改进卡尔曼滤波的IRFPA非均匀性校正算法

提出一种改进的卡尔曼滤波的IRFPA非均匀性校正算法,该算法使用求逆引理对传统迭代公式进行求逆变换,使用误差协方差逆阵形式实现迭代过程,使算法计算复杂度由nk×nk阶矩阵求逆降低至nk维对角矩阵求逆,简化了传统卡尔曼滤波算法的递推过程,提高了实时性能．通过对实际采集的红外图像序列进行仿真实验,结果表明：该算法在继承传统校正算法校正精度的同时,兼顾提高了算法校正速度,运行效率可以提高至2倍．     

Toeplitz变换广义预测控制改进算法

提出两种改进的Toeplitz变换广义预测控制快速算法。其一,在已有无需Diophantine方程求解的Toeplitz变换广义预测控制算法中引入一种柔化矩阵,避免了复杂的矩阵求逆计算,进一步提高了算法的快速性;其二,通过矩阵变换,将现有基于Diophantine方程求解的Toeplitz变换广义预测控制算法推广到预测时域和控制时域不相等情况,扩展了算法的适用范围。仿真结果验证了上述算法的有效性。     

GPC当前控制的矩阵分解算法

本文用矩阵的三角分解法(LR)求广义预测控制器(GPc)的当前控制u(k),避免了矩阵求逆运算。此方法减少了广义预测自校正控制算法的运算量,有利于该算法在实时控制中的应用。     

多变量自校正控制的任意维数输入输出

本文对具有任意维数输入输出的多变量系统,提出了在线修正加权多项式矩阵和输出最优预测两种最小方差自校正控制算法.这两种自校正算法中,参数辨识均采用隐式步骤,参数估计数目较少.控制器闭环稳定性分析表明所述算法能适用于非最小相位系统.仿真结果验证了此算法的有效性.     

广义预测控制矩阵求逆的快速算法研究

为提高广义预测控制系统的实时性,基于Toeplitz变换提出了广义预测控制(GPC)逆矩阵的快速算法.在预测时域N和控制时域M相等与不相等两种情况下,将控制律求逆部分变换成Toeplitz形式,采用Trench-Zohar求逆算法快速求取变换后的逆矩阵.分析表明,该算法计算量比常规求逆计算低一阶,并且步骤简便,容易编程实现.     

广义预测控制的改进算法

本文通过一种快速的广义预测控制算法避免了Diophantine方程的在线求解,并将复杂的大矩阵求逆问题简化为简单的对角阵求逆,大大减小了控制器的运算负荷,有利于广义预测控制在快速系统中的应用。     

逆变器消谐模型求解中矩阵求逆的算法研究

针对消谐方程求解过程中的矩阵求逆问题，分析了各种求逆方法及其运算量，并对矩阵求逆方法进行了算法的稳定性分析，找到影响消谐方程数字化求解收敛性的根本原因是消谐矩阵的病态性质引起的，提出了具有可紧凑存储法思想的高斯-约当初等变换求逆方法，并细述了其计算步骤，该方法具有占用存储资源少、运算量较小、易于实现并行运算等优点，不失为一种有效的消谐矩阵求逆算法。     

Hankel矩阵和Vandermonde矩阵之逆的新矩阵表示式及快速算法

利用线性方程组是否有解给出Hankel矩阵、Vandermonde矩阵可逆的条件及求逆的递推公式，并给出了逆矩阵新的表示式．表明Hankel矩阵、Vandermonde矩阵的逆矩阵可以表示为一些特殊矩阵的乘积之和，并以Hankel矩阵为例，得到了求逆的快速算法，所需计算量为O(n^2)，一般n阶矩阵求逆的计算量为O(n^2)．     

两类循环矩阵求逆的一种算法

给出了两类循环矩阵求逆的一种算法．当循环矩阵非奇异时，该算法求循环矩阵的逆；当循环矩阵奇异时，该算法求循环矩阵的｛１，２｝逆     

选主元换基迭代算法

本文用换基迭代的思想对初等变换法进行改进.改进后的算法,只需用初等变换求逆的计算量便可同步求出任一矩阵的秩、向量间的线性关系以及一个最高阶可逆子阵及其逆.若矩阵之间有相同向量,利用本算法可使求逆计算大为简化.     

基于状态观测器的非一致采样系统状态反馈预测控制

针对控制信号不等间隔采样的非一致采样系统,提出了一种基于状态观测器的状态反馈预测控制算法．通过提升控制信号,设计了输入、输出同周期的非一致采样系统的状态观测器,并且给出了提升控制信号前后观测器系数矩阵的关系．运用线性矩阵不等式方法,解决了无穷时域二次型性能指标下的优化问题,给出了状态反馈预测控制器存在的充分条件．仿真结果证明了控制算法的有效性．     

流媒体传输的模糊自适应预测拥塞控制

为保证网络流媒体传输质量,在流媒体的传输中多采用有效的拥塞控制策略.本文给出了一种更有效的流媒体传输的拥塞控制算法.基于模糊算法给出了模拟的网络传输模型,采用能克服较大传输延时的预测控制解决缓存器的排队预报问题,采用自适应控制算法解决缓存器溢出问题.多种算法有机组合,解决了通过网络的流媒体传输.     

The Present Status and Future Development of Predictive Control Algorithms

ＴｈｅＰｒｅｓｅｎｔＳｔａｔｕｓａｎｄＦｕｔｕｒｅＤｅｖｅｌｏｐｍｅｎｔｏｆＰｒｅｄｉｃｔｉｖｅＣｏｎｔｒｏｌＡｌｇｏｒｉｔｈｍｓＸｉｅＫｅｍｉｎｇ＊＊ＺｈａｎｇＪｉａｎｗｅｉ（Ｄｅｐｔ．ｏｆＡｕｔｏｍａｔｉｏｎ）ＡｂｓｔｒａｃｔＴｈｅｄｅｖｅｌｏ...     

模型预估控制的解耦特性

利用严等价关系和基于多项式矩阵的预估控制算法 ,证明了各种模型预估控制算法的控制律在模型准确时是等价的。在此基础上 ,给出了模型预估控制对给定值解耦的充要条件 ,指出解耦后系统可能是不稳定的。给出了关于系统解耦且可任意配置极点的充要条件的定理。由于解耦受稳定性、鲁棒性和控制作用幅度的限制 ,给出了一种局部解耦策略。     

模型预测控制(MPC)系统仿真软件开发与实现

介绍了基于PC机平台的模型预测控制(MPC)系统仿真软件的开发与实现过程。该软件包含MAC、IMAC、DMC、DDMC和GPC五种预测控制算法，可以用不同的方法实现对预测控制系统的综合性仿真，包括扰动对系统性能的影响以及控制器参数调整的作用等。利用该软件可对模型预测控制系统的作用机理做进一步仿真分析，并有助于定性分析各种算法中设计参数对系统性能的影响以及不同算法之间的区别。     

基于BP神经网络的CVC冷连轧机板形预测控制模型

将ＢＰ神经网络建模方法与预测控制思想相结合用于宽带钢板形自动控制,研究并建立了基于ＢＰ神经网络的板形预测控制数学模型,经用宝钢１４２０ｍｍ冷轧实测数据仿真验证表明该模型具有很高的预测精度。     

一种基于预测量化对结构的LSP参数量化算法

为了提高LSP参数的量化效率,提出了一种基于预测量化对结构的联合预测矩阵量化算法。与常用的预测矢量量化结构不同,算法中的预测量化对结构对码本中的每一个码字采用一个与其匹配的预测器,可进一步减小预测量化的信息冗余。在码本训练中,设计了一种渐进闭环迭代优化方法,有效地提高了预测器与量化器的匹配程度。仿真实验结果表明,与传统的矩阵量化算法相比,提出的算法对LSP参数量化的平均量化谱失真较小,具有更优的量化性能。     

线性系统单输入的2种简单的极点配置算法

对线性系统的单输入情况,提出2种简单的极点配置算法.2种方法都将未知量归结为一个线性代数方程组的解,而这个线性代数方程组系数矩阵的每一行均为系数矩阵是三角形的线性代数方程组的解.该算法计算简单,计算量少.第一种方法还同时求出配置后矩阵的特征向量,为系统设计提供参考;第二种方法的计算量更少.对第一种方法进行误差分析,证明只要计算精度充分高,都能达到对任意给定的大于0的极点配置误差要求.     

一类混合迭代算法在约束预测控制中的应用

为了改进多变量约束预测控制的滚动优化算法,对路径跟踪法和粒子群算法进行了理论研究,提出了一种将路径跟踪法和粒子群算法相结合的混合迭代算法,并用该混合算法对最具代表性的动态矩阵控制进行了滚动优化.仿真结果表明:对由于参数选择引起矩阵奇异时,路径跟踪法无法求出最优解,而基于混合迭代算法的优化算法可以得到最优解.采用路径跟踪法和粒子群算法相结合的混合迭代算法对多变量约束预测控制进行滚动优化,保证了优化算法的快速性和可行性.     

基于混合学习算法的模糊神经网络控制系统

针对复杂非线性系统在控制过程中的不确定性及参数的时变性,设计了一种模糊神经自适应预测控制系统,通过误差补偿以提高预测控制的精度;对模糊神经网络（FNN）的学习算法进行了研究,利用遗传算法的全局搜索能力对FNN控制器参数进行离线优化,并对遗传操作进行了改进,使其最终搜索到全局最优或近似全局最优的附近,再利用BP算法的局部搜索能力和对对象的适应能力,进一步对参数进行在线调整。从而使系统具有更高的学习精度和更快的收敛速度,所得的FNN具有良好的泛化性能。仿真结果证明了本方法的有效性。