改进的遗传谐振匹配网络学习算法

针对简单自适应匹配（SFAM）网络结构冗余的问题提出一种改进遗传谐振匹配网络学习算法.通过引入群体适应度均值和标准差来自适应调整交叉概率和变异概率;针对自适应谐振网络自身在训练过程中可能出现的类冗余问题,在遗传操作中引入裁剪算子,通过定义置信度因子依据规则对训练过程中网络可能出现的冗余类标志节点进行删除,降低网络结构的...     

认知无线电中基于双自适应门限和簇的协作频谱检测

认知无线电(CR)被提出来是为了解决频谱资源短缺和低频谱利用率的问题。它允许认知用户在授权用户空闲的时候机会地接入未占用的频谱。因此,快速而又准确地检测授权用户信号是认知无线电系统的基础。为了提高认知无线电网络协作频谱检测的性能,利用了最优化的本地频谱检测,并结合了基于簇的网络模型。首先,将认知用户分为若干个簇,并选出簇头节点。在同一个簇中的认知用户,共同做出一个簇判决。之后,各个簇头节点进行通信做出全局判决。此外,信噪比(SNR)高的认知用户,向信噪比低的认知用户发送辅助信息,以帮助它们利用自适应双门限法,更加准确地完成本地频谱检测。通过仿真可以发现,本地频谱检测和全局频谱检测的性能都得到了提高。     

基于电流控制环的参数自适应永磁同步电机研究

针对永磁同步电机伺服系统,其电阻、磁通等参数会发生变化,使电流控制环性能变差的情况,提出了一种在同一模型中对电阻、电感与磁通进行辨识的自适应控制方法.该方法首先使用统计求均值的方法辨识电机的电感,然后根据波波夫超稳定理论设计电阻与磁通的模型参考辨识方法,并利用这些辨识值修正PID控制的系数.仿真结果表明,系统可以快速地...     

一种神经网络结构优化算法研究

提出一种广义自适应前馈网络算法,通过调节参数 ,若满足预先设置的范围,那么输入层和各隐节点规模被认为是合适的,即令网络结构按精度和推广能力来综合考虑,且将输入层中一些无关因素删除,以避免维数灾难。     

一种求解属性约简优化的协同粒子群算法

针对粗糙属性约简优化问题,利用粒子群寻求最优解的优势,提出一种改进的粗糙集属性约简优化的协同粒子群算法(AR-CPSO)。在最优属性寻求过程中,该算法使粒子群在属性空间通过约简集向量的分解和邻域簇的协同学习提高其寻优能力,并利用自适应约束强化罚函数较好地收敛到最优目标属性约简集。该算法能始终保持种群的多样性、协作性,并避免过早地陷入局部最优。相关仿真实验表明,AR-CPSO算法能有效地找到全局最优属性约简集,具有较强的属性协同约简优化性能。     

基于子带能量分布的图像自适应压缩采样方法

针对人眼对图像低频成分敏感而对高频细节相对不敏感的特点,在分析图像子带能量分布特性的基础上,提出了一种基于子带能量分布的图像自适应加权压缩采样方法．该方法通过提取图像分块离散余弦变换各系数子带的能量,进而用于对测量过程进行加权修正,最终实现了对不同子带系数有区别的压缩投影．比较同类研究结果表明：提出的加权压缩采样方法在...     

一类非线性系统的自适应模糊控制器设计及稳定性分析

首先建立一种动态T-S模糊子系统,用于估计非线性系统,然后设计一种稳定的参考模型,其前件与T-S模糊子系统相同.在此基础上,提出一种反馈控制器,其控制矩阵采用线性矩阵不等式(LMI)的方法进行求解,使得在数学模型已知的情况下,闭环系统渐近稳定.此外,为补偿和消除实际系统中常存在的参数不确定性和外部干扰的影响,进一步提出...     

一般非线性系统的鲁棒适应控制

主要对结构不确定性中含有未知参数和未知非线性函数的非线性系统,在参数上界未知的情况下,对参数进行在线估计,设计出适应控制器.     

一种基于样本块的图像超分辨率方法研究

提出了一种在马尔科夫网络框架下基于样本块的图像超分辨率算法。算法根据相似性选取多个样本块作为图像重建的候选,在候选集中计算图像块先验概率和图像块之间的相容性,最后在马尔科夫框架下选取最优图像块,合成最终的高分辨率图像。实验证明本文提出的算法具有较好的超分辨率效果。     

基于遗传算法的PID控制器设计及仿真

分析了浮力调节装置实验系统的功能和结构,建立了数学模型.为了使控制器参数能够适应系统模型的改变,设计了基于遗传算法的自整定PID控制器,针对其液压系统中的多余压力提出了基于结构不变性原理的控制策略.对实验系统的控制模型进行仿真分析,结果表明：所设计的控制系统能够克服多余压力和模型参数时变2大控制难点,在不同的工况下能够始终保持良好的控制性能.