基于小波神经网络的自适应逆控制及其应用

神经网络控制特别适用于具有非线性和不确定性因素的系统。采用小波神经网络(WNN)对飞行仿真转台的直流伺服系统进行实时辨识,得到其逆模型。然后将这一训练后的网络作为前馈控制器与常规反馈控制器结合构成并行自适应逆控制器,控制转台跟踪指定的速度和位置轨线。仿真结果表明该方法的有效性。     

CDMA通信系统自适应功率控制仿真的研究

无线通信CDMA（码分多址）系统中，给出了一种联合功率控制与多用户检测的两步迭代功率控制算法，并通过数值仿真与传统的功率控制算法进行了比较。仿真结果表明，该控制方法不仅节省了总功率、而且有更快的收敛速度，并能支持更多的用户。     

基于BP神经网络与小波的控制研究

本文利用ＢＰ神经网络对被控对象进行在线辨识以及利用ＢＰ神经网络与小波对被控对象进行控制，通过某电厂过热器汽温为对象仿真验证此方法比一般ＢＰ神经网络效果好     

一种基于自适应小波网络的非线性控制设计

针对含有未建模动态的非线性系统,结合非线性动态逆和小波网络提出了一种新的非线性控制方法。根据小波网络的逼近特性,利用具有在线学习能力的单隐层小波网络来补偿动态逆的误差,建立了基于自适应小波网络的控制结构,用李雅普洛夫函数导出了小波网络权值的自适应调整規则。通过自适应调节,使控制系统能对受控对象及时地作出反应。最后分析了小波网络的结构和输入。     

基于小波分析的控制系统分析和设计平台WaveLab

介绍了本课题组完成的基于小波分析的控制系统分析和设计平台ＷａｖｅＬａｂ。该平台基于Ｗｉｎｄｏｗｓ操作系统,具有丰富的控制系统仿真、分析计算和设计功能。平台建立了开放性的结构,具有高度可扩展性,可以把新的数据类型和小波分析算法扩充进来。ＷａｖｅＬａｂ初步实现了基于小波分析进行控制系统分析和设计的目标。     

基于树型小波和灰度共生矩阵的SAR图像分类

SAR图像包含有相干斑噪声 ,传统的方法不能很好地对SAR图像进行分类。为了能对SAR进行精确分类 ,将图像的灰度和纹理特征 ,空域和频域特征相结合 ,提出了一种新的SAR图像分类方法。该方法采用由树型小波中频纹理能量特征、灰度共生矩阵特征、树型小波滤波后的灰度组成的特征矢量对SAR图像进行分类。实验结果分析表明 ,该方法是一种有效的SAR图像分类方法。     

多业务CDMA通信系统联合功率控制

结合多用户检测技术,对于多业务CDMA移动通信系统的上行链路功率控制问题,提出了一种联合功率控制算法。考虑实际系统可能存在负载过重情况,按照业务优先级,逐步切除过载用户,以满足其他用户的QoS。对三类业务进行了仿真研究,表明所给出的联合功率控制算法比传统的功率控制算法节省用户的发射功率,可以支持更多的用户接入小区,增加系统容量。     

基于小波分析和SOM网络的交通事件检测算法

本文提出一种结合小波分析和SOM（自组织特征映射）神经网络的交通事件检测算法。论文首先利用小波分析检测交通流初始信号的奇异性．然后将小波系数作为SOM网络的输入．对信号奇异点进行分类,再根据分类标准判断交通流状态，并运用Matlab进行了仿真分析。结果表明提出的交通事件检测算法利用较少样本数据即可快速实现交通事件检测，具有潜在的应用价值。     

一种基于遗传算法的小波神经网

网络的优化学习是人工神经研究中的一个重要问题.将遗传算法全局性优化搜索和小波分析的时-频局部性特点相结合,本文提出了一种基于遗传算法学习的小波神经网络--遗传算法小波神经网络(WNNGA).三位异或问题和双螺旋问题的实验结果证明,遗传算法小波神经网络不仅继承了小波分析良好的局部性及其神经网络的学习和推广能力,而且具有遗传算法全局快速寻优的特点,是多层前向神经网络学习的一种理想算法.     

基于方向小波的差值滤波图像去噪算法

针对利用方向小波的多方向框架分割图像时形成的像素序列长度的不同,提出一种新的基于方向小波的差值滤波图像去噪算法.该算法根据白噪声分布规则,将像素序列分成两组,分别采用不同的阈值萎缩方法,并将所产生的方向子图像进一步的作差值滤波处理,最后对所有子图像进行线性平均.对含不同程度高斯白噪声的图像去噪仿真实验表明,与其他小波阈值去噪方法相比,该算法能更有效的去除噪声和保持图像纹理细节,信噪比提高1～3dB.     

用小波包测量无功功率

介绍用小波包求基于Budeanu定义的无功功率的新算法。小波包可以对小波空间进一步分解,把给定信号分解到更多频段,从而提高频率分辨率,分解到各频段的信号是时域信号,可以求出给定信号在各频段的参数。小波包分解是一种比多分辨率分析更加精细的分解方法,通过小波包分解的信号具有更好的时频特性。将电压、电流和各次谐波分别移90的电压正交小波包分解,用分解系数可求出无功功率,以及电压有效值、电流有效值、有功功率等,还可以求出各子带上的有功功率及无功功率。对算法进行了仿真研究。     

基于小波能量谱的舰船目标信号特征量建模

为在舰船目标识别、分类中有效选取特征量,采用小波变换获取舰船辐射噪声信号的小波能量谱,然后计算不同类目标信号的类平均小波能量谱之间距离信号的λ水平能量聚点,据此选取能量谱差异显著的频段,最后对各能量谱作聚类分析实现特征压缩并确定特征量。在舰船声场通过特性研究中的应用表明,该方法具有识别与分类准确率高的特点。     

基于支持向量机的非线性模型预测控制

支持向量机是基于统计学习理论的新一代机器学习技术。由于使用结构风险最小化原则代替经验风险最小化原则,使它较好地解决了小样本情况下的学习问题。又由于采用了核函数思想,使它把非线性问题转化为线性问题来解决,降低了算法的复杂度。提出了一种基于支持向量机的模型预测控制结构,并使用一个新的随机搜索优化算法来求解预测控制律,计算机仿真证明了所设计的控制算法的正确性和有效性。     

基于小波神经网络的混合动力汽车实时控制策略

提出了基于小波神经网络的并联式混合动力汽车实时控制策略,用以控制混合动力系统的转矩分配,以提高混合动力汽车燃油经济性。该策略采用一个小波神经网络控制器,结合瞬时优化控制策略得到的控制规则进行训练,实现对混合动力系统的实时控制。基于ADVISOR的仿真研究表明,该控制策略不仅能够保证车辆的燃油经济性,而且克服了瞬时优化控制策略难以实时控制的缺点。     

双PWM变换器功率前馈控制策略仿真研究

双PWM变换器常规直接功率控制结构下直流母线电压波动幅度较大,威胁系统的安全运行。为减小直流母线电压波动,根据瞬时有功功率平衡关系,提出一种功率前馈控制策略,即通过构建负载状态前馈通道,将电机侧瞬时有功功率直接前馈于网侧瞬时有功功率给定,从而避开了相对缓慢的电压外环间接调整功率的过程,大大加快了系统的响应速度,有效地抑制了直流母线电压的波动,进而可以减小中间电容的容量及系统的体积和成本。仿真结果验证了控制策略的有效性。     

火电厂DCS系统主控制室人机界面仿真评价研究

提出了火电厂DCS系统主控制室人机界面功能仿真评价方法,开发了主控制室功能仿真模型与人机界面评价软件.该方法可在主控制室投入运行之前对人机界面的设计与操纵员主观期望一致性进行仿真评价,减少由于人因设计不良而导致误读、误判和误操作的发生.构造了主控制室OM画面评价指标体系,运用层次分析法计算了OM画面评价指标的权值.采用操纵员作为评价主体对OM画面进行了功能仿真评价.评价结果表明,提出的火电厂DCS系统主控制室人机界面仿真评价方法能及时发现人机界面的设计缺陷,可用于工程应用前的人因设计评价.     

用小波变换和希尔伯特变换测量无功功率

介绍用小波变换和希尔伯特变换求基于Budeanu定义的无功功率的新方法。希尔伯特变换能将各次谐波电压分别平移90,不受频带宽度的限制,移相精度高。用小波变换可在时间域高效准确地求电压电流有效值、有功和无功。将电压、电流和各次谐波分别移90的电压正交小波分解,用分解系数可求出电压及电流有效值、有功和无功,还可以求出各子带上的有功及无功。最后对新方法进行了仿真研究。     

基于PCA和SVM的控制图失控模式智能识别方法

控制图是在线质量控制的重要工具,而利用控制图进行异常过程模式识别却是个困难问题。该文在分析现有控制图识别技术在实际应用中存在缺陷的基础上,提出了一种基于主元分析(PCA)和支持向量机(SVM)的控制图失控模式识别方法。首先,将控制图作为信息图用于趋势模式数据集提取;然后,通过对数据集的高维特征进行线性组合并向低维空间投影的方法,降低了分类器的输入维数,提高了各维特征的敏感性;最后,为了克服神经网络方法速度慢和泛化能力弱的缺陷,利用SVM小样本学习能力,有针对性地设计SVM多分类器进行模式识别。用一个含有6种趋势的20维特征仿真数据集对该方法进行检验,通过主元分析后,数据集的特征被降到了3维并保留了88%的分类信息。进一步的识别结果表明,该方法相对现有的BP、SLFM识别方法达到更高的识别率和识别速度,适合质量控制图在线实时识别。