基于多层前馈型神经元网络模型的摄像机定标算法

针对传统线性、非线性摄像机定标算法的鲁棒性,提出了基于多层前馈型神经元（MLFN）网络模型来替代传统精确的摄像机定标数学模型,MLFN网络模型作为层状网络可实现任意维复杂的输入／输出映射,对于无需计算摄像机构,外参数的应用场合,该模型提供了一种实用且有较好鲁棒性的摄像机定标算法,同时为了补偿摄影机非线性畸变,把图像按畸变程度分割成两个区域,分别建立各自基于MLFN网络的摄像机定标模型,实验表明,该方法有效补了畸变,并提高了模型精度,给出了基于MLFN网络模型摄像机定标算法实验,验证了该模型的有效性。     

基于状态反馈的广义双线性系统H∞容错控制

针对非线性系统的容错控制问题,以广义双线性系统为研究对象,基于非线性系统H∞控制的概念,提出了利用状态反馈控制器实现广义双线性系统容错控制的方法,给出了状态反馈控制器的存在条件和设计过程。设计的状态反馈控制器在无执行器故障和存在执行器故障的情况下,都能保证闭环系统渐近稳定,且闭环输入输出信号满足H∞性能指标,从而实现系统的容错控制。最后的仿真结果证明了该方法的有效性。     

无界时滞线性系统的反馈控制

对于具有无界时滞的系统设计了状态反馈控制器,研究了反馈控制系统的渐近稳定性. 利用李雅普诺夫理论,得出了闭环系统渐近稳定的几个充分条件. 算例说明了方法的有效性.     

B样条学习前馈控制器的设计研究

B样条学习前馈控制（LFFC）是一种在被控系统不能精确建模时仍能保证跟踪性的控制方法。本文详细给出了B样条学习前馈补偿器的设计方法，并将其应用到直接驱动的永磁直线同步电动机（PMLSM）伺服系统中。仿真结果表明，使用该方法设计的控制器能有效地降低负载扰动、端部效应及各种参数变化等对系统性能的影响，提高了直线伺服系统的跟踪精度。     

软测量在常减压加热炉控制方案中的应用

本项目针对蒸馏装置的特点和要求,实现主要产品质量指标和重要不可实测变量的在线实时计算;采用多变量模型预估协调控制策略,实现以产品质量指标直接控制为主的先进控制系统,在保证安全的前提下,改善操作水平,平稳质量卡边,提高轻组分收率,节能降耗。     

基于动量项前馈神经网络盲均衡算法

针对基于前馈神经网络的盲均衡算法中，BP优化算法具有收敛速度慢、易陷入局部极小的缺点，提出了一种新的盲均衡算法，该算法结合动量项前馈神经网络与传统恒模盲均衡算法的优点，将以前权值的调节量用于当前权值的修改过程，降低了算法对于误差曲面局部极值点的敏感性。仿真结果表明，该算法可有效抑制网络陷入局部极小，防止振荡，加快盲均衡器的收敛速度。     

随机马尔可夫跳跃系统的输出反馈镇定

针对不确定随机马尔可夫跳跃系统,研究其静态输出反馈控制问题.目的在于寻找输出反馈控制器使得闭环系统均方稳定.通过Lyapunov函数方法以矩阵不等式形式建立了这类系统输出反馈可镇定的充分条件;采用替换LMI(linear matrix inequality)方法给出了这些非线性矩阵不等式的一种解法,并给出了静态反馈控制律的求解算法.仿真算例说明所给方法的有效性.     

变频调速在卷接机组集中风力供给系统中的应用分析

针对卷接机组集中风力供给系统的特点,利用变频调速技术对系统进行恒压负反馈控制,使系统在不同负荷下运行稳定,确保卷接机组正常工作,同时节约能量.     

对几种多层前馈神经网络训练算法的研究

多层前馈神经网络具有模式识别能力强、训练算法多样等优点,但是其训练过程的低效率始终是多层前馈神经网络应用和发展的瓶颈。为了解决这个问题,科学家们提出了很多加速训练的算法。本文首先介绍了几种主要的训练算法及其思想,然后通过实验数据对这几种算法的收敛速度进行了比较。在此基础上本文阐明了几种算法的适用范围及其优缺点。