自适应干扰对消的一种改进正交化算法

分析了传统的正交化算法在干噪比较低中，干扰对消效果佳的原因。将特征子空间分解技术与正交化算法相结合，提出了一种修正的正交化算法。仿真结果表明，所提出的算法极大地改善了低干噪比的干扰对消性能。     

曲线的随机拟合及其自适应算法

针对拟合曲线时输入样本的随机性，提出了随机拟合的概念，并给出了相应的自适应算法．该算法能够自动学习拟合需要的统计特性，进而调整拟合多项式的系数．从理论上可以证明，采用该方法所得系数可以任意逼近加权最小二乘标准的系数．对于算法中区间的长度，进行了初步的分析及优化．仿真表明，该算法有较理想的逼近效果，优于一般的最小二乘法．     

一种改进的变步长BLMS算法

在ＢＬＭＳ（Ｂｌｏｃｋ Ｌｅａｓｔ Ｍｅａｎ Ｓｑｕａｒｅ）算法的基础上提出了一种变步长算法，它除具有ＢＬＭＳ算法的特点，还提高收敛速度，降低了权失调噪声，具有较好仰噪能力。适用于实时器材怕低消，计算机仿真效果较好。     

一种基于信息最大准则的盲源分离新算法

提出了一种基于信息最大准则的盲源分离新算法。新算法在当前时刻的系数更新时充分利用先前迭代过程的信息，并在每一步迭代时归一化权系数矩阵，仿真表明，新算法应用于盲图像信号分离时得到了很好的分离效果。     

基于LMS算法的自适应噪声抵消器研究

当前，如何尽可能地降低噪声污染是一个重要的研究课题，随着计算机技术和信号处理技术的发展，噪声控制技术已广泛地应用于各个领域，本文论述了基于LMS算法的自适应噪声抵消器的工作原理，并进行了实验验证，结果表明，该方法具有良好的降噪效果。     

基于自适应免疫算法的电力系统无功优化

针对电力系统无功优化问题，提出了根据各个抗体之间的距离测度自动调节参数的自适应免疫算法（adapted immune algorithm，AIA）．该算法在群体多样度的基础上，调节选择率α、克隆半径r和突变半径R，在快速收敛和保持群体多样性以避免陷入局部最优解之间进行优化．算例表明：自适应免疫算法使计算速度和收敛性均达到最优；对于IEEE14节点系统，与遗传和免疫算法相比，该算法的收敛效果提高8％，计算时间缩短55S；与改进的免疫算法相比，其收敛效果提高2％，计算时间缩短0．5S；对于IEEE118系统，与遗传和免疫算法相比，该算法的收敛效果提高5％，时间减少分别为493S和336S；与改进的免疫算法相比，其收敛效果提高3％，计算时间缩短26S．     

无辨识自适应算法与模糊推理的组合控制

一般自适应控制算法需在线辨识系统模型，算法复杂，计算时间长。本文采用无辨识自适应算法，不用辨识系统的模型，同时应用模糊推理对控制量进行补偿，以便克服模型失配的影响。仿真结果表明，该方案是非常有效的，适合于具有时滞的工业系统。将其应用于制冷装置中的电子膨胀阀控制，使得蒸发器过热度的控制效果得到了明显的改善。     

一种改进的BP算法

传统的BP算法收敛速度慢，利用附加动量因子和自适应学习速率改进了传统的BP算法，它对于BP网络结构优化，提高收敛速度有明显效果.     

自适应噪声抵消语声增强的实时后处理算法

对自适应噪声抵消系统中两种噪声相关性较弱的情况，采用相干函数作为频域增益因子，对自适应噪声抵消作进一步处理（或后处理），以改善语声增强效果，提出一种实 时迭代算法取代现有的基于短时傅氏变换的算法，新算法可简化计算且便于与自适应系统一起实时实现，在计算机实验中，后处理算法的有效性得到了验证。     

基于免疫遗传算法的物流运输求解

针对传统遗传算法的缺陷，提出了结合免疫系统原理和遗传算子自适应调整的方法，即免疫遗传算法．该算法可防止算法未成熟收敛、保证种群的多样性，在使用此算法搜索最优解时，可防止陷入局部寻优情况的出现．通过对一个运输实例的求解，证实算法可达到预期的效果．     

基于模糊控制的直流无刷伺服控制系统

主要研究了采用模糊算法且要求运行更快更精确的微机控制直流无刷伺服系统，分析了模糊控制器在伺服系统中稳态误差、调节时间和响应时间方面的性能。采用DSP数字处理器实现伺服控制，用MatLab语言仿真了模糊控制的响应，并且提出了PI控制加模糊控制的算法。     

基于Bang-Bang控制的智能开关预测控制算法

为解决Bang-Bang控制原理具体应用中存在的如何纳入状态变量的附加约束条件、开关曲线的求取和最优轨线的确立等复杂问题，提出了一种智能开关预测控制方法．该方法根据离散卷积定理提炼出一组新的控制信号集，然后设计新的切换方程和减速规律，并在开关控制框架下，实施有闽值信号制约的最小拍增量控制．本文所提出的方法全面改善了预测控制的策略和算法，使控制系统动态性能良好，过渡过程时间小于理想开关控制过渡过程，且单调衰减，原理上稳态无静差，系统反应时间短，定位精度高，对输出扰动具有一定的鲁棒性，而且适用范围更加广泛．仿真结果表明了该控制算法的有效性．     

挤塑机温控系统中模糊-PI复合控制的应用

将模糊控制器用于温控系统的控制，克服了传统PID控制参数整定繁琐，对控制对象的参数变化缺乏自适应性的不足，提出了Fuzzy—PI复合控制算法，实验结果表明，采用复合控制的温控系统具有稳态精度高和鲁棒性强的特点．     

碳纤维生产的微机温度控制系统设计

本文介绍了碳纤维生产的微机温度控制系统的输出接口设计方法及控制算法的设计思想,简述了微机 SCR 全数字化直接相位控制技术在温度控制中的应用。文中提出了增量式模糊控制的概念,给出一种易于用低挡次微机实现的智能自适应控制算法,即 PID—增量式模糊自适应控制算法。     

定量反馈在导弹飞行控制中的应用

研究定量反馈理论(QFT)在导弹飞行控制中的应用,结合自抗扰控制(ADRC)算法对某型号导弹的飞行控制系统进行了设计.通过仿真和鲁棒性验证,以及对PID控制算法和自抗扰控制算法的分析比较,表明设计出的控制系统具有很好的响应特性和鲁棒性.ADRC输出响应的超调小于PID控制,但快速性略差于PID控制.采用ADRC算法设计导弹纵向控制系统的高度保持回路可以得到良好的跟踪效果,其中对升降速率的跟踪几乎没有超调,显示了良好的动态性能和稳态性能.      

分离TCP拥塞控制和可靠传输机制

提出了将拥塞控制从传输控制协议（ＴＣＰ）分离而改变成一个独立于各传输协议的拥塞控制代理方法。拥塞控制代理一方面执行主动拥塞检测协议,检测网络可用带宽,控制各网络连接都以线性增加,成倍递减方式调整发送数据速率,可有效保证网络稳定;另一方面通过一个应用接口提供网络连接的状态信息,利于网络多媒体应用采用自适应传输机制而提高传输质量。模拟结果证明,受拥塞控制代理控制的网络连接对ＴＣＰ连接是友好的。     

DMC算法在监控层嵌入到DCS层组态软件中的技术

提出了预测控制算法在监控层嵌入到DCS层组态控制软件中的应用技术。论述了该技术及其应用在某热电厂CFBB过热汽温控制中的技术方案,包括汽温对象特性描述及常规控制方案分析,改进的汽温控制方案设计。该方案将喷水减温执行机构的非线性特性的增益调度补偿、具有前馈-反馈结构的DMC预测控制和DMC-PID串级预测控制等先进控制技术综合应用,获得了良好的现场工业应用实验效果。     

基于双模型预测函数控制的PVC聚合釜温度系统

介绍PVC聚合反应的过程，针对PVC温度系统的特殊性，提出基于多模型的预测函数控制策略。将被控过程空间分为多个子空间，每个子空间对应一个失配较小的预测模型，同时设计多个预测函数控制器与之对应。该控制策略拓宽了传统预测函数控制的应用领域。根据PVC的升温和保温这2个不同的反应区间采用了2个不同的预测模型，以适应过程参数在不同区间发生的变化。该算法在SUPCON-JX300X集散控制系统上利用SCX语言实现，工业现场运行取得了满意的效果。实际运行表明：该控制策略具有算法简单、易于工程实现的优点。     

工程建模下过程控制的迭代学习控制算法及其收敛性

针对过程控制中工程化建模方法 ,得到的对象模型为传递函数形式 ,而目前的研究是化为状态空间表示 ,因而迭代学习算法及收敛性条件是以矩阵的形式表示 ,不太适合于实际应用的事实。文章用时频结合的方法给出了设定值变化下的迭代学习算法 ,并以系统参数形式地给出几种学习算法的收敛性定理 ,同时通过仿真表明其正确性     

A Self-tuning Fuzzy Queue Management Algorithm for Congestion Control

This letter presents an effective self-tuning fuzzy queue management algorithm for congestion control.With the application of the algorithm, routers in IP network regulate its packet drop probability by a self-tuning fuzzy controller. The main advantage of the algorithm is that, with the parameter self-tuning mechanism, queue length can keep stable in a variety of network environments without the difficulty of parameter configuration. Simulations show that the algorithm is efficient, stable and outperforms the popular RED queue management algorithm significantly.