基于矩阵规范化的直流电机自校正控制

直流电动机实际运行中,模型参数往往会受到运行环境、工况等条件的影响而发生变化,从而导致其系统模型的不确定性.为解决在上述条件下的控制器设计问题,本文介绍了一种基于自校正调节(Self-tuning Regulation)原理的自适应控制算法.该算法利用矩阵规范化的递推最小二乘法(Recursive Least Squares with Matrix Regularization,RLSMR)进行系统时变参数的在线估计,并针对实时辨识的参数采用极点配置(Pole Placement)方法来设计反馈控制器.计算机仿真结果表明,这种基于自校正调节的自适应控制算法对于直流电机的转速控制具有较理想的调节和跟踪能力,并能够很好地适应模型参数的变化.     

改进的多变量同步指数脑机接口分类算法

近年来,稳态视觉诱发电位（steady-state visual evoked potential, SSVEP）范式脑机接口（Brain-computer interface, BCI）得到了日益广泛的研究。如何选择不同的分类特征,对于提高频率识别的准确率,改善SSVEP-BCI系统至关重要。针对少目标刺激范式的SSVEP-BCI系统,本文提出小波包变换（wavelet packet transform, WPT）同多变量同步指数（multivariate synchronization index,MSI）相结合的方法,对10名被试者的400组SSVEP数据进行特征提取并分类。在分类过程中,讨论了在导联数量和数据长度两个参数对改进算法的影响。实验结果表明：在数据长度为1.5 s,导联7导的条件下,基于WPT-MSI的SSVEP算法的分类准确率达到98.94%,信息传输率为76.24 bit/min。明显优于典型的MSI算法和其他改进算法,具有显著提高的频率识别正确率。