具有切换自适应律和静态补偿器的模型参考自适应控制

提出了一种旨在改进自适应控制系统性能的模型参考自适应控制新方案,通过引入切换自适应律和静态补偿器,减少系统在自适应调整的初始阶段振荡的幅度和调节时间,提高系统收敛的速度,改善系统跟踪误差的瞬态行为,从而显著地提高系统的鲁棒性和跟踪性能.     

一种新的OFDM系统自适应调制算法

提出了一种新的用于正交频分复用(OFDM)系统的自适应调制算法,它在保持恒吞吐量的前提下对OFDM系统进行自适应比特分配和自适应功率分配．与使用固定调制方法的OFDM系统相比,使用该算法系统的误码率性能和吞吐量有了很大的提高．该算法计算量较小,是一种实用的自适应调制算法．模拟结果表明引入子载波分组后系统性能依然保持良好,并且信道估计偏差对本算法的影响较小.     

分数阶Like-Bao系统自适应滑模同步的整数阶滑模面设计

基于自适应技巧研究了分数阶Like-Bao混沌系统滑模同步,构造出一种整数阶滑模函数和自适应规则,取得了分数阶Like-Bao混沌系统自适应滑模同步的充分条件,进而得出分数阶Like-Bao混沌系统在符合一定条件下可取得自适应滑模同步的结论.     

TCP网络的非线性自适应滑模控制

针对TCP网络存在网络参数高度变化和UDP流的情况,提出了两种非线性自适应滑模控制算法.考虑到系统不确定的上界很难获得,针对系统不确定的上界设计了一种自适应滑模控制器.由于使用了符号函数,该算法不能有效地抑制抖振.为此,设计了一种直接对不确定进行自适应的滑模控制器.仿真结果表明,对不确定的上界自适应的滑模控制器优于对上界自适应的滑模控制器,对上界自适应的滑模控制器优于PI控制器.     

多天线自适应OFDM系统

自适应OFDM(Orthogonal Frequency Division Multiplexing)系统根据信道情况自适应地分配各个子载波发送的比特和功率,在频率选择性衰落信道条件下,它比传统的OFDM系统有更好的误比特性能。将自适应OFDM系统与MIMO(Multiple-input Multiple-output)技术相结合,并充分利用发送端知道信道信息的条件,提出了一种多天线自适应OFDM系统,仿真结果表明,该系统与没有采用自适应算法的多天线OFDM系统相比,误比特性能有了显著提高。     

分数阶Victor-Carmen系统自适应比例积分滑模同步

研究了分数阶Victor-Carmen系统的自适应比例积分滑模同步,提出了一种分数阶比例积分滑模面及自适应控制律,得到了分数阶Victor-Carmen系统自适应比例积分滑模同步的充分条件.研究表明:满足一定条件分数阶Victor-Carmen系统的主从系统能够取得自适应比例积分滑模同步.     

异步CDMA系统中一种新颖的盲自适应多用户检测方法

盲自适应多用户检测技术是码分多址 (CDMA)系统中抑制多址干扰的一项重要技术。针对传统的基于最小化平均输出能量准则的盲自适应多用户检测技术收敛速度慢的缺点 ,利用一种新近提出的多用户接收器的典范表示方式 ,为 CDMA系统构造了一种动态系统模型 ,然后利用Kalman滤波算法 ,设计了一种新的盲自适应多用户检测方法。理论分析和数值仿真表明 ,在异步 CDMA系统中 ,与现有的基于 L MS算法、基于 RL S算法等盲自适应多用户检测方法相比 ,该方法具有收敛速度快速稳定 ,跟踪性能好等优点     

基于LMS算法的自适应滤波方法研究

自适应滤波器为一个未知系统的建模提供了一种简单,实用的方法。可以在不知道系统的理论模型的条件下,通过测量和学习,实现对未知系统的最佳拟和。本文简要介绍了自适应滤波在信号处理系统建模中的应用,着重讨论了IIR递推结构自适应滤波器的LMS算法。在此理论基础上阐述了一种改进的LMS算法。新算法利用误差信号的相关值调节算法步长,解决了收敛时间和稳态误差的矛盾,并且不受已经存在的不相关噪声的干扰。     

一类非线性系统的全局自适应输出跟踪控制

研究一类具有不可控不稳定线性化和未知线性化参数的非线性系统的全局自适应控制·控制目标是设计一种鲁棒自适应非线性状态反馈控制器,实现系统的全局实用输出跟踪·应用Lyapunov稳定性理论和修正的自适应增加幂积分方法,给出了一个系统化的设计程序,递推设计了一种非线性自适应光滑状态反馈控制器·该控制器能保证跟踪误差充分小,且闭环系统所有信号全局有界·仿真结果表明该控制器是可行的并且是有效的·     

MIMO-OFDM系统自适应比特功率分配算法

基于MIMO-OFDM系统,以最小化发射总功率、降低算法复杂度及减少系统反馈量为目标,提出了一种基于分组的自适应比特及功率分配方案.仿真结果表明:自适应分组算法的性能明显优于非自适应算法的性能;同在自适应的情况下,分组自适应算法与未分组自适应算法相比,分组算法降低了算法的复杂度,同时也减少了系统的反馈量.     

5G基站自适应天馈系统设计与建模

为了提供一个各方面更优的全自动天面自适应调整方案，在降低维护成本的同时实现更优覆盖效果，从5G天面的信号辐射方向调整方法入手，对5G基站自适应天馈系统的智能调节系统设计关键技术进行研究，提出对基于深度强化学习的基站天面自适应调节策略。基于此设计了5G基站自适应天馈系统，可以使用电信公司RSRP信号覆盖地图作为数据源，获取当前状态的观测值并自动分析数据，对天面进行自动调整。在虚拟环境下，对基于强化学习的系统进行了模拟搭建与仿真训练，结果符合预期。     

自适应PID控制在风力发电机试验系统的应用

将模糊自适应的控制模型与常规PID控制算法相结合,设计一种自适应模糊PID控制器,利用这种控制器的控制参数在线调整功能,以适应被控过程的参数时变性,并将其应用于风力发电机试验系统电源组的控制系统,来改善试验系统电源组的控制性能.结果表明,控制器参数易于整定,且具有较好的自适应性.应用自适应模糊PID控制的风力发电机试验系统电源组的控制系统能够适应被控对象在较大范围内的变化,具有较强的自适应性和优良的控制性能.     

基于粒子群优化的BP神经网络模型参考自适应控制系统

将粒子群优化的BP神经网络作为模型,参考自适应控制系统的控制器,把参考模型输出与系统实际输出的均方误差作为PSO-BP神经网络的适应函数,通过PSO算法强大的搜索性能使自适应控制系统的均方误差最小化.仿真实例结果表明,基于粒子群优化算法的BP神经网络自适应控制系统收敛快、精度高,有较好的网络的泛化和适应能力,能够很好地控制系统的输出跟随参考模型的输出.     

基于UKF的INS/GPS组合导航系统仿真

通过Unscented卡尔曼滤波(UKF)算法,研究INS/GPS紧耦合组合导航系统中滤波算法的问题,避免了对非线性的系统方程进行线性化。同时将自适应原理引入UKF,给出了一种自适应UKF算法。将EKF、UKF和自适应UKF分别应用到INS/GPS组合导航系统的滤波中。仿真结果表明,相比UKF算法,自适应UKF算法进一步提高导航解的精度和收敛速度,同时系统的鲁棒性也得到了提高。     

一类不确定仿射非线性系统的自适应变结构控制

研究非匹配不确定仿射非线性系统的输出跟踪问题．针对系统中的参数不确定性,基于李亚普诺夫稳定性理论提出了一种分段控制方案,当控制误差大于一定范围时,采用自适应变结构控制方案,使得闭环跟踪系统全局渐近稳定,参数估计值收敛,系统信号保持有界,控制误差减小到零域附近时,切断变结构控制,避免了颤振现象的出现．理论研究和仿真结果证实了理论结果的正确性和有效性．     

一种新结构自适应速度控制器的设计与应用

本文提出一种简明的自适应速度控制器的设计方法。所设计的控制器适用于被控对象参数易发生快速的、大范围的及不可测变化的电力拖动系统的自适应控制,并具有结构简单、容易实现的特点。通过在可逆的可控硅直流调速系统中的应用表明,自适应控制系统的跟随能力和抗干扰性能较常规控制系统有明显改善。     

组网雷达自适应数据融合跟踪算法

针对高速、机动目标的实时、精确跟踪问题,提出一种能在线调整组网雷达中各雷达权值的自适应数据融合算法。按照一定的规则寻找最佳的权系数,使融合后目标的状态估计值最优;把输入信号用作自适应滤波器的量测信号,利用新息相关的自适应滤波算法对状态方程及量测方程中误差的变化调节增益矩阵的大小,同时根据自适应滤波的状态偏差输出信号与当前的量测数据,运用模糊推理规则对组网雷达系统中各雷达的权值进行在线调节;系统输出结果即为自适应数据融合下目标的最优状态估计值。仿真结果验证了该算法在跟踪精度和收敛速度上的优越性,实现了组网雷达系统对目标的自适应跟踪。     

基于滑模技术的时变Lorenz系统的自适应同步

讨论了参数为时变的Lorenz系统的同步问题的自适应控制.驱动系统的参数未知并在一个有界区间内变化,同时区间的边界也未知.利用自适应控制设计控制器,并且为了增强混沌系统的鲁棒稳定性,控制器的设计运用了滑模控制的方法.在控制器的作用下,实现了响应Lorenz系统与驱动Lorenz系统的全局渐近同步.数据仿真表明该控制的有效性和可行性.     

二自由度关节型机器人的自适应模糊滑模控制

针对二自由度关节型机器人控制问题,通过分析传统滑模控制的不足,提出一种自适应模糊滑模控制算法。采用自适应单输入单输出模糊系统来计算控制增益,同时设计了基于Lyapunov稳定性理论的自适应律,最后利用Simulink软件对自适应模糊滑模控制进行仿真实验。结果表明,机器人各关节控制力矩的抖振现象明显减弱,系统性能得到提升;自适应算法的加入使模糊滑模控制能在短时间内随着系统状态的变化自动地进行调节,稳态收敛为常数;在关节型机器人参数不确定和存在外界干扰的情况下,自适应模糊滑模控制算法依然具有良好的鲁棒性和跟踪精度。     

两电机同步系统的神经网络控制

在对两台感应电机同步系统模型分析的基础上,依据同步系统的结构特点和控制要求,结合人工神经网络的非线性映射、自适应、自学习等能力,提出一种新的基于神经网络的两电机同步系统控制方案,其中神经网络控制器由基于RBF网络整定的自适应PID控制器和神经元解耦补偿器两部分组成.两个自适应PID控制器分别对速度控制回路和张力控制回路进行自适应控制,使系统具有更强的适应能力、更好的实时性和鲁棒性;神经元解耦补偿器综合两控制回路的耦合作用,通过训练网络权值,补偿各回路之间的耦合影响,实现速度和张力的解耦.试验结果表明:采用神经网络控制方法可以实现两电机同步系统中速度和张力的解耦控制,系统具有良好的动静态性能.