基于核岭回归的非线性内模控制

提出一种基于核蛉回归(KRR)建模的内模控制策略.该方法充分利用基干结构风险最小化为学习规则的回归方法的非线性拟合性能,建立内模控制系统,从理论上分析了内模控制系统的稳定性和稳态误差同逆模与内模估计误差的关系问题.仿真表明,在训练样本有限和有噪声污染情况下,该系统较神经网络方法具有更好的控制性能.     

基于集中式最优加权融合算法改善分布式参数检测性能

提出了集中式最优加权融合方法估计分布式参数的数学模型,并进行了严格的公式推导.仿真结果表明,该方法在数据处理的精确性和稳定性方面都优于普通的处理方法,有一定的应用价值.     

具有m个开关系统的渐近稳定性

研究了一类具有m个开关系统的渐近稳定性,借助于多重Lyapunov函数,给出了该系统全局渐近稳定的充分条件,部分地改进了前人的结果。     

发电机的非线性自适应逆推综合控制

发电机励磁和汽门系统是一个典型的多变量、非线性、强耦合、不确定复杂系统,其综合控制将会改善电力系统稳定性和动态品质,所以设计简单、有效的综合控制器既必要又困难.针对单机无穷大励磁与汽门系统,运用自适应逆推方法和系统的Lyapunov函数,获得了发电机的非线性综合控制器和参数替换律,文中给出了该控制器的具体设计步骤.由于在控制器设计中没有运用任何线性化方法,因而所得控制器充分利用了系统的非线性特性;同时考虑了发电机阻尼系数的不确定性,使得控制器对系统参数的变化具有很强的鲁棒性.数字仿真结果表明,所设计的控制器具有鲁棒性,并可有效地提高电力系统的稳定性.     

气相反应产物中固相沉积始现的反应温度点计算

许多气相反应不希望出现固相产品,如燃烧过程不希望有积碳。本文研究气相反应产物在什么条件下出现固体。根据Gibbs自由能最小等热力学原理,提出1种将化学反应平衡和固体饱和蒸汽压数据相结合,求气相反应产物中固相沉积始现的反应温度点的计算方法。举出氯硅烷氢化等7个体系的算例。结果表明:本法与传统的Gibbs自由能最小法结果相同;在同样的进料条件下,每个体系均存在1个固相沉积的温度范围。本文确定的这种温度范围对探讨气体反应的固相沉积现象具有很好的指导意义,所选算例得出:SiHCl_3氢化等4个体系有2个沉积温度点(TD_1,TD_2),即这些平衡体系有2个沉积的温度转折点,如果不希望有沉积,就必须使进料温度小于TD_1或者大于TD_2;而CH_4部分氧化等3个体系只有1个沉积温度点TD,此类平衡体系如果不希望有沉积,进料温度就应大于TD。     

广义代数Riccati方程和最优调节器的研究

利用能稳性和精确能观性, 对广义代数Riccati方程和相关的随机最优调节器问题进行了深入的研究. 对广义代数Riccati方程得到了下列结果: 如果随机系统既是能稳定的又是精确能观的, 则广义代数Riccati方程有一个最大解, 同时也是一个反馈镇定解. 在精确能观性的假设下, 广义代数Riccati方程的所有非负定解(如果存在的话)必是正的反馈镇定解. 作为应用, 最优调节器问题, 广义代数Riccati方程的最大解, 反馈镇定解三者之间的关系获得了澄清. 所有这些结果在随机控制和随机稳定性理论中是有     

基于角点特征的形状识别

根据飞机形状角点之间的距离,定义了一种新的多维距离特征向量,不同飞机具有不同的多维距离向量.计算多维距离特征向量之间的相关系数,比较多维距离特征向量之间的相关性,能将每种飞机从飞机模型库中识别出来.实验表明,这种新特征向量具有较好的稳定性和区分性,算法识别率高、速度快,几乎达到实时效果.     

基于维度分区的果蝇优化新算法

为提高果蝇算法的收敛稳定性,提出了一种基于维度分区的果蝇优化新算法。将果蝇种群均分为两组:跟随果蝇和搜索果蝇。跟随果蝇在全局最优果蝇附近实现精细化局部搜索,而搜索果蝇则将位置向量的每个维度搜索范围划分为若干个区间,通过比较各个区间的最优位置来更新果蝇位置。为加快算法收敛速度,若某搜索果蝇在连续若干次迭代过程中 均 表现最差,则在当前最优果蝇位置附近产生该果蝇的新位置。针对8种典型函数的仿真实验表明:与传统算法相比, 所提算法所需参数较少,收敛稳定性高,并且在收敛精度及收敛速度等方面具有明显优势。     

高阶电荷泵锁相环环路滤波器的设计

考虑到电荷泵锁相环离散采样特性,本文提出了高阶电荷泵锁相环环路滤波器的模块化设计方法.它可以将电荷泵锁相环设计成任意要求的阶和型.这样的锁相环既能消除相位抖动,又能跟踪大的频率阶跃或斜升的输入信号.通过对所设计的电荷泵锁相环稳定性和特征分析,确定了环路参数的选择范围,得出n阶n型的锁相环均优于其他类型.对两种类型的电荷泵锁相环的仿真,结果表明了设计方法的有效性和分析方法的正确性.本文的设计方法为高阶电荷泵锁相环滤波器的设计提供了重要的参考和指导.     

基于势函数的标签传播社区发现算法

针对标签传播算法(LPA)存在大量随机性、算法稳定性差的问题,提出了基于数据场势函数的标签传播算法(LPAP)。该算法计算所有节点的势值,搜索势值极值点。初始化时仅赋予势值极值点以标签,迭代过程中根据邻接节点中相同标签节点势值之和更新标签,所有节点标签不再改变时迭代结束。实验结果表明:该算法得到的社区划分方式平均是LPA的4.0%,是平衡传播算法(BPA)的12.9%;信息变化参数平均是LPA的45.1%,是BPA的73.3%。具有更好的稳定性,适用于大型网络的社区发现。