特征结构提取的高阶Hopfield神经网络实现

本文首先建立了特征结构提取问题的罚函数表示，通过对罚函数求极小可以求得原始协方差矩阵的主特征向量及其对应的特征值。为了求得其他特征结构，特构造了一个协方差矩阵序列。如果将罚函数展开并进行整理，高阶Ｈｏｐｆｉｅｌｄ神经网络可被引入到特征结构提取中。这种方法比较直观，它将网络稳定时的输出与所求协方差矩阵的主特征向量的各个分量相对应，而网络稳定时的能量则对应于协方差矩阵的迹与所求特征值之差，计算机仿真结果验证了这种方法的正确性。     

有时序多指标决策的关联分析法及灵敏度分析

本文提出了一种解决有时序多指标决策问题的新方法，即关联分析法，并在此基础上对排序结果进行灵敏度分析。方法运算简单，直观实用。     

神经网的自适应学习准则及其算法

无教师学习网络具有较强的自适应学习能力。本文讨论神经网的自适应学习准则，包括误差平方和准则，相关准则和模糊熵准则，同时给出相应的学习算法。     

多媒体通信的体系结构及其接口描述

本文论述了多媒体通信的体系结构模式及各层的逻辑功能，讨论了多媒体通信接口的组成和有关技术特征，并给出了基于接口描述语言（ＤＳＬ）的有关接口描述实例。     

发汗控制方程差分方法的误差增长分析

本文讨论发汗控制方程差分方法的误差增长，提出了使方法数值稳定的步长控制准则。     

关于谐波随机过程的四阶平稳性与四阶遍历性的一个结果

本文分析了由随机谐波构成的复信号的四阶矩之有限数据估计，得到了四阶平稳和四阶遍历的条件，给出了估计误差及其方差，以及它们大样本的极限值的显式表达式，最后考虑了它的一个特例，说明这一情形下的方差由遍历部分和非遍历部分组成。     

新体制多目标信号AOA与频率分选系统

基于现代谱估计理论与技术，论述了一种新体制多目标信号分选系统，可对多目标信号实现ＡＯＡ与频率的分选，并分析了系统的工程实现可行性，指出了应用前景。     

间歇反应过程的智能控制系统

本文为间歇反应过程的智能控制系统提出了一种框架，对其中各部分作了详细分析。并由此抽象出来，为一般性的智能控制系统建立了基本概念和结构模型。     

空间直接碰撞末制导总体设计与侧向控制力选择

本文是空间直接碰撞拦截器末制导研究的一部分，其目的是确立空间栏截器末制导总体设计的正确思路，降低各分系统研制难度。文章在分析了末制导系统设计的基本矛盾和以往设计存在问题之后，提出解决问题的新思路，即紧紧围绕着大侧向过载修偏并实现高精度制导与控制的思想，系统地设计了末制导的方法，并从总体优化角度证明了采用大侧向力修偏的合理性，由此表明新的设计思想在研究中的重要性。     

一种面向对象与人工智能相结合的问题求解方法

本文针对一类智能决策支持系统中，基于模型行为仿真解题过程自动化的需要，提出对模型的一阶逻辑型知识表达和面向对象型模型处理过程的形式化体系。将自动求解过程转化为逻辑运算过程。     

基于人工物理的群机器人网格分布仿真

群机器人学是多机器人系统的一个重要研究方向,其主要特点是系统包含大量个体。如何控制不受数量限制的群机器人系统,是一个极具挑战性的问题。网格分布是指大量机器人按照一定的要求均匀分布在某一区域中。基于人工物理原理分析了群机器人网格分布控制原理和方法,制定了详细的系统性能评价指标(稳定时间、碰撞次数、覆盖率、连接数、簇数、分布密度等参数),提出了采用曲线拟合法构建虚拟力模型。通过在无障碍物和有障碍物环境中的网格分布仿真,显示出该方法可以鲁棒、有效的完成网格分布。最后指出了今后的研究方向。     

基于ADAMS的移动机器人滑移量重建与补偿控制

主要研究利用基于ADAMS的虚拟样机技术重建移动机器人在不同路面条件下的滑移量,并进行滑移补偿控制的问题.首先利用机械系统动力学分析软件 ADAMS 创建轮式机器人的整体模型(包括车体模型、路面环境模型以及轮胎模型).利用此模型在 ADAMS 环境中进行仿真,模拟在不同路面条件下移动机器人的滑移效果,并根据机器人的运动学特性重建出不可测的滑移量.将滑移量传递给控制器参数设计出滑移补偿控制器,并进行了ADAMS与MATLAB联合仿真.仿真效果表明该控制器可以有效地补偿滑移效果,改善移动机器人在滑移状态下的控制精度.     

基于动力学系统的非完整移动机器人的跟踪控制

为解决具有两个驱动轮的受非完整约束移动机器人的轨迹跟踪问题,文章从机器人的动力学和运动学模型出发,设计出一种结构简单的控制器,该控制器利用单神经元网络的自学习和自适应能力,来克服未建模的系统扰动,并用Lyapunov函数对所设计的控制器进行了稳定性分析。最后仿真结果验证了所设计的控制器的有效性。     

移动机器人激光全局定位系统的算法研究

介绍了一种新型的移动机器人激光全局定位系统.重点讨论了结构化环境中移动机器人的全局定位方法,提出了一种新的基于最小二乘法的迭代搜索定位算法.全方位移动机器人平台上进行的定位实验,证实了该算法的有效性.     

高速并行多处理器系统原理及方案

当前,计算机应用领域对计算机的运算处理速度要求越来越高,而提高单机系统的处理能力是有限的,同时系统成本也会很高。因此并行处理技术成为解决这一矛盾的有效方法之一。并行处理系统从硬件角度采看,基本可分为两类;基于低信道容量网络的多计算机系统。这类系统多用于各结点信息藕合比较小、实时性要求不高的松散藕合系统。另一类即是紧藕合的多处理器系统。本文介绍一种已工程实用化了的紧藕合实时多处理器系统。该系统为研究多处理系统的并行算法、任务的实时划分、调度管理等关键技术提供了一个良好的硬件平台及软件环境,该系统可广泛用于要求迭代速率非常高的实时控制与实时仿真系统。     

基于多智能体的分布式交通信号协调控制方法

通过建立交通信号控制智能体BDI模型,提出了一种基于多智能体的分布式交通信号协调控制方法.通过相邻路口信号控制智能体的信息交互和协调,在确保路口绿灯时间利用率较高的前提下,尽量使相邻路口驶来的车队不停车地通过路口.编制交通控制微观仿真软件,在一个由8个路口组成的交通网络中对多种信号控制方式进行仿真实验,实验结果表明这种新控制方法的控制效果明显优于传统的定时控制和感应控制方式.     

基于模糊多模型的专家PID在主汽温控制系统中的应用研究

针对电厂主汽温度系统参数时变的特点,常规单控制器难以取得满意控制效果,提出了基于模糊多模型的专家PID控制方法。仿真结果表明,主汽温度在负荷变化的扰动下,能适应对象参数的变化并表现出良好的控制品质。     

一种有时间约束的多车辆协作路径模型及算法

分析了有时间约束的基于多车辆协作的随机路径问题。提出了问题的随机规划期望值模型。设计了问题中的两车辆协作的随机路径问题的遗传算法，在遗传算法中采用时间惩罚过滤算子优化了初始种群，提高了收敛速度。给出了算法的应用示例。表明了模型和算法是多车辆协作随机路径问题的一种有效算法。为研究多车辆协作的随机路径问题提供了新的理论和方法。     

基于神经网络的非线性动态系统的多内模控制研究

由于非线性动态系统的复杂性,目前还没有统一的控制器设计方法,用传统的线性系统理论来设计,当工作点大范围变化时,很难保证其性能及稳定性.在人工神经网络内模控制系统中建立了神经网络内部模型和神经网络内模控制器,提出了基于多模型的内模控制方法,它对非线性动态过程的控制具有良好的性能.在此基出上,给出了方便易行控制算法,仿真分析结果验证了控制算法的有效性.     

模块化自重构机器人变形算法的仿真研究

自重构机器人是一个由众多模块组成的非线性复杂系统,非线性造成的计算复杂性使得传统的控制算法难以解决机器人的运动和变形规划问题。我们提出了一种全离散变形方法,针对不同的系统和不同的任务建立不同的模块运动规则,再由模块根据局部感知信息和相应的运动规则同步运动来获得合理的运动序列,实现全局变形。这可以大大简化自重构机器人变形的复杂性,简化变形步骤,并且实现自重构机器人的自组织变形。本文建立了仿真平台对几个典型的2维系统的变形算法问题进行了研究和验证。