高分辨力驱动轮传感器的研究与设计

现有的驱动轮传感器采用的是单相光电式,分辨力低、抗干扰能力差,且不具备判向功能。在诸如瞬时滑转率测试等分辨力要求比较高的情况下不能满足要求。因此,对其进行了研究,采用先对传感器信号进行格雷码编码,然后,再进行处理的方案,设计出了具有高分辨力(提高了32倍)的驱动轮传感器,不担提高了抗干扰能力,并使其具有判向功能,同时,也简化了码盘的加工和制作。     

干涉型光纤陀螺微小信号的检测与分析

干涉型光纤陀螺(IFOG)是一种新型的光学陀螺仪,其性能直接决定了惯性导航系统的精度。由于静态情况下IFOG的模拟信号较弱小,容易被各种噪声淹没,因此,无法对IFOG的静态性能做出正确的评估。针对某型号IFOG输出信号的特点,提出了一种微弱信号检测和滤波方案,通过大量的静态和动态试验证明:该方案能显著提高IFOG输出信号的信噪比,将IFOG原始输出信号从各种噪声中有效、实时地提取出来。同时,该方案价格相对低廉。     

异构网络环境中的自适应在线故障检测

通过研究网络流量异常检测，提出一种新的基于自适应自回归(AAR)模型的在线故障检测算法．该算法只利用标准管理信息库，因此检测不依赖于特定产品类别，适用于异构网络环境．验证了流量信号的非平稳特性，并采用模拟获取的网络流量拟合AAR模型．由于不必将整个时间序列进行分片和单独拟合，算法可以直接处理获取的新数据，实现真正意义上的在线故障检测．利用时间平均方法消除了网络噪声的影响．在实验中，故障检测结果与预设的故障场景完全对应，进一步证明了该算法的准确性．     

一种基于信号相关性检测的自适应小波变换及应用

为了克服传统小波变换的不足,提出了一种用样本相关性检测信号特征的自适应小波变换降噪方法.该方法以第二代小波变换为基础,在小波变换时提供多组备选的预测器和更新器,用变换样本与相邻样本之间的相关性来检测信号的局部特征,并根据相关系数的大小来确定每一尺度上的每个样本的最佳预测器和更新器,使小波能够较好地适应信号的局部特征.模拟实验和工程应用的结果表明,该方法克服了传统小波降噪方法丢失原始信号局部信息的缺陷,不仅可以有效地去除原始信号中的噪声,而且能够保留原始信号的局部特征.     

感应电机自适应无源性控制方法及 dSPACE 实时仿真研究

利用本质上是非线性反馈控制的无源性控制 (PBC)方法与自适应控制相结合 ,实现负载转矩时变未知情形下磁链、转速的渐近跟踪 ,并可有效抑制由定、转子电阻变化引起的跟踪误差 .该方法从能量角度分析电机控制系统 ,确定不必抵消的“无功力” ,设计全局定义的控制律 ,具有形式简单、无奇异点、鲁棒性好等的特点 .基于dSPACE的在线仿真结果表明 :系统运行平稳 ,负载转矩时变未知时 ,仍可有效渐近跟踪期望的转子磁链和参考转速 ,具有较优的动静态响应特性     

基于模糊自适应谐振理论的彩色目标跟踪系统

提出了一种在变光照条件下进行彩色图像分割和目标跟踪的方法 .通过在色度、饱和度、亮度HSI(hue ,satura tion ,illumination)空间自组织非监督地进行颜色聚类 ,使用增加、削减和融合聚类的方法 ,寻找适当的聚类数量 ,使目标跟踪更加精确 .该方法基于模糊自适应谐振理论 (fuzzyadaptiveresonancetheory ,FuzzyART) ,具有在线升级目标颜色模型的能力 ,可以克服环境光线变化所带来的影响 .在复杂背景和变光照条件下的目标跟踪实验结果证实了该方法的有效性 .     

基于信号谱熵的模糊Hamming网络缺陷识别

无缝钢管损伤监测和诊断的关键在于缺陷信号特征的提取和识别，作者研究了无缝钢管内伤、外伤及孔洞等缺陷信号的频域特征，提取信号二维谱熵指标作为特征指标，运用改进的模糊Hamming神经网络识别方法，对无缝钢管的缺陷进行识别，结果表明，该方法具有很高的识别精度，实例中识别准确率达100％，由于该识别方法不需要示教学习过程，因此能够应用于实时在线缺陷识别。     

基于自适应滤波算法的FIR MIMO系统均衡

为了实现对多输入多输出(MIMO)系统的均衡,提出了一种基于自适应滤波算法的自适应均衡方法。应用判决反馈式均衡器(DFE)的结构,把MIMO信道均衡问题的模型建模成一个简化的滤波模型。这个滤波模型使MIMO系统均衡问题中均衡器的设计问题转化为自适应滤波中最优滤波器的设计问题。两种典型自适应滤波器设计算法——LMS算法和RLS算法被应用于该模型中进行仿真,仿真结果显示了算法的收敛性和均衡方法的可行性。这种自适应均衡方法不需要对信道进行辨识,具有较小的运算量,并且可以适应信道变化。     

非线性时间序列的重构及预测

采用自适应前馈网络算法(AFN)进行非线性时序预测，对网络结构设计进行详细的探讨，并应用该方法对经典非线性时间序列数据进行预测，与传统预测方法(TAR)比较，结果证明此种方法具有较好的效果，网络的结构得到了简化。不仅满足了误差目标的要求，而且提高了网络的推广能力。且AFN方法可以对时间序列数据间的关系给出一种基于贡献率的解释。     

非线性系统的积分变结构间接自适应模糊控制

讨论了一类不确定非线性系统的间接自适应模糊控制问题 .基于变结构控制原理 ,并利用具有线性可调参数的模糊系统去逼近过程未知函数 ,提出一种具有监督控制器的积分变结构自适应模糊控制方法 .该方法通过监督控制器保证闭环系统所有信号有界 .进一步通过引入最优逼近误差的自适应补偿项来消除建模误差的影响 .理论分析证明了跟踪误差收敛到零 .仿真结果表明了该方法的有效性