虚拟参考反馈校正控制器参数的预测误差辨识

针对未知系统中双控制器的设计问题,采用虚拟参考反馈校正方法,通过最小化由一组观测数据组成的L2范数所构成的代价函数,达到直接设计控制器目的.联合前馈控制器分离出的固定部分和反馈控制器作为滤波器,对原输入/输出关系式进行重参数化,得到标准的预测误差辨识形式,在所得式中,对控制器未知参数矢量采用可分离迭代的非线性最小二乘法进行估算.文中还对算法的收敛性进行了理论分析,并通过仿真验证了所提方法的有效性.     

最优组合重新参数化

提出了一种最优的曲线重新参数化方法.该方法采用分段有理线性函数作为重新参数化函数来增加自由度.其中一个自由度用于保证连续性条件的满足,其余的自由度用于达到L2范数下的最优参数化.在不改变参数区问和参数域的情况下,得到在任意参数节点集上的C1连续有理参数化的显式表示形式.相对于新的参数,目标函数是线性的,最优值能够通过求解一个二次方程得到.最后用实例验证了新方法的有效性.     

基于结构重参数化的抗遮挡光场深度估计网络

针对光场深度估计网络结构中运算时间较长的问题，设计了一种能够被重参数化的多分支串联残差块结构（Res-DBLB），加快了网络运算速度，同时引入复合卷积块（RepConv）和卷积注意力模块（CBAM），优化网络性能.对于复杂的遮挡场景，利用深度图生成遮挡掩码，计算遮挡感知成本的构造函数，消除遮挡的负面影响.实验结果表明：与传统方法相比，该算法的均方误差和坏像素率更低，推理速度更快，同时在复杂遮挡场景中表现出较高的稳健性.