控制系统的脆弱性分析

脆弱性是指一闭环系统的稳定性对参数摄动极端敏感.这类系统的开环频率特性经过距临界点(-1,j0)的近旁,这种与(-1,j0)点之间脆弱的相对关系遇到任何可能的摄动就会遭到破坏.文中分析指出,控制系统的脆弱性可以用Bode积分来进行定量分析.对于一个非最小相位的不稳定对象的控制来说,控制器的不稳定极点与对象的不稳定极点加到一起会大大增加系统灵敏度函数的峰值.故这类系统的设计必然是脆弱的.对于不稳定的多变量对象的控制来说,如果其中一个等价的输出反馈回路中有一个较大的不稳定极点,那么其灵敏度函数也会出现大的峰值,会导致脆弱性,而利用Bode积分则可以避免设计的脆弱性.     

蜂窝结构等效电磁模型的比较与改进

蜂窝结构是吸波材料中广泛使用的一种结构,但其复杂的几何结构给其电磁特性分析与设计带来了一定的困难.采用强扰动理论和变分法的两种等效模型与实验结果进行对比,分析了两种模型中横向等效电磁参数的对称性与实验结果中的非对称性方面存在的显著差异,并通过引入代表蜂窝结构横向非对称性参数的方法对等效电磁模型进行了改进.数值仿真表明,在使用等效电磁模型来描述蜂窝结构时,变分模型要优于强扰动模型,而改进模型不仅使得两种等效电磁模型都能够反映出蜂窝结构横向电磁参数的非对称性,而且能够在一定程度上提高等效电磁模型的准确性.     

非接触供电系统的应用平台研究

非接触供电系统（CPS）具有广阔的应用前景,是一种新型的电能传输技术,摆脱了传统供电方式通过导体直接接触供电的方式,通过感应电磁耦合关系向负载提供电,在物流自动化等领域具有良好的应用效果。通过对非接触供电系统的原理结构研究分析,提出了一种适用移动轨道传输的非接触供电实验平台,并研究了该实验平台的次级拾取电能机构的构造,进行了相应的非接触供电实验验证。     

一种改进的非局部平均图像去噪算法

传统非局部平均NLM(Non-Local Means)图像去噪算法的像素相似性度量可靠性较差,其关键滤波参数选取与优化值偏差较大。针对上述问题,提出一种改进的NLM图像去噪算法。首先,滤除方法噪声中的噪声分量,保留有用图像信息;然后,联合去噪结果与处理后的方法噪声重新定义NLM算法的相似权函数,更好地利用原图像的信息;最后,采用噪声标准差二次函数的方式设置滤波参数,相比于传统的线性正比方式选取参数,这种选取方式在不同噪声强度下均能获得较优的参数值。对几个标准测试图像的去噪结果表明,提出的改进NLM算法获得了较好的去噪效果,优于相比较的其他几种方法。     

一种基于核聚类的关键帧提取方法

为了在视频数据库中提供有效的视频检索和浏览功能，必须用简明的方式表示视频的内容。关键帧是对视频镜头的简洁表示，关键帧提取已成为视频检索的一个重要研究方向。文中提出了一种基于核聚类的视频关键帧提取方法，它通过对视频提取颜色特征．并将这些特征作为样本映射到高维特征空间之后，在特征空间中进行聚类，使原来没有显现的特征突现出来，自动将内容相似的样本归为同类，每一类可取一个样本代表其内容，这样的样本即为关键帧。实验结果表明这种方法可以较好地概括视频内容。     

具有未知视觉参数的非完整移动机器人的自适应动态反馈跟踪控制

基于视觉反馈和标准链式形式,研究了一类不确定非完整移动机器人的轨迹跟踪控制问题.首先,利用针孔摄像机模型,提出了一种新的基于视觉伺服的移动机器人运动学跟踪误差模型.基于这个模型,在具有不确定视觉参数的情形下,利用back-stepping技术,设计出了一种新的自适应动态反馈跟踪控制器,实现了全局渐近的轨迹跟踪,并通过李亚普诺夫方法严格证明了闭环系统的稳定性和估计参数的有界性.仿真结果证明了所提出的控制器的有效性.     

经验模态分解方法及其实现

经验模态分解方法可以有效提取非线性非稳定信号的瞬时特征。提出了经验模态分解方法中“筛”过程存在的端点问题、循环终止条件等重要问题的解决方案;并以经验模态分解方法为核心实现了非线性非稳定信号处理系统,在给出该系统如何处理外来信号流程图的同时,对系统界面的功能、生成方法和运算模块的功能、结构进行了详细地阐述。     

一种改进MVI-CFAR检测器的性能分析

VI-CFAR检测器在均匀环境和非均匀环境下均具有较强的自适应性,但若前后两个参考滑窗均存在干扰目标时,VI-CFAR检测性能急剧下降。为克服该问题,本文采用有序统计平均CFAR和有序统计选小CFAR来替代VI-CFAR中最小选择CFAR。所提出的算法不但解决了干扰目标位置随机分布的问题,还解决了当其中一个滑窗的干扰目标数超过最大容限时检测性能下降的问题。在参考滑窗中干扰目标个数与扰噪比均不相同的情况下,分析了统计量VI的变化,有助于评估和设计VI-CFAR类检测器在多目标环境下抗干扰目标的最大容限。仿真结果表明,该改进算法提高了VI-CFAR在多目标环境下的鲁棒性,与其他改进算法相比,其排序处理时间降低一倍。     

改进的NURBS曲线预估校正插补方法

现行的NURBS曲线参数预估校正插补方法不能预估最开始的两个参数,而且不能控制预估参数迭代修正的次数。提出改进的NURBS预估校正插补方法,该方法预估插补点参数,根据最大进给步长约束、轮廓误差约束以及法向加速度约束,判定预估参数与实际参数的误差,当误差在允许范围内,则对参数步长增量进行调整,否则进行迭代修正。仿真实验结果表明,新方法通过对参数步长增量的调整,使得预估参数更加接近实际参数,较现有方法有效减少了参数迭代修正的次数,利于实时插补的实现。     

结合核函数与非线性偏微分方程的图像去噪方法

传统的非线性扩散滤波方法在图像去噪时使用传统的梯度算子,易导致细节缺失。针对该缺点,以非线性偏微分方程和图像结构信息为基础,构造一类带有自适应权值的非线性扩散滤波去噪方式。这种方式选用多方向的拉普拉斯算子模板,结合核函数,自适应地调节权重系数;利用非局部信息选取合适的搜索窗宽,以减小图像噪声的影响。实验证明,该方法既能较好地保存图像纹理细节,又可以达到很好的去噪效果。