改进的自适应模型算法控制在过热汽温控制中的应用

针对锅炉过热汽温对象具有大惯性、大迟延、时变性等特点,提出一种基于最小均方算法的自适应模型算法控制-比例串级预测控制系统.通过最小均方自适应滤波器在线实时辨识被控对象的预测模型参数,再结合改进的自适应模型算法控制在线修正控制器参数.仿真结果表明:该控制策略实施简单、超调小,控制效果明显优于PID-P串级控制;且在降负荷实验中能有效适应对象参数时变,保证调节性能较好.     

基于人工神经网络的电液伺服系统加速度谐波辨识

对于电液伺服系统,由于系统非线性因素的存在,当正弦信号输入时,系统加速度输出中出现高次谐波,使加速度信号严重谐波失真。提出了基于人工神经网络(ANN)的谐波辨识方法,该方法利用Adaline神经网络在线辨识信号中各次谐波的幅值和相位,用实际加速度输出与辨识得到的加速度信号间的误差,通过LMS算法来调整Adaline神经网络的权值,从而利用权值计算各次谐波的幅值和相位。通过大量仿真试验证实,这种方法能快速有效精确地在线辨识各次谐波信号。     

浮点LMS算法的FPGA实现

浮点LMS算法的FPGA实现是自适应天线阵工程设计中的关键技术。本文提出了一种在FPGA内实现浮点LMS算法的方法,该方法采用三级流水线操作的方式,兼顾算法的精度和动态范围。仿真结果表明,该方法能有效利用FPGA的逻辑资源,保证运算速度,满足系统的实时性。     

烧碱-AQ法麦草浆LMS生物漂白条件的优化

对烧碱-AQ法麦草浆漆酶／介体系统(LMS)漂白的条件进行了优化。研究发现，在漆酶用量为20IU／g浆，HBT用量为1％，浆浓10％，pH4．0，温度40℃，时间5h，氧压0．4MPa的条件下，LMS漂白的效果最佳。同时对漆酶／介体漂白的各种影响因素进行了探讨。     

废新闻纸纤维素酶、半纤维素酶与漆酶/介体协同脱墨作用

利用纤维素酶、半纤维素酶与漆酶/介体协同对废新闻纸脱墨,对脱墨浆性能的检测结果表明,与单独使用纤维素酶、半纤维素酶和漆酶的脱墨浆相比,协同脱墨浆的残余油墨浓度降低,强度性能提高,经H₂O₂漂白后的白度提高,说明纤维素酶、半纤维素酶与漆酶具有协同脱墨作用,脱墨后纸浆纤维性能有所改善。测定纤维平均长度、粗度、比容和比表面积,并利用环境扫描电境（ESEM）对脱墨过程中脱墨浆纤维的表面性能变化进行了分析,发现与对照浆相比,协同脱墨浆纤维的平均长度和粗度有所降低,而比容和比表面积均提高;纤维素酶、半纤维素酶与漆酶/介体处理后,纤维表面出现细小纤维。     

漆酶改性对马尾松TMP性能的影响

研究了漆酶N S51003/介体体系(LMS)改性对未漂马尾松TMP性能的影响,探讨了酶改性温度、PH值、酶用量、介体用量、酶改性时间对纸浆强度性能、白度及松厚度的影响.结果表明:LMS处理后纸浆可漂性提高,白度提高3.80%ISO;纸页抗张强度、撕裂强度、耐破强度均得到明显的改善,同时松厚度也得到一定程度的提高.     

—种基于自适应模糊神经网络的VSLMS算法及应用

本文设计了一种基于自适应模糊神经网络的变步长LMS算法，该算法采用了一种新的模糊控制规则．按照该规则改变LMS算法的步长。文章最后给出了非线性噪声抵消的仿真结果。     

基于自适应逆控制的无人机负载模拟器复合控制

针对无人机舵面负载模拟器中舵机运动对施力系统扰动的特点，提出了一种自适应逆控制方法。该方法以实际系统的输入输出信号为依据，通过算法调整LMS横向滤波器的权系数，实现系统建模，并利用该模型离线训练系统的逆动态作为控制器(逆模型)。以克服由于实际系统所受的扰动而可能引起的控制器不收敛。仿真分析表明该方法有效地改善了系统动态加载性能，有很强的鲁棒性。     

偏时域相干算法在自适应滤波器中的应用

在分析偏时域相干算法的基础上，提出了一种新的自适应滤波方法，该方法能够将复合信号中各信号分量进行分离，并自动调整输入信号的参数，使分离出来的信号误差达到最小的信号处理系统，它可以定量分离具有复杂频率成分且频带可互相重叠的信号分量，能对组成混合信号的各个信号分量进行定量的分析，而无论这些信号分量是有用信号还是噪声信号，并能够把组成混合信号的各信号分量进行分离。理论分析和计算机仿真均表明该算法具有较快的自适应跟踪能力和较好的稳态性能，可以很好地应用于信号分离系统中。     

Asymptotically optimal smoothing of averaged LMS estimates for regression parameter tracking

The sequence of estimates formed by the LMS algorithm for a standard linear regression estimation problem is considered. It is known since earlier that smoothing these estimates by simple averaging will lead to, asymptotically, the recursive least-squares algorithm. In this paper, it is first shown that smoothing the LMS estimates using a matrix updating will lead to smoothed estimates with optimal tracking properties, also in case the true parameters are slowly changing as a random walk. The choice of smoothing matrix should be tailored to the properties of the random walk. Second, it is shown that the same accuracy can be obtained also for a modified algorithm, SLAMS, which is based on averages and requires much less computations.