面向控制过程的计算机实时仿真系统的研制与开发

介绍了一种仿真系统利用多台计算机和局域网进行实际控制过程的实时过程,使用不同的计算机模拟控制器、被控对象等现场设备,通过自行开发的32路输入、32路输出AD/DA转换卡传递“现场信号”,并借助局域网通讯来协调数据传输过程。软件模块功能全面,并主采用快速仿真算法以提高运算效率。     

基于GA-RBF神经网络及边界不变特征的车辆识别

修正的边界不变矩在目标旋转、缩放和平移过程中能保持不变性．将其作为车辆目标的识别特征,并且利用遗传算法（GA）优化径向基函数（RBF）神经网络参数,能很好地实现对车辆目标的识别．实验表明,该方法在复杂背景下对目标的识别具有很强的鲁棒性,能快速准确地识别车辆类型;并且边界不变特征的引入,减少了数据运算量,提高了识别效率．     

基于非线性最小二乘的图像自适应SR重建以及运动估计

图像超分辨率（SR）重建是利用数字信号处理技术由一系列低分辨率观测图像得到高分辨率图像。为了扩展SR技术的应用范围,提出了一种同时进行图像超分辨率重建和全局运动估计的方法。该方法首先基于最大后验概率(MAP)给出了图像SR重建和运动估计框架,该框架不仅考虑了前后两次迭代所得的HR图像差值对最终重建图像的影响,而且引入了不同LR图像对重建图像的重要性权值,使得算法具有自适应性;然后将总体框架转换为图像SR重建模型和运动估计模型;最后基于非线性最小二乘法对模型进行优化求解,得出了SR重建图像及其全局运动域。实验表明,该方法不仅图像重建效果良好,并有着良好的收敛性。     

具有丢包的非线性奇异系统的网络脉冲控制器设计

针对给定的一类非线性奇异系统,设计了基于数据丢包的网络脉冲控制器.首先建立了非线性奇异网络脉冲控制系统的数学模型;然后根据李亚普诺夫稳定性理论,分别考虑系统在连续状态和脉冲时刻的指数稳定性条件,给出了基于数据丢包的网络脉冲控制器的设计方法,使网络脉冲控制器能够保证具有数据丢包的非线性奇异系统实现指数稳定;最后,以洛伦兹混沌系统为例表明了控制器设计方法的正确性.     

抗遮挡的自适应运动目标跟踪方法

针对复杂场景中的目标遮挡问题,提出一种基于均值漂移(Mean shift)和轨迹校正的自适应目标跟踪方法.由于Mean shift迭代易陷入局部最优点,这里引入Kalman滤波器以预测和校正目标运动轨迹,并根据迭代轨迹误差校正协方差,使得跟踪器在多峰值非高斯分布的复杂环境下也能收敛到全局最优点.基于Bhattacharrya系数计算色彩x、y方向分量相似度,并根据邻帧分量相似度偏差自适应调整相似度融合权值.综合当前帧和前面帧作用更新目标运动状态、特征和尺度模型.实验结果表明提出的方法对于静态场景遮挡和目标间互遮挡、部分和全部遮挡下的目标跟踪均具有鲁棒的跟踪性能.     

基于最优小波和序列二次规划的信号压缩算法

为了寻找待压缩信号的最优小波,提出了一种适用于一维和二维信号的寻找其最优正交小波的算法.首先根据小波变换的多分辨分析原理,把待压缩信号投影在其小波变换子空间v-1和w-1上;然后令其在w-1上的投影达到最小并据此推出最优小波滤波器的推导公式;最后,基于序列二次规划求出给定信号的最优小波.实验清楚地显示了用新算法求出的最优小波的正确性,并表明用此算法得出的最优小波进行信号压缩,在压缩比不变的情况下,效果优于D-8小波等其他常见小波.     

变时滞影响下广域电力系统的H∞控制

针对大规模互联电力系统中时滞和干扰现象对系统运行造成的影响,研究了变时滞影响下广域电力系统H_∞控制问题。首先,构造新的增广向量和包含更多时滞信息的Lyapunov-Krasovskii泛函。然后,利用Wirtinger积分不等式、基于辅助函数的二重积分不等式和凸组合等方法对求导后的泛函进行估计,得到了具有较小保守性的稳定性结论。在此基础上,设计了无记忆的H_∞状态反馈控制器。并提出一种分步线性化的方法,将H_∞控制器存在性条件转化为严格线性矩阵不等式的形式。最后通过仿真验证了该方法可以扩大系统的稳定运行区域,控制器具有良好的控制效果。     

基于神经网络多模型自适应切换控制研究

针对传统自适应控制和现有多模型自适应切换控制理论和方法中存在的问题，提出面向复杂系统的神经网络多模型自适应切换控制方法。采用最近邻聚类学习算法对样本分类，并利用RBF神经网络的学习能力和非线性逼近能力进行离线建模。同时，引入动态模型库技术来动态建立多模型。系统运行时在线实时检测系统当前状态，若超出现有各子模型所构成的状态空间，则利用在线神经网络学习新状态并建立新模型加入动态模型库中，从而改善动态系统的暂态响应和增强系统的鲁棒性。计算机仿真结果，表明了该算法的有效性。     

遥操作系统基于观测器的预测控制

在遥操作系统中需要主、从机械手间进行通信,但通信通道中存在较大的通讯时延,这会降低系统操作性能,甚至会使系统不稳定.为了解决这个问题,首先建立系统的状态空间模型,接着提出用时间前向观测器预测从机械手状态,并结合力、位置和速度反馈消除或减小时延对系统影响.系统反馈参数可方便地通过线性矩阵不等式求解.该方法能使系统渐近稳定而且具有良好的透明性.仿真结果表明该方法是有效的.     

基于神经网络的力觉临场感系统的预测控制

针对力觉临场感系统传输通道中存在时交通讯时廷，造成系统不稳定和操作性能降低的问题，利用前向神经网络建立主机械手、从机械手和环境的模型，并通过神经网络模型预测主机械手速度和从机械手受力，以消除或减少通讯时廷对系统的影响。实验结果表明了该方法的有效性。