系的数量、类型以及导致数据依赖关系的程序变量.基于文中的分析结果,作者使用面向行为的投机并行系统(behavior oriented parallelism)对SPEC2006中的4个测试用例实现了并行化.并行化后的程序在Intel和AMD多核处理器上分别得到了300%和260%的平均性能加速.     

图像主题区域提取及其在图像检索中的应用

图像主题区域是表达图像主要语义内容的部分.根据图像不同区域的视觉显著性差异特点,利用改进的视觉注意模型,提取图像的主题区域,并划分为不同语义类别.提出基于主题区域的图像检索方法,该方法能按照图像主题区域所属的语义类别,在图像之间有针对性地选择同类别主题区域进行区域相似性比较.实验结果表明,此方法可以更有效地表达图像的主要语义内容,提高图像检索的效率和准确性.     

基于显著区域的行人检测算法

针对经典行人检测算法(HOG+SVM algorithm)因滑动窗口滑动次数过多引起的计算量过大问题,提出一种基于显著区域的行人检测算法。把提取的显著度和原图结合得出有效图,实现由整张图像行人检测到局部有效图行人检测的转变;用贝叶斯准则将有效区域和基于协方差的行人检测有机结合,达到在降低计算量的同时提高检测准确率的效果。在公开数据集INRIA上的实验结果表明,该算法降低了计算量,明显改善了误检率。     

Finding stable salient contours

Methods for generating maximally stable extremal regions are generalized to make intensity trees. Such trees may be computed quickly, but they are large so there is a need to select useful nodes within the tree. Methods for simplifying the tree are developed and it is shown that standard confidence tests may be applied to regions identified as parent and child nodes in the tree. These tests provide a principled way to edit the tree and hence control its size. One of the algorithms for simplifying trees is able to reduce the tree size by at least 90% while retaining important nodes. Furthermore the tree can be parsed to identify salient contours which are presented as generalisations of maximally stable extremal regions.     

基于小波变换和Teager能量算子浊音段提取

对语音信号浊音段的提取在很多应用中都是重要的一个步骤。在小波域上用Teager能量算子(TEO)提取语音信号的浊音段,并对原始语音信号和加有高斯白噪声的不同信噪比的语音信号进行了仿真实验。实验结果表明,该算法能够准确地提取出浊音段,并具有较强的抗噪声能力。     

色彩脱落型唐卡破损区域的分割

为修复唐卡,需对破损区域进行分割。针对色彩脱落型唐卡破损区域特点,提出了分类分割的方法。利用彩色图像的灰度梯度模获取区域的边缘,去除伪破损区域边缘后,利用边缘点扩散得到区域。将其分为小面积区域和大面积区域两类。对这两类区域再分别处理,小面积区域去除伪破损区域得到小面积破损区域;大面积区域经过去除伪破损区域、提取大面积破损区域后,剩余的便为复杂区域,再提取复杂区域中的小面积破损区域、小孔区域,把这两种区域合并、膨胀、去伪处理,得到复杂区域的破损区域。把小面积破损区域、大面积破损区域和复杂区域中的破损区域合并,得到整幅图像的破损区域。实验验证分割效果良好。     

Guaranteed characterization of exact non-asymptotic confidence regions as defined by LSCR and SPS

In parameter estimation, it is often desirable to supplement the estimates with an assessment of their quality. A new family of methods proposed by Campi et al. for this purpose is particularly attractive, as it makes it possible to obtain exact, non-asymptotic confidence regions under mild assumptions on the noise distribution. A bottleneck of this approach, however, is the numerical characterization of these confidence regions. So far, it has been carried out by gridding, which provides no guarantee as to its results and is only applicable to low dimensional spaces. This paper shows how interval analysis can contribute to removing this bottleneck.     

基于分割区域及特征相似度的玉米田遥感图像分类方法

针对遥感图像中玉米田目标光谱复杂,同物异谱现象严重导致分类结果差的问题, 提出一种基于分割区域及特征相似度的玉米田遥感图像分类方法。首先利用主成分分析法(PCA) 对多光谱和高分辨全色融合图像进行第一主成分提取,以获得包含丰富图像信息的单色图像I; 对I 进行分水岭分割,得到一幅过分割目标区域图;构建由纹理、亮度及轮廓特征相似度组成 的特征组;最后基于随机森林原理,利用构建的特征组对玉米目标进行提取。用高分一号卫星 数据进行实验,并与支持向量机方法(SVM)、神经网络算法和最大似然算法进行了比较分析, 实验表明,该方法的分类精度优于其他算法。