基于长短期记忆网络的解码器设计及闭环脑机接口系统构建

随着脑机接口技术的发展,该技术在残疾人肢体功能恢复等方面应用越来越广泛。首先,在简介经典单关节信息传输模型基础上,设计并训练基于长短期记忆网络的解码器,代替原有脊椎电路通路将大脑信号传递给假肢;其次,为了在感觉反馈通路缺失时,仍能准确地恢复肢体运动功能,结合基于无模型控制策略设计的辅助控制器,构建闭环脑机接口系统,实现恢复关节活动障碍者缺失的感觉反馈通路从而实现跟踪期望轨迹的目的。由仿真可知,基于长短期记忆网络设计的解码器的离线解码效果良好。构建的闭环脑机接口系统对期望轨迹的跟踪以及缺失信息通路的恢复的结果验证了无模型控制辅助控制器良好的控制性能以及构建的闭环脑机接口系统的有效性。     

汽油发动机空燃比PID控制及其实验研究

针对汽油发动机气缸进气量变化引起空燃比变化的问题,设计一种基于PID的反馈控制器保证空燃比能够快速恢复到理想值。首先给出一种基于模型的进气量估计算法,在此基础上设计了空燃比前馈控制器;然后将前馈控制与PID反馈控制相结合实现发动机喷油量的调节,利用基于实际实验数据构建的仿真器对提出的算法进行数值仿真研究与分析;最后通过发动机实时控制实验平台验证了控制算法的有效性。     

基于受限玻尔兹曼机的神经元群体响应的贝叶斯解码

神经元通过尖峰模式传递有关刺激的信息,多个神经元通过突触相互联系,构成了复杂的神经回路。在过去的一个世纪中,多电极记录技术的进步使科学家们能够获取一个完整神经回路的细胞响应。这些记录表明,神经元的活动之间存在显著相关性。因此,本文提出利用受限玻尔兹曼机模型描述神经元响应活动之间的相关性,建立神经元群体响应的编码模型,并利用贝叶斯定理构建了基于受限玻尔兹曼机模型的解码器,将它应用于模拟的小鼠视觉皮层神经元的响应序列中。实验结果表明,此解码器在准确率方面优于不考虑神经元之间相关性的独立模型解码器。     

单轮自平衡机器车的系统建模与最优控制

针对高阶次、多变量、非线性、欠驱动的单轮自平衡车系统,提出了一种改进的最优控制算法.首先采用拉格朗日方程推导出力学模型,线性化后,得到系统的线性化方程,然后分别利用线性二次型最优控制算法和基于对称根轨迹的最优控制算法实现了单轮机器车的平衡控制和动态稳定.通过比较可以看出,基于对称根轨迹的最优控制算法较传统的最优控制算法有更好的稳定性和鲁棒性,仿真结果验证了力学模型的正确性和反馈线性化控制算法的有效性.     

轮毂电机驱动汽车纵向和横向稳定性联合控制

为了提高轮毂电机驱动汽车的纵横向稳定性,将汽车的横摆控制和防滑控制相结合,采用分层控制架构搭建纵向和横向稳定性联合控制模型.上层为力矩决策层.基于比例-积分-微分(PID)控制算法构建车辆纵向车速跟踪控制器;基于模糊P ID控制算法搭建驱动防滑控制器,采用前馈加反馈的控制方法决策出驱动防滑力矩;基于二阶滑模控制算法建立直接横摆力矩控制器,设计附加横摆力矩加权模块控制汽车的横摆特性.下层为力矩分配层.采用优化分配算法将上层决策出的总纵向力矩、驱动防滑力矩和直接横摆力矩合理地分配到4个车轮上.通过加速和转向联合仿真工况验证设计的纵横向稳定性控制策略的有效性.研究结果表明:车轮最大滑转率为0.17,横摆角速度最大偏差值为0.01 rad/s,质心侧偏角最大偏差值为0.011 rad,验证了控制算法的有效性.     

电场作用下海马锥体神经元等效应建模

为解决电磁刺激治疗癫痫神经疾病的有效性和安全性等问题,建立了容易引起癫痫发作的海马CA3区锥体神经元在外电场刺激下的等效应模型,并通过Matlab 数值仿真,分别研究了其在直流和交流外电场作用下的动力学特性。仿真结果表明,神经元的放电频率受到直流电场强度的调制,特别对电场的方向比较敏感。当电场为负向时,电场强度的变化对神经元的动力学特性影响明显,当电场为正向时,影响不明显;在交流电场刺激下,神经元的动力学特性改变具有外部电场频率依赖性,不同频率刺激下神经元会出现周期簇放电、同步放电、周期峰放电和混沌放电等状态。据此可指导医生制定更为有效安全的神经疾病电磁刺激治理方案。     

小型风电系统蓄电池组充放电控制器的设计及仿真研究

本文对风力发电系统中的蓄电池组数学模型进行了研究,基于MATLAB／Simulink平台建立了蓄电池组的仿真模型并进行了改进;对蓄电池组充放电控制算法进行了理论研究和比较,提出了三段恒流充电控制和基于安培小时法的放电深度控制的蓄电池组充放电控制策略并进行了算法设计;在搭建完风力发电系统整体模型的基础上进行了仿真研究,验证了本文所搭建仿真模型的正确性以及所设计控制算法的正确性和有效性。     

基于模糊神经元网络的信息融合模型

神经元网络应用于一般工业过程建模比较有效,但对于对象是庞大数据的复杂的工业生产过程就明显力不从心,提出了基于势场拓扑的层次聚类算法和模糊c均值聚类算法融合,以获得精确的聚类个数和隶属度,基于多判据信息融合和模糊技术构建神经元网络模型,通过对实际地下开采生产过程的仿真,结果验证了模型的有效性。     

基于机器学习的LTE-MR定位算法研究与应用范例

LTE用户向网络反馈的MR测量报告,可以为无线网络分析与优化提供海量的基础测试数据.设计高精度的MR定位信息重构算法,对发展数据驱动的网络优化技术至关重要.本文首先对几种传统的基于终端测量信息的定位算法及其优缺点进行分类介绍,进而提出一种基于机器学习方法设计高精度混合定位算法的思想.基于该思想,采用了AdaBoost算法对同区域具备定位信息标签的MR数据进行模型训练,得到的模型可对定位信息缺失的MR数据进行较高精度的定位信息重构.以中国联通某业务区本地网LTE-MR数据为例,对所提算法性能进行了仿真及误差分析,讨论了算法的优缺点,测试了算法运行的速度,并通过具体案例展示了算法应用于中国联通RNExp无线网络专家系统进行网络覆盖评估的效果.     

基于模糊神经元网络的信息融合模型

神经元网络应用于一般工业过程建模比较有效,但对于对象是庞大数据的复杂的工业生产过程就明显力不从心,提出了基于势场拓扑的层次聚类算法和模糊c均值聚类算法融合,以获得精确的聚类个数和隶属度,基于多判据信息融合和模糊技术构建神经元网络模型,通过对实际地下开采生产过程的仿真,结果验证了模型的有效性。     

基于稀疏-小世界网络的初级视皮层神经元发放模型

通过构建神经元发放模型实现对视觉系统刺激编码方式的解析是计算神经生理学领域的研究热点。在传统线性-非线性-泊松(LNP)模型的基础上,采用稀疏编码模型训练的基函数作为模型的刺激滤波器,进一步利用小世界网络优化神经元集群的连接结构,构建了一种新型初级视皮层(V1区)神经元发放模型,用于预测神经元在特定刺激模式下的响应活动。利用在LE大鼠V1区采集的多通道发放数据拟合模型参数,进一步验证模型的有效性。实验结果表明,与传统未选择基函数作为刺激滤波器以及未经过小世界网络优化的对照模型相比,该模型能更准确地预测大鼠V1区神经元在不同朝向光栅刺激下的响应。该研究表明,经小世界网络优化后,模型中神经元的连接结构具有更强的生物相似性,能更真实地反映初级视觉皮层神经元群的响应机制。     

汽车防抱制动系统自适应模糊控制算法

提出了一种基于自适应模糊算法的防抱制动系统控制方式.针对汽车纵向双轮模型,设计了模糊控制器和滑移率校正器.校正器通过车辆的输入输出参数辨识最佳滑移率,并调整系统控制参数,以提高系统的控制性能.仿真实验验证了控制算法的有效性.     

基于自校正模型的非线性系统多模型预测控制

针对化工过程某些非线性系统的不对称动态特性,提出了一种基于自校正模型的多模型预测控制算法.在平衡点附近建立线性模型,利用当前工作点,通过二阶泰勒展开校正模型参数,补偿非线性不对称动态特性,形成了非线性系统的自校正多模型描述.以基于模型输出偏差的切换指标函数作为模型切换准则,结合状态反馈预测控制,构成了多模型预测控制器.pH值控制的仿真结果验证了该算法的有效性.     

非线性幅值控制算法中2种PI控制器的比较

驱动系统在科氏质量流量计中起到了非常重要的作用,驱动性能的好坏直接影响着质量流量测量的准确性;非线性幅值控制算法是一种好的驱动增益控制算法,其中的PI控制器有2种实现方法,即积分分离的PI控制器和积分限幅的PI控制器;为了比较不同控制方法的效果,文章基于科氏传感器的时变参数模型,根据实际驱动电路来建立Simulink仿真模型,用驱动电路驱动CNG050传感器得到的实验数据,来验证模型参数设置的正确性,通过Simulink仿真,研究了2种不同控制方法,结果表明,积分限幅的PI控制器的控制效果较好.     

基于数据驱动的PID自整定方法的研究

传统的PID参数整定依赖于数学模型,通过大量工程实验来确定,这给PID的实际应用带来很大的局限性。文章基于数据驱动理论,提出一种PID参数在线自整定方法,适用于非线性离散系统,该方法无需系统模型的相关信息,且具有PID方法的适应性、抗干扰性、可靠性。通过仿真比较试验结果,验证了这种自适应数据驱动PID参数整定算法的可行性和有效性。     

基于TMAES对GrC神经元放电活动影响的仿真

经颅磁声电刺激（TMAES）是一种新型无创的脑神经调控技术,具有良好的应用前景.该技术利用静磁场和超声波共同作用所产生的磁声电效应,在神经组织中产生感应电流,进而对神经组织实施刺激.作者基于小脑颗粒细胞模型（GrC模型）,建立了突触连接GrC模型,对TMAES刺激下突触连接GrC模型的动作电位进行仿真,分析了动作电位的传播方向.在TMAES神经元的不同突触连接方式下,对比了兴奋性与抑制性对神经元放电的影响.通过改变抑制点的位置分析了抑制作用在TMAES下对神经元放电模式的影响.仿真结果显示,经颅磁声电刺激对GrC模型神经元放电节律具有重要影响.实现了两个神经元突触连接模型在TMAES下的仿真,对进一步发掘和研究神经元的传导及连接模式具有重要意义.     

电磁场下HR神经元模型分岔分析

电磁场对神经元的放电活动有着重要影响,但是目前还无法精确给出电磁场对神经元放电活动影响的具体关系式。本文运用理论与仿真相结合的方法,分析了在外界刺激电流的变化下系统平衡点的分布与稳定性,理论分析得出该系统存在超(亚)临界Hopf分岔行为,并在亚临界Hopf分岔点附近发现了隐藏吸引子。基于理论分析,数值仿真该系统在Hopf分岔点附近的放电特征,揭示了电磁场下HR神经元模型放电特征转变的内在机制。     

基于Matlab的无刷直流电动机驱动系统仿真建模

基于Matlab/Simulink工具搭建无刷直流电机驱动系统仿真平台,分别建立直流无刷电机的本体模型和驱动控制模型,详细介绍了系统中各个子模块的搭建方式和实际功能,为分析驱动控制算法和策略可行性提供有效的仿真环境。通过实验仿真曲线特征和变化规律,实现了驱动系统各项性能评价指标和PID参数整定的验证,模型参数也为实际电机控制系统的设计和调试提供支撑。系统模型具有很好的灵活性和通用性,在此基础上通过简单的替换和修改就可以搭建和仿真使用其他控制算法和控制策略的仿真模型,为模糊控制、模糊PID控制和再生制动控制策略建立仿真环境提供参考,减少验证过程中的工作量。     

mHR神经元模型的分岔分析及其哈密顿能量控制

研究能量函数对神经元放电特性的影响,对控制神经系统的信息编码、信息传递有着至关重要的作用.文章运用了亥姆霍兹定理与数值仿真相结合的方法,研究了mHR神经元模型在双参数平面内的分岔行为及其放电模式的控制.通过数值仿真发现,mHR神经元模型具有非常丰富的分岔现象,在不同的参数平面内存在倍周期分岔、逆倍周期分岔及无混沌加周期等分岔现象.在此基础上,为了实现对神经元模型混沌放电模式的控制,对神经元系统施加了哈密顿能量反馈控制器.研究发现,通过适当调节该控制器的参数,就能够有效地控制神经元的放电模式类型.这对了解复杂神经元系统的能量消耗及其稳定性具有一定的现实意义.     

基于自校正模型的非线性系统多模型预测控制

针对化工过程某些非线性系统的不对称动态特性，提出了一种基于自校正模型的多模型预测控制算法。在平衡点附近建立线性模型，利用当前工作点，通过二阶泰勒展开校正模型参数，补偿非线性不对称动态特性，形成了非线性系统的自校正多模型描述。以基于模型输出偏差的切换指标函数作为模型切换准则，结合状态反馈预测控制，构成了多模型预测控制器。pH值控制的仿真结果验证了该算法的有效性。