未知时变时滞非线性参数化系统自适应迭代学习控制

针对含有未知时变参数和时变时滞的非线性参数化系统,提出了一种新的自适应迭代学习控制方法.该方法将参数分离技术与信号置换思想相结合,可以处理含有时变参数和时滞相关不确定性的非线性系统.设计了一种自适应控制策略,使跟踪误差的平方在一个有限区间上的积分渐近收敛于零.通过构造Lyapunov-Krasovskii型复合能量函数,给出了闭环系统收敛的一个充分条件.给出两个仿真例子验证了控制方法的有效性.     

基于多例学习的Web图像聚类

在图像分类和自动标注系统中,多例学习(MIL)是研究的热点.目前MIL中的算法多为监督学习方法.针对非监督学习,在基于EM算法和启发式迭代优化算法的框架下,提出了6种多例聚类算法,并通过它们对来自于真实Web环境下的图像进行聚类以分析用户的搜索兴趣.由于一幅图像含有若干个区域,每个区域可被看为一个样例,属于同一个图像的区域则组成一个包.因此如何理解图像语义内容的问题即转化为多例学习.在多例学习的经典数据集MUSK数据和来自于Web图像集上的比较实验表明,提出的多例聚类算法具有优良的聚类性能.     

一类Lyapunov型矩阵方程组的中心对称解及其最佳逼近

建立了求矩阵方程组AiXBi＋GiXDi=Fi（i=1,2）的中心对称解的迭代算法.使用该方法不仅可以判断矩阵方程组是否有中心对称解,而且在有中心对称解时,还能够在有限步迭代计算之后得到矩阵方程组的极小范数中心对称解.同时,也能够在矩阵方程组的中心对称解集合中求得给定矩阵的最佳逼近.     

不等保护码在CBTC系统中的应用

针对轨道交通车地通信中信息对误码敏感程度不同的现象,提出利用不等保护码作为信道编码方案,为基于通信的列车控制（CBTC）系统重要信息提供更好的误码保护。采用分离最小理想的方法给出R—S码空间的构造方法,提出一种适用于具有2个保护能力等级的R—S码的译码算法——二次译码算法。仿真显示,不等保护码可以使高保护等级信息位的信噪比降低0．5dB以上。     

一种脆弱的图像自适应置乱算法

证明在离散余弦变换和小波变换中,图像经空域置乱前后在频域内不变的系数规律,根据构造的复合混沌迭代动力系统,提出2个利用不变频域变换系数规律的构造函数,生成复合混沌迭代动力系统需要的初始值,给出脆弱的图像自适应置乱算法以及相似度和抗攻击半径的置乱算法评价概念。实验表明,算法无需任何附加信息即可提取出原始图像,对各种攻击十分敏感,平均抗攻击半径高于一般算法,适用于法庭、医学等要求极其严格的场合。     

基于逆Lipschitz条件的二阶导数迭代学习控制

为了提高收敛性和扩展学习律选项,避免高阶相对度的强约束条件,提出了在全局逆Lipschitz条件下的二阶导数迭代学习控制.利用范数理论证明了算法的收敛性.由于二阶导数对噪音敏感,采用多项式滤波避免了振荡,利于工程应用.仿真结果表明,该算法是有效的,应用于不同对象时提高了收敛速度,且精度满足工程应用.     

基于周期信号的迭代学习控制在逆变器中的应用

提出一种基于周期信号的迭代学习控制方法,并将其应用于电力逆变器,分析了跟踪误差沿迭代方向的收敛条件,给出了控制律的时域表达形式以及参数的确定方法.由于该方法理论上可实现跟踪误差收敛到零,因而使逆变器输出电压跟踪精度大幅提高.通过MATLAB/Simulink仿真,该方法的有效性得到验证;此外,与传统PID控制相比,仿真结果显示出该方法具有较好的负载适应能力以及优越的跟踪性能.     

Adaptive ILC algorithms of nonlinear continuous systems with non-parametric uncertainties for non-repetitive trajectory tracking

In this article, two adaptive iterative learning control (ILC) algorithms are presented for nonlinear continuous systems with non-parametric uncertainties. Unlike general ILC techniques, the proposed adaptive ILC algorithms allow that both the initial error at each iteration and the reference trajectory are iteration-varying in the ILC process, and can achieve non-repetitive trajectory tracking beyond a small initial time interval. Compared to the neural network or fuzzy system-based adaptive ILC schemes and the classical ILC methods, in which the number of iterative variables is generally larger than or equal to the number of control inputs, the first adaptive ILC algorithm proposed in this paper uses just two iterative variables, while the second even uses a single iterative variable provided that some bound information on system dynamics is known. As a result, the memory space in real-time ILC implementations is greatly reduced.