离散时不变线性系统的自适应控制

针对含未建模动态和外来干扰的离散ＳＩＳＯ线性系统，提出一种具普遍性的自适应控制方法，这种控制器的设计是基于系统的已知降阶模型，对建模部分的未知参数采用带来死区的加权最小二乘法进行参数递推估计，从而得到稳健的自适应控制。     

基于非负矩阵分解新的人脸识别方法

非负矩阵分解是一个新的特征提取方法,基于非矩阵分解的理论,提出了具有正交性的投影轴的计算方法和具有统计不相关性的投影轴的计算方法。与原非负矩阵分解方法,提出的方法在某种程度上是降低了特征矢量之间的统计相关性,并且提高识别率。通过在ORL人脸库和YALE人脸库上进行实验,结果表明提出的两种特征提取方法在识别率方面整体上好于原非负矩阵分解特征提取(NMF)方法,甚至超过主成分分析(PCA)法。     

离散线性系统的集员辨识

针对含有随机干扰的ＣＡＤ模型系统，基于系统的输入，输出数据及一定的验前分布已知的条件，应用娄理统计中的Ｂａｙｅｓ方法，对其模型的参数进行集员辨识，从而得到一个以大概率包含参数直值的集合。     

基于最大间距准则(MMC)新的有效特征提取方法

基于最大间距准则(Maximum Margin Criterion,MMC)下,提出一组具有标准正交性的最佳鉴别矢量的计算方法和一组具有统计不相关性的最佳鉴别矢量的计算方法。这种方法的目的是寻求一组最佳鉴别矢量既要使投影变换后的特征空间的类间散度最大,而类内散度最小;又要减小最佳鉴别矢量间的统计相关性。与原MMC特征提取方法相比,新的特征提取方法降低了甚至消除了最佳鉴别矢量间的统计相关性,提高了识别率。通过分别在ORL人脸库和NUST603人脸库上实验结果表明提出的具有统计不相关性的MMC特征提取方法在识别率方面整体上好于原MMC特征提取方法和常用的主成分分析(PCA)法。另外,揭示了MMC准则特征提取与Fisher准则特征提取的内在关系。     

多维位置数据最优融合方法

本文给出了一种多传感器多维位置数据融合的方法。这种方法基于多维位置数据的鲁棒估计和最小方差结合法。每个传感器用鲁棒估计得到自身数据的位置估计和方差估计,把这些估计融合为一个最优估计,即传感器系统的估计。     

基于能量法的基桩变形P-Δ效应模拟分析

复杂荷载下基桩受力分析是桩基设计计算重要内容之一.引入能量原理,针对基桩荷载倾斜与偏心的特殊情况,并考虑土体的成层特性,建立了三维基桩-土体系统能量控制微分方程.在此基础上,结合不同边界条件及桩土位移条件,基于有限差分方式得出了倾斜偏心荷载下基桩位移的半解析解答,该解答可充分考虑轴向与横向荷载共同作用对基桩变形的P-Δ放大效应.而后,开展了倾斜偏心荷载下单桩的室内模型加载验证试验.对比结果表明,本文理论解答与试验测试结果吻合较好,较好地模拟了组合荷载下基桩变形P-Δ放大效应.最后,对影响基桩P-Δ放大效应的主要因素进行了分析,结果表明,轴、横向荷载相对大小、桩顶自由段长度、桩身刚度及浅层地基土刚度等都对P-Δ放大效应有较大影响.     

多传感器信息融合方法与仿真

给出了一种多传感器多维位置数据融合的方法．这种方法基于多维位置数据的鲁棒估计和最小方差结合法．每个传感器用鲁棒估计得到自身数据的位置估计和方差估计，把这些估计融合为一个最优估计，即传感器系统的估计．     

基于模糊集理论的二维线性鉴别分析新方法

二维线性鉴别分析（２DLDA）是一种直接基于矩阵的特征提取方法,跳过传统的基于Fisher鉴别准则 的线性鉴别分析方法中必须先将二维矩阵转化成一维矢量的过程,有效地提高了特征提取速度且避免了小样本 问题,其识别率优于传统的Fisherface方法。结合模糊集理论,提出了一种新的２DLDA算法———模糊２DLDA （F１DLDA）算法。首先采用FKNN算法得到相应的样本分布信息,并按其对最后得到的特征向量所作的贡献融入 到特征抽取过程中,得到有效的样本特征向量集。实验表明,F２DLDA算法的性能优于传统的２     

基于多环控制的Buck-Boost型LED驱动系统设计

在OCC（One Cycle Control）控制Buck-Boost型LED照明驱动的基础上提出一种多环控制策略,设计了Buck-Boost型高效LED照明驱动系统.重点阐述多环控制策略原理,建立系统模型,并分析了控制系统相关性能.系统仿真表明,新型多环控制系统具有功率因数高、输出阻抗低、动态性能好等性能,达到了预期目标.     

多传感器信息融合方法与仿真

给出了一种多传感器多维位置数据融合的方法。这种方法基于多维位置数据的鲁棒估计和最小方差结合法。每个传感器用鲁棒估计得到自身数据的位置估计和方差估计,把这些估计融合为一个最优估计,即传感器系统的估计。