基于不对称边界的变精度粗糙集的参数选择

不对称边界的变精度粗糙集是Pawlak粗糙集、变精度粗糙集的推广,在l和u参数作用下,使粗糙集模型更加一般化,完善了近似空间的概念。基于不对称变精度粗糙集模型研究的基础上,提出了分类质量和依赖度的方法对不精确信息进行度量,对决策表进行约简。在l,u值的选取,提出了单参数控制的方法,通过l,u-质量图分析和计算验证了方法的有效性。     

基于π型舵船舶减纵摇广义预测控制研究

针对π型舵船舶减纵摇问题,建立了船舶舵减纵摇状态空间数学模型,基于广义预测控制理论,经过适当简化,推导出一种用于π型舵船舶减纵摇状态空间模型的输出多步预测和广义预测控制律并进行仿真研究。对于白噪声干扰情况,利用线性Kalman滤波器估计系统状态,以水翼艇为研究对象进行了仿真。仿真结果表明:有效可行、简便实用并具有良好的参数鲁棒性,获得了良好的减纵摇控制效果。     

一个支持战争分析仿真实验的策略模型

针对战争分析仿真实验运行控制过程中的新要求,在介绍战争分析仿真引擎的基础上,提出一种支持战争分析仿真实验的仿真运行机制模型,即集成策略-运行策略-应用策略模型,并给出了相关的关键算法,使得能够实现模型集成和驱动机制、可控实验、单方评估/对抗仿真等多种仿真需求,完成对战争分析的虚拟实验。     

自适应阶梯模糊控制在电涡流缓速器中的应用

分析了电涡流缓速器在制动过程中所要求的恒速模式及在制动中出现的热衰退现象，提出了采用自适应阶梯模糊控制方法．该方法采用分段调节的机制，通过在线改变规则中的调整因子α，使得电涡流缓速器控制器根据实时转速和转子盘温度的变化，调整模糊控制规则，最终使得电涡流缓速器输出的励磁电流根据转速和转子盘温度实时调节．通过在电涡流缓速器转鼓实验台上对该算法进行验证，对比常规的控制方法，该方法具有更好的控制性能．     

基于模糊神经网络的车辆避撞预警算法

为实现车辆的智能控制提供理论基础，研究了碰撞预警算法．在分析不同驾驶员的驾驶行为的基础上，确定碰撞预警算法的报警准则，用于指导报警算法做出合理的报警．基于报警准则采用模糊神经网络方法，提出一种多输入、多输出的协作预警算法模型，用于支持碰撞预警系统．利用实测数据对预警算法进行测试，试验结果表明，算法能够对车辆碰撞进行有效的报警，对提高车辆行驶的安全性具有重要意义．     

扩展卡尔曼滤波器在永磁同步电机控制中的应用

研究了一种针对内永磁同步电机（IPMSM）动态系统的非线性、时变及实时噪声干扰特点进行精确参数估计的扩展卡尔曼滤波观测器．由于内永磁同步电机q轴电感大于d轴电感，为了保证电磁转矩和负载角变化趋势一致，必须使定子磁链给定幅值限制在一定范围内．鉴于系统暂态和稳态运行的要求不同，为达到最优控制，采用控制定子磁链给定幅值以达到最大转矩／磁链（MPTF）的直接转矩控制算法对定子磁链给定幅值进行控制．仿真结果表明采用此算法可极大地提高IPMSM调速系统的运行效率．运用该方法的电机调速范围广并且在低速区运行良好．     

不同系统之间的混沌同步

基于稳定性理论，针对SQCF系统和SCCF系统提出了两种不同系统之间的混沌同步控制策略：一是选取一正定的李亚普诺夫函数，基于李亚普诺夫直接法求出混沌同步的控制量，从而使两个不同的系统达到混沌同步；二是运用激活控制法实现两个不同系统的混沌同步．这两种方法均适用于一般的混沌系统，并用Mathematica软件给出了数值模拟．理论分析及仿真结果都表明该方法可以较快地实现不同系统之间的混沌同步．     

K-S方程的精确边界控制

运用Fourier基函数的展开以及Fourier变换的方法研究带有周期边界条件的Kuramoto—Sivashinsky方程在有限时间区间[0，T]上的精确控制．首先研究线性化K—S方程的精确控制，运用Reimann—Lebesgue收敛定理以及Riese基函数的性质证明了在给定的时间T〉0，对于两个任意给定的函数u0（x），u1（x）属于一定的Sobolev空间，总能找到一个控制函数使得线性化K—S方程有一个存在于某一合适的空间的解u（x，t）使其满足u（x，0）=u0（x），u（x，t）=u1（x）。然后结合线性化K—S方程的精确控制，再通过定义Fredholm算子并应用此算子的一些理论可以找到K—S方程的控制函数，使其达到精确控制．     

技术:从控制自然手段到被控制对象

技术在人们的认知和实践中一直是控制自然的手段。但随着全球性问题的加剧以及技术负面效应的突显,人们开始将技术作为被控制的对象。将技术作为被控制的对象,是历史发展的必然、是对技术异化的消解、是对人的主体性和工具理性反思的结果,也是技术哲学发展的最新阶段。将技术作为被控制的对象,有利于恢复文化与技术之间被破坏了的相互关系、缩短未来经济中的不确定性因素、响应人类未来命运的召唤、促进人的自由解放等。     

一种自动分割视频对象的新方法

提出了一种视频对象自动分割及跟踪方法。该算法首先进行相邻帧差分检测和Canny边缘提取,得到相邻帧差分边缘模板;其次在相邻帧差分边缘和当前帧边缘的基础上,检测出视频对象的初始边缘模板。然后分为快变和慢变两部分进行跟踪,并对视频对象边缘模板更新以适应对象的运动;最后根据跟踪更新出的视频对象二值边缘模板,通过文中提出的填充技术及模板轮廓修正得到精确的视频对象模板提取出视频对象。实验验证表明,该算法对目标的整体运动和局部形变都有较强的适应性。此外,算法还具有简便、准确性高的特点。