改进粒子群算法优化扩展卡尔曼滤波器电机转速估计

针对感应电机扩展卡尔曼滤波器转速估计中难以取得卡尔曼滤波器系统噪声矩阵和测量噪声矩阵最优值的问题, 提出了一种基于改进粒子群算法优化的扩展卡尔曼滤波器转速估计方法。算法通过融合遗传算法和粒子群算法的优点, 采用可调整的算法模型对粒子群算法进行改进, 将改进的粒子群算法对扩展卡尔曼滤波器中的系统噪声矩阵和测量噪声矩阵进行优化处理, 将优化后的卡尔曼滤波器应用于感应电机转速估计。仿真实验表明, 与试探法、标准粒子群算法及遗传算法比较, 改进粒子群算法优化的扩展卡尔曼滤波器能够有效提高转速估计的精度, 从而提高无速度传感器矢量控制系统的控制性能。     

线性时滞系统稳定的充分必要条件

提出一个新的线性时滞系统稳定的充分必要条件,与以前的结论不同的是,我们的结论的表达形式更容易数值计算。开发相应的二种收敛算法,解决系统时滞独立稳定判断和时滞相关稳定的时滞界估计。本文给出范数有界不确定性时,系统稳定的充分条件。文末给出的数值实例证明本文结果降低计算复杂度,改进了时滞估计保守性。     

混合编码免疫算法在船舶载重计量的应用

提出一种混合编码免疫辨识算法, 并应用于船舶载重货物计量的模型辨识. 该算法结合免疫算法优越的全局搜索性能与GP算法简洁的结构树编码方法, 将抗体编码为模型结构树编码与模型参数编码的组合, 通过对抗体结构与参数的免疫操作, 实现全局寻优及非线性模型的结构与参数的一体化辨识. 算法不依赖对象的先验知识, 辨识的模型结构简单、易于理解. 仿真及船舶载模型的辨识应用验证了本算法的有效性及较强的非线性逼近能力.     

具有区间时变时滞的离散Markov跳变系统鲁棒H∞控制

研究一类具有区间时变时滞的离散时间不确定Ｍａｒｋｏｖ跳变系统的时滞相关鲁棒H_∞ 控制问题．通过构造新的ＬｙａｐｕｎｏｖＫｒａｓｏｖｓｋｉｉ泛函,基于有限和不等式方法设计状态反馈控制器,使得闭环系统在容许不确定性下鲁棒稳定,且对能量有界的输入噪声满足一定输入输出H_∞ 增益．在新控制器存在条件中未引入任何自由变量矩阵,使之可更为有效地求解．基于锥补线性化的迭代算法可有效求解H_∞ 次优控制器．数值算例表明了所提出方法的有效性．     

Exchange 2000 Workflow在办公自动化系统信息流转中的应用

办公自动化使企业大大节省了公文的处理速度,提高了工作效率,这与信息流转是分不开的。本文主要阐述了Exchange 2000 Workflow工作流在信息流转中的应用,提出了一种基于Exchange 2000的信息流转解方案,可以方便、快捷的构建中小企业的办公自动化系统。     

计算机与SERVOSTAR控制器通讯的实现

本文在分析了SERVOSTAR全数字伺服控制器的通讯连接方式，通讯步骤及通讯协议的基础上，利用VB6．0实现了计算机与SERVOSTAR控制器的通讯软件。     

一种Web访问序列挖掘算法在网站设计中的应用研究

对Web访问序列的数据挖掘有助于提高Web的访问质量,但序列是数据挖掘中一个比较困难的问题,经典序列算法普遍存在时间和存储空间开销过大的缺憾。本文提出了一种基于马尔可夫链的Web访问序列挖掘算法,可以通过较少的计算量发现请求网页的相关性。我们已将其用于某培训中心网站的设计,取得了良好的效果。     

机器人关节空间B样条轨迹设计的混沌优化

为了研究机器人关节空间轨迹时间最短的优化计算问题,依据混沌优化理论,采用改进的基于混沌变量优化算法,以时间最短为性能指标对轨迹进行优化求解.研究了均匀非周期四阶B样条曲线的优化,每一段B样条曲线的运行时间作为优化参数,优化问题模型包括关节角速度、角加速度、角加加速度及力矩4种约束.给出了PUMA560前三铰B样条轨迹优化算例,优化结果明显优于采用复合形法或有约束随机搜索方法的优化结果;该算法简单,易于实现,求解速度快,任给一组初值得到优化结果的可靠性达90%以上,逼近约束条件的误差几乎为零,进一步减少了运行时间,从而有效地实现了机器人在关节空间的轨迹优化.     

分层协同进化免疫算法及其在TSP问题中的应用

为提高人工免疫算法求解TSP问题的效率,借鉴分层和协同进化的思想,构造了一种基于多子种群免疫进化的两层框架模型,在此模型的基础上提出了一种基于竞争一合作的分层协同进化免疫算法(Hierarchical Co-evolution Immune Algorithm,HCIA).HCIA通过对若干个子种群进行低层免疫操作:局...     

自适应非局部3维全变分彩色图像去噪

目的 许多彩色图像去噪算法未充分利用图像局部和非局部的相似性信息,并且忽略了真实噪声在彩色图像不同区域内分布的差异,对不同图像块和不同颜色通道都进行同等处理,导致去噪图像中同时出现过平滑和欠平滑现象。针对这些问题,本文提出一种自适应非局部3维全变分去噪算法。方法 利用一个非局部3维全变分正则项获取彩色图像块内和块间的相似性信息,同时在优化模型的保真项内嵌入一个自适应权重矩阵,该权重矩阵可以根据每次迭代得到的中间去噪结果的剩余噪声来调整算法在每个图像块、每个颜色分量以及每次迭代中的去噪强度。结果 通过不同的高斯噪声添加方式得到两个彩色噪声图像数据集。将本文算法与其他6个基于全变分的算法进行比较,采用峰值信噪比(peak signal-to-noise ratio, PSNR)和结构相似性(structural similarity, SSIM)作为客观评价指标。相比于对比算法,本文算法在两个噪声图像数据集上的平均PSNR和SSIM分别提高了0.16■1.76 dB和0.12%■6.13%,并获得了更好的图像视觉效果。结论 本文去噪算法不仅更好地兼顾了去噪与保边功能,而且提升了稳定性和鲁棒...