基于广义回归神经网络的传感器非线性误差校正

介绍了径向基函数网络的函数逼近原理和方法,提出了一种基于广义回归神经网络(GRNN)的传感器非线性误差校正方法。通过Matlab的Network Toolbox(神经网络工具箱),GRNN训练程序实现了输出特性曲线逼近。仿真分析表明:GRNN能够很好地满足传感器非线性拟合的要求,网络结构简单,收敛速度快。     

一种基于高频强调滤波和直方图均衡化的图像增强方法

直方图均衡化能够调节图像的动态灰度范围,是一种经典有效的图像增强方法,但它建立在合并相似像素灰度的基础之上,模糊了图像的细节。高频强调滤波将变换后的低频和高频分量都得到了增强,但是低频分量的增强要弱一些,这样会使得图像边缘更加清晰。实验表明,经该方法增强后的图像,其主观视觉效果明显改善。     

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播（FCP）网络辨识器和径向基函数（RBF）神经网络控制器组成,仿真结果表明了该方案的有效性。     

基于组态软件的监控系统设计

介绍了反应釜自动崎测控制系统,越于Kingview组态软件开发平台,采用P1C作为控制系统核心,进行了控制系统的硬件和软件设计。实现了反应釜之间的并行工作和工作时间的调配,提高了企业的生产效率。     

蚁群算法及其在路由优化中的应用综述

蚁群算法(ACO)是一类新型的机器学习技术,根据蚁群算法的正反馈原理和启发式原理的特点,针对目前国内国际的研究情况,对蚁群算法在最优路径的搜寻上从收敛性,收敛算法的改进以及收敛速度等方面的研究分别进行了分析综述,并对蚁群算法的一些应用,如:LEO卫星网络和无线传感等方面进行了阐述.对蚁群算法在路由优化和负载平衡上的研究进行了对比分析,发现了它们存在的不足,指出了在该领域需要进一步研究的热点问题.     

柔性支撑Stewart平台自适应交互PID隔振控制

为了实现500 m口径球面射电望远镜(five hundred meter aperture spherical radio telescope, FAST)二级精调稳定平台对馈源舱隔振控制的定位和指向精度, 首先提出了基于并联机构学原理的3维机动目标跟踪预测算法, 对柔性支撑Stewart平台的基座运动进行跟踪预测. 进而,在Stewart平台关节空间设计了自适应交互PID控制器, 引入自适应交互算法解决PID参数的实时调整, 以适应柔性支撑Stewart平台的参数变化对不同控制参数的需求. 采用现代机电系统仿真策略, 对柔性支撑Stewart平台隔振系统的动力学与控制问题进行了仿真, 结果表明: 与传统的PID控制器相比, 自适应交互PID控制器大大改善了隔振效果, 完全满足隔振目标的要求.     

随机非线性系统的输出反馈控制

针对满足线性增长条件的一类随机非线性系统, 本文研究了输出反馈镇定问题. 然而不同于现有的所有文献, 由于线性增长条件中含有不可量测的状态, 引入了一个待定的高增益观测器. 利用反推设计技术, 构造性地给出了一个输出反馈控制器的设计, 通过适当地选取高增益参数, 保证了闭环系统的零解是概率意义下全局渐近稳定的, 输出几乎处处调节于零.     

激光扫描车身测量传感器靶标识别体系的研究

介绍了四光束激光扫描测量车身三维坐标的系统构成和基本原理,从系统PIN预处理输出的靶标回射信号的特点出发,为汽车车身测量传感器设计了基于条形码识别原理的合作靶标识别体系,最多可同时对27个测量点进行有效识别,确保传感器的精度要求和效率要求,达到了很好的实验效果。     

刚体航天器姿态跟踪的高阶滑模控制器设计

针对存在参数不确定性和外加干扰的刚体航天器的姿态跟踪控制问题,提出一种基于高阶滑模的姿态跟踪控制方法．首先介绍高阶滑模控制的基本原理,并建立基于修正罗德里格参数描述的航天器数学模型;然后采用李雅普诺夫第２法推导出高阶滑模姿态控制律．理论分析和仿真结果均表明,该方法能够有效消除系统抖振,实现航天器姿态跟踪的精确定位,并且系统具有全局稳定性和鲁棒性．     

基于OPC的实时数据集成系统

针对目前系统中集成能力、可操作性和可扩展能力等存在的问题,研究了工业自动化中数据集成的关键技术,提出了一个基于OPC和消息中间件的实时数据集成方案,并在此基础上进行了集成平台的实现。通过应用,证明该系统能够大幅提高数据集成的质量和效率。