稳态大系统递阶控制技术的一些改进 (Ⅰ)直接法

本文研究稳态大系统在递阶控制下的校正机制问题.论文在Tatjewski和Cygler分散化局部反馈的直接法基础上,引用协调;以及同时使用局部和全局反馈于直接法.论文还提出了可能的最好目标函数值的概念.附有数字实例及其仿真结果表明目标函数有一定改进.     

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.     

基于多神经网络的污水氨氮预测模型

针对污水生化处理过程的非线性、大滞后等特点,建立了一种基于多神经网络的出水水质预测模型.通过减聚类方法将输入空间划分为一些小的局部空间,在每个局部空间中用神经网络建立子模型;各个子模型的预测输出通过主元递归(PCR)方法连接以解决子模型相互之间的严重相关问题,从而提高了模型的精度和鲁棒性;同时,应用改进目标函数以提高对偏高值的建模精度,采用加权反馈校正以提高模型的泛化能力.将该方法应用于某污水处理厂出水氨氮指标的预测,结果验证了模型的有效性.     

稳态大系统递阶控制技术的一些改进 (Ⅱ)价格法

本文对于全局反馈问题提出了实用迭代策略和全局不平衡(Global imbalance)最小化策略以解Findeisen的协调问题;对实际系统目标函数的最小化用作为协调方法也进行了讨论.而后提出了一个新的引入局部反馈的方法以及它与全局反馈的同时使用.实例及仿真结果表明,它们是有效的.     

一种模拟最速下降法的表面网格优化方法

提出的ADAW方法是一种基于优化原理的网格光滑化方法.它模拟最速下降法的过程,针对局部网格优化这个多目标优化问题,根据最速下降法的两个步骤对目标函数的连续或可导的要求,设计了一对目标函数（可导函数和连续不可导函数）,共同作用于网格光滑化过程.可导函数用于计算局部网格单元质量平均值;连续不可导用于计算最差单元质量和质量平均值的差.在寻找最速下降方向时,计算可导目标函数的梯度,得到最值所在方向;在线性搜索过程中,同时使用两种目标函数确定步长.给出了用于结合ADAW方法和Laplacian方法的完整算法,用于提高光滑化效率.实验结果证明,该方法在提高局部网格平均质量的同时,也改善了最差单元的质量,整体处理效果优于传统方法.     

约束闭环系统的虚拟参考反馈校正控制

采用虚拟参考反馈校正控制方法,通过最小化由一簇输入/输出观测数据组成的L2范数的代价函数来设计控制器;对于含有椭球约束不等式条件的非线性优化问题,将目标准则函数和两约束条件转化为线性矩阵不等式形式,采用椭球优化迭代算法产生一系列体积逐渐减小的椭球序列,并最终收敛于一个最优解,同时,推导出椭球优化迭代算法所需迭代次数的一个上界;针对椭球优化迭代算法的初始化,提出一种基于凸优化理论水平集的初始椭球选取策略,采用仿真算例验证了所提出方法的有效性.结果表明：采用虚拟参考校正控制来设计闭环系统中的2个控制器时,可以得到较为准确的控制器参数估计值;采用椭球优化算法可以得到较快的收敛速度.     

一类具有反三角函数自反馈的混沌神经网络及其应用

在线性自反馈的基础上将反三角函数引入到混沌神经网络的自反馈项,提出了非线性自反馈混沌神经网络模型.网络优化机制的分析表明,非线性自反馈使网络以线性函数与反正切函数的和与状态乘积和的方式影响原Hopfield网络的能量函数,避免网络陷入局部极小点.构造了网络的能量函数,分析了网络达到渐进稳定的充分条件并利用其指导网络求解旅行商问题的参数设置.连续函数优化问题和旅行商问题的仿真研究表明,提出的网络能有效地找到优化问题的最优解.     

单调线性互补问题基于新的核函数的大步校正内点算法

提出了单调线性互补问题基于新的核函数的大步校正内点算法.这个核函数是强凸的,而且它既不是自正则函数也不是经典的对数函数.基于这个核函数,可以定义新的迭代方向和邻近度量.利用这个新的核函数的一些性质,得到新算法的迭代复杂性为O（√n（logn）^2log（n/ε））,这减少了大步校正原始-对偶内点算法的实际计算效果与理论复杂性之间的差距.     

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。     

闭环系统的虚拟参考反馈校正控制设计

在线性框架下,研究基于输入-输出观测数据对未知系统模型中反馈控制器的设计问题.采用虚拟参考反馈校正控制方法,通过最小化由一簇采集数据组成的L2范数控制代价函数,直接对控制器进行设计,而无需对系统模型建模辨识.针对控制设计中的优化问题,借助分离性原理,推导了一个迭代的可分离的非线性最小二乘辨识方法.该辨识方法可以降低收敛于局部最小的可能性,得到设计准则中参数矢量估计的全局最优解.给出在应用前利用概率统计对控制器进行检验的方法,以保证闭环系统的稳定性.仿真算例验证了方法的有效性.     

改进的暂态混沌神经网络多用户检测器

提出了一种基于自反馈连接权值优化策略的暂态混沌神经网络多用户检测方法.该方法采用一种改进的变指数退火函数,对自反馈权值进行优化,既充分利用混沌的动态特性进行搜索,使算法可以从局部最优值中跳出,又加快收敛速度,减少收敛时间.仿真结果表明,这种检测器在误码率和抗远近效应方面优于已有的神经网络多用户检测器,能较好地逼近最佳多用户检测器的性能.     

基于AD-CESUS联和测度的立体匹配算法

双目图像深度估计是许多现代立体视觉技术的重要基础.由于受到光线、纹理结构变化,前后遮挡,图像噪声等因素的影响,基于单特征的匹配算法缺乏鲁棒性.本文将基于像素点的AD测度函数与基于区域的Census测度函数,依据匹配置信程度实现自适应加权融合,形成联和测度函数.该联和测度函数可以将AD的单调性与Census的区域性有效结合,提升立体匹配算法的鲁棒性.通过实验测试,证明采用该联测度函数可以有效提高局部和全局匹配算法的匹配准确度,尤其是局部匹配算法.     

基于局部灰度聚类的高斯分布拟合模型

针对高斯分布拟合模型对初始轮廓敏感的问题,提出一个基于局部灰度聚类的高斯分布拟合模型.新模型根据图像局部像素灰度聚类特点,采用灰度偏移场和一个分片常量函数共同拟合图像的局部灰度均值,实现了图像全局信息和局部信息的有机结合,使轮廓可以从任意初始位置向目标边缘演化,最后收敛在边缘上.新模型采用一种快速有效的数值方法实现,水平集函数在整个演化过程中不必重新初始化,活动轮廓演化速度得到显著提高.实验结果表明,本文算法能够在不同的轮廓初始化情况下获得准确的分割结果.     

求解无约束全局优化问题的一种方法

提出一种新的求解无约束全局优化问题的方法,该方法把修正的BFGS方法与填充函数方法相结合,使得目标函数f(x)的当前局部极小点x*1可以移到目标函数的另一个局部极小点-x,且f(x*1)≥f(-x),同时-x也是填充函数的极小值点;然后再以为初始点求f(x)的局部最优解.反复以上过程,最终可以找到f(x)的全局最优解.     

非线性互补问题的非精确预估-校正光滑算法

提出了一类新的光滑函数,分析其相关性质.针对大规模非线性互补问题,结合预估-校正技术,提出一种新的非精确预估-校正光滑算法,证明该算法从任意点出发能得到其全局收敛和局部二次收敛速率,且算法简单有效.     

解等式约束规划的信赖域SQP滤子方法

讨论了一种信赖域SQP滤子方法的局部收敛性.滤子方法会遇到Maratos效应,尽管完全牛顿步可能是一个超线性收敛步,但是当迭代点充分靠近原问题的严格局部解时,完全牛顿步可能会使目标函数值和约束违反度上升,从而不被算法接受,于是破坏了算法的收敛性.给出一种修改后的信赖域SQP滤子算法,当完全步不被接受时,对算法进行二阶校正(SOC),可以减小其不可行性.修改后的算法可以避免Maratos效应,使算法达到局部超线性收敛.     

自校正信息融合Wiener滤波器及其收敛性

对带未知噪声统计的多传感器系统,用求解相关函数矩阵方程组的方法得到噪声统计在线估值器,并提出了自校正Lyapunov方程.用现代时间序列分析方法,基于滑动平均(MA)新息模型的辨识,在按分量标量加权线性最小方差最优信息融合准则下,提出了自校正分量解耦融合Wiener滤波器,并用动态误差系统分析(DESA)的方法证明了自校正Lyapunov方程的收敛性,进而证明了自校正融合Wiener滤波器收敛于最优融合Wiener滤波器,因而具有渐近最优性.它的精度比每个局部自校正Wiener滤波器精度都高,且算法简单,便于实时应用.一个目标跟踪系统的仿真例子说明了其有效性.     

一类带参数的DEP算法及其收敛性分析

基于目标函数的局部二次模型近似,对DFP算法作了改进,提出了一类带参数的DFP算法.在目标函数一致凸和在最优点处Lipshitz连续的假设条件下,证明了带参数的DFP算法具有全局收敛性和局部超线性收敛速率.     

基于本体和局部查询反馈的微博查询扩展算法

传统的基于关键词匹配的查询方法因查询词短少,微博博文短小,容易引起歧义性,对查询效率有较大影响.提出一种基于本体和局部查询反馈的微博查询扩展算法,首先结合安全领域文档构建安全领域本体知识库,然后利用本体提供的语义知识对初始查询词进行扩展,再结合局部查询反馈对候选扩展词集进行筛选,最后通过二次查询和迭代操作得到最终查询结果.实验结果表明,基于本体和局部查询反馈的微博查询扩展算法比基于关键词的查询扩展算法、基于本体的查询扩展算法和基于"伪相关反馈"的查询扩展算法有更好的查全率和查准率.     

基于图割框架下视频目标的自动实时提取算法

提出了一种在图割框架下自动实时的前景目标提取算法.通过混合高斯背景建模与基于颜色和局部表观的阴影判别相融合的方法,设置能量函数的数据项,并基于局部二值模型算子构建能量函数的平滑项.利用动态的图割算法,求取目标函数极值,实现视频目标的自动提取.在不同视频上对提出的分割算法进行性能测试,结果表明算法具有较好的分割性能且计算复杂度较低.