非线性标量系统的三单元全局极值搜索算法研究

传统多单元全局极值搜索算法仅对两个相同独立单元组成的并联系统进行实时控制,且极值搜索方向具有盲目性,容易偏离全局极值点而影响算法收敛性。提出了一种适用于含三个相同独立单元的多单元全局极值搜索算法,采用切换逻辑设计了切换控制律。证明了算法的收敛性。通过仿真对比说明:三单元全局极值搜索算法,搜索到全局极值的同时,有效地避免盲目的搜索过程,并改善了部分单元的收敛性。     

非线性非最小相位系统的半全局自适应输出反馈控制

讨论了含有参数不确定性或未知扰动的非最小相位的非线性不确定系统的半全局自适应输出反馈控制问题。当未知参数在一紧集上取值 ,且以线性形式出现时 ,利用Lyapunov方法和逆推 (backstepping)设计方法 ,给出了该类系统的输出反馈半全局自适应控制器的设计     

幅值自适应调节的多变量极值搜索算法

针对传统多变量极值搜索算法达到稳定状态时存在输出颤振的问题,设计了一种利用梯度信息构造的激励信号幅值自适应调节律,该调节律使激励信号幅值随系统趋向于稳定状态时逐渐趋向于零.采用平均化方法构造了平均化系统,证明了幅值自适应调节的多变量极值搜索算法的稳定性,给出了控制器参数的选取条件.对比传统多变量极值搜索算法进行仿真,仿真结果证明:幅值自适应调节的多变量极值搜索算法可有效减弱稳定状态输出颤振,提高稳定性和准确性.     

半光滑无约束优化信赖域算法的全局收敛性

信赖域方法具有较强的收敛性和可靠性,一直被众多学者关注.基于光滑优化信赖域算法模型,证明了半光滑无约束优化信赖域算法的全局收敛性.     

解半定规划的投影收缩法

首先将一般的半定规划扰动成二次半定规划,而后者在其对偶空间等价于一投影方程,然后提出了求解半定规划问题的投影收缩方法并且给出了全局收敛性结果.     

关于全局吸引子与全局弱吸引子

对Ｌｉéｎａｒｄ系统的全局半稳定、全局吸引子和全局弱吸引子给出若干充要条件和充分条件。     

求解非线性等式和不等式问题的一种光滑化算法

给出了求解非线性等式和不等式问题的一种新算法.用Max函数将不等式约束转变为等式约束,建立了一个半光滑的无约束方程组系统,并设计了一种光滑化Gauss-Newton算法求解该系统.在适当条件下,证明了此算法的全局和局部收敛性.数值实验表明此方法的有效性.     

解凸二次半定规划的交替方向法

给出求解凸二次半定规划的交替方向法,并对这个算法的全局收敛性进行分析.     

用同伦方法求解一类半无限规划问题

给出一种求解半无限规划问题的同伦内点方法,在适当的条件下,构造性地证明了连接X内部任意给定点与半无限规划的解同伦路径的存在性,从而构建了可数值实现的全局收敛性算法。     

解特殊凸二次半定规划的边界点法

将利用论文[2]中所讨论的用以解线性半定规划的边界点法来求解一类特殊的凸二次半定规划问题.进一步,本文还给出了这种方法的全局收敛性分析.     

基于Android平台的障碍物检测系统的设计与实现

为了提高视觉导盲仪障碍物检测系统的便携性,建立了基于Android平台的障碍物检测系统。对该系统所采用的Android平台采集双目图像、路面平面提取和障碍物检测等算法进行研究。首先,根据Android平台的USB HOST API介绍了Android平台以非ROOT的方式采集双目图像数据;然后,提取并匹配双目图像的特征点得到稀疏的三维点云,在三维点云中用随机抽样一致性算法(random sample consensus,RANSAC)来提取路面平面;最后,在利用双目图像路面平面单应性来区分路面与障碍物的基础上,说明了采用半全局块匹配(semi-global block matching,SGBM)进行障碍物检测的算法。实验结果表明:系统5 m以内的障碍物检测准确率达到90%;检测时间达到1 s/帧。完全满足视觉导盲仪障碍物检测系统的检测准确率高、实时性高、易便携等要求。     

一种改进的粒子群算法

为提高粒子群算法的寻优速度和精度,提出了一种改进的粒子群算法,新算法是在标准粒子群算法的基础上对个体极值作变异操作.通过三个基准函数的测试,结果表明新算法在收敛速度、收敛精度和全局寻优能力方面均明显优于其它几种粒子群算法.     

极值调节系统最优工作点预估研究

应用相关辨识法，从理论上分析了极值调节系统中的最优工作点问题，并提出了系统预估极值调节的一种新方法，与静态法相比，该方法具有预估速度快、抗干扰能力强以及对二阶以上极值调节更显高效、准确等优点，这对从理论与实验两个方面探索系统中的动态特性有一定意义。     

无人机组合导航系统的自适应算法研究

无人机组合导航滤波器的设计需要考虑器件和外部环境不稳定带来的影响。同时在飞行过程中也面临着组合导航系统噪声和量测噪声统计特性不确定问题,从而导致滤波精度低、稳定性差,还有可能发散。采用常规卡尔曼滤波无法解决此问题。为此研究了一种基于UKF的自适应卡尔曼滤波算法。在系统噪声统计特性未知时,此算法能自动平衡状态信息与观测信息在滤波结果中的权比,实时调整状态向量和观测向量的协方差,从而提高系统的性能。仿真结果显示,使用自适应UKF算法与普通的UKF算法相比,可以获得更优的导航精度和稳定性。     

基于果蝇优化算法改进的粒子滤波及其在目标跟踪中的应用

针对粒子滤波算法重采样导致的样本贫化问题,提出一种基于果蝇优化思想的粒子滤波算法.该方法视粒子权值为个体适应度值,并将果蝇不断从低浓度的地方飞向高浓度的地方的觅食寻优过程引入到粒子滤波当中,驱使粒子不断向高似然区域移动,提高了粒子群的整体质量.为了解决标准果蝇优化算法易陷入早熟的问题,将遗传算法中的交叉、变异操作自适应地应用到果蝇优化算法寻优过程当中.首先通过交叉操作改善粒子分布,当果蝇优化算法陷入局部最优时,再采用柯西变异扰动,促使算法快速跳出局部极值并继续搜索全局极值.通过非线性模型仿真以及目标跟踪实验表明该算法有效提高了非线性系统状态估计精度,具有较好的稳定性,同时降低了状态估计所需的粒子数量.     

优化BP神经网络的快速细菌觅食算法

为了提高BP神经网络的全局收敛能力和预测精度,提出了混合PSO的快速细菌觅食算法优化BP神经网络（FBFABP）的方法,并以石漠化危险度预警为例进行验证。结果表明,通过使用粒子移动和简化细菌趋化操作,提高了算法的收敛速度和搜索全局最优值的能力。相对于其它神经网络训练算法,该方法具有较好的预测精度和泛化能力,具有一定的优...     

基于改进差分进化的高精度粒子滤波算法

针对智能优化粒子滤波算法精度较低和收敛速度慢的问题,提出一种改进适应度函数和搜索策略的差分进化粒子滤波算法(IDE-PF).该算法通过自适应融合粒子权值和量测误差得到适应度函数,并利用该函数评价粒子的可信度,引导粒子向后验概率密度取值高的位置移动,同时引入新的搜索策略,不仅保持了粒子多样性,还加快了算法收敛的速度.仿真结果表明,该算法可有效提高智能优化粒子滤波对于非线性系统状态估计的精度和实时性.     

改进人工鱼群算法及其在时滞系统辨识中的应用

针对人工鱼群算法(AFSA)存在收敛速度慢和寻优精度低等问题,本文提出了一种改进人工鱼群算法(IAFSA).该算法中的人工鱼能够根据鱼群当前状态调整自身的视野和步长来平衡局部搜索和全局搜索.此外,算法中还加入了引导行为,即人工鱼在觅食行为未发现更优的位置时,当前人工鱼向最优人工鱼移动一步.仿真结果表明,改进人工鱼群算法在收敛速度、寻优精度和克服局部极值等方面有很大优势.本文将改进鱼群算法应用时滞系统的辨识中,辨识结果表明改进算法能获取被控对象的精准数学模型,并具有较强的抗干扰能力.     

无人机组合导航系统的自适应算法研究

为了缩短捷联惯导系统的初始对准时间并提高对准精度,分别设计了常规卡尔曼滤波器和自适应卡尔曼滤波器用于精对准。在系统噪声统计特性未知时,自适应卡尔曼滤波算法利用滤波残差的均值和方差,不断对卡尔曼滤波的状态噪声方差阵和测量噪声方差阵进行实时修正,从而提高滤波器对模型不确定性和噪声变化的适应能力和鲁棒性。仿真结果表明,使用自适应UKF算法与常规的UKF算法相比,可以获得更优的对准精度和快速性。