基于正交多项式的迭代学习控制算法及其应用

针对存在不确定扰动的线性系统的轨迹跟踪控制问题,提出了基于正交多项式的迭代学习算法．该算法利用正交多项式级数将系统参数化,运用其积分运算矩阵,导出了一种基于多项式级数的线性系统的近似模型．在此模型基础上,用迭代学习的方式来修正输入量的多项式展开系数,并运用LMI方法求解学习增益矩阵．所得算法在系统不满足正则性或无源性时,仍可以用输出误差信号来构造学习律．将该方法运用到直线电机的控制中,仿真结果表明,新算法能明显地提高直线电机的控制精度。     

迭代学习控制在T-S模糊系统终端控制问题中的应用

针对T-S模糊系统的终端控制问题,提出了一种基于正交多项式的迭代学习算法.该算法把待求控制量表示为一组正交多项式的线性组合,将求控制量问题转化为求正交多项式系数问题.在此基础上,用迭代学习的方式来修正控制量的正交多项式系数,并采用LMI方法求解学习增益矩阵.最后,以单关节机器人为例说明了所提算法的有效性.     

辛正交Legendre多项式及其在波动方程中的应用

基于经典Legendre多项式和Hamilton算子的谱性质,首先导出了一类辛正交的矩阵多项式,其次利用该辛正交多项式建立了源于波动方程的Hamilton系统的Legendre Tau方法,得出了相应Hamilton系统的谱数值解,最后证明了该数值解保持系统的能量守恒.     

椭圆特征值问题基于高斯点的一种有效的谱配置法

椭圆特征值问题基于高斯点的一种有效的谱配置法被提出。该方法首先利用Legendre多项式的性质构造一组满足边界条件的基函数,将逼近解由这组基函数展开。其次,利用正交多项式的三项递推关系,编程求解出每个基函数在这些高斯点处的节点值,将离散格式转化为一个线性特征系统。然后利用预条件迭代方法可快速地计算出逼近特征值和相应的特征向量。最后,分别对一维四阶椭圆特征值问题和二维二阶椭圆特征值问题给出了数值试验,数值结果表明该方法是非常有效的。     

基于时变神经网络的迭代学习辨识算法

为了实现在有限时间区间上可重复运行的离散时变非线性系统辨识,给出基于时变神经网络的迭代学习辨识算法.对于每一个固定时刻,以该时刻的神经网络逼近该时刻系统输入输出间的映射关系,提出了在同一时刻沿迭代轴训练网络权值的带死区迭代学习最小二乘算法,为防止收敛速度下降过快,进一步提出了协方差阵可重调的改进算法.所提算法有较快的收敛速度,且时变神经网络对非线性时变系统的辨识精度也较高.     

一类分数阶比例时滞微分方程的数值计算方法

基于一类正交多项式可替代Legendre多项式(alternative Legendre polynomials, ALPs), 提出一类分数阶比例时滞 微分方程的数值计算方法. 首先, 利用ALPs的性质得到分数阶微积分的数值逼近结果, 然后将分数阶比例时滞微分方程转化为代数系统进行求解. 其次, 对该方法进行误差分析, 得到了方法的收敛性结果. 最后, 给出数值例子验证所给方法的有效性和精确性.     

一种改进的基于DCT的信道估计迭代算法

提出了一种适用于正交频分复用系统信道估计的基于DCT的改进迭代算法.该算法通过迭代修正传统DCT/IDCT方法估算出的频率响应幅值和相位偏移,能有效抑制加性高斯白噪声和载波间干扰影响.仿真结果表明,与未采用迭代的DCT/EIDCT算法相比,该算法有更好的性能;与采用DCT/EIDCT初始化的迭代算法相比,该算法具有与其几乎相同的性能,但实现更简单;同时,该算法的迭代次数可通过在初始化过程中引入幅值补偿而大大减少.     

一种离散正交Hahn矩的图像分析方法

提出了一种新的以离散Hahn多项式为变换核的离散正交Hahn矩并用于图像重建,推导了Hahn多项式的有关递推关系式.为了能计算高阶矩,减少矩计算过程中的累计误差,精确重建图像,利用Hahn多项式关于x方向的对称性并对部分表达式进行了优化处理,取得了显著的效果.通过与离散正交Tchebichef矩的重建图像进行比较,表明了该方法的有效性.     

基于正交矩模糊和仿射混合不变量的图像识别算法

为了识别含有模糊和仿射混合形变的图像,提出了一种新的基于正交矩模糊和仿射混合不变量的图像识别算法.该算法首先使用归一化方法构造了基于Legendre正交矩的仿射不变量,并结合Legendre正交矩的模糊不变量提出了Legendre正交矩的模糊和仿射混合不变量;然后将该混合不变量作为描述算子,将欧几里德范数作为分类尺度,以最近邻法则作为分类器,对图像进行识别.实验结果表明,与其他基于非正交矩的混合不变量相比,基于Legendre正交矩的模糊和仿射混合不变量在混合形变下能够获得更好的不变性,不会带来信息冗余问题,并且对噪声鲁棒性较好;此外,该图像识别算法比其他算法具有更高的识别率,特别是在图像含有较大噪声的情况下.     

死区非线性系统物理参数的两步辨识法

针对含非对称死区环节的非线性系统提出了一种基于Legendre多项式最佳平方逼近的两步辨识法。辨识时首先将非对称死区非线性恢复力用Legendre多项式近似,并用直接参数估计法辨识得到系统质量、阻尼等参数以及Legendre多项式系数;然后根据Legendre多项式最佳平方逼近系数与死区参数之间的关系估计出死区参数。仿真算例表明:在只测得带观测噪声的加速度和激励力数据的情况下,该方法仍能较好地辨识出死区宽度和斜率参数。