基于模型的CT三维医学图像重建仿真

2DShepp-Logan头部模型是CT二维医学图像重建领域普遍采用的经典模型。提出一种思路—以3DShepp-Logan头部模型作为CT三维医学图像重建进行仿真实验和算法性能评价的基本参考模型。首先介绍3DShepp-Logan头部模型的设计以及仿真投影数据的计算,进而描述所设计的CT三维医学图像重建仿真计算过程。数值实验部分给出了基于3DShepp-Logan头部模型的CT三维医学图像重建仿真实例。实验结果表明了该思路的可行性和模型计算的准确性。     

液压动态仿真软件积分算法的改进与应用

描述液压系统动态特性的微分方程组一般具有高度非线性和病态性，通常所采用定步长四阶Rung-Kutta(R-K)算法的DSHW仿真软件，为了达到高的仿真精度，在仿真积分时必须取很小的步长，这增加了仿真计算的时间。研究编制了变步长四阶R-K法和变步长Gill法的算法程序，将三种算法的仿真计算收敛速度和计算精度进行了比较。结果表明，变步长四阶R-K法收敛速度最快，变步长Gill法计算精度最高。     

一种改进的紊流风模型及其仿真算法

从提高飞机飞行动力学系统仿真的逼真性出发，提出了一种新的大气紊流模型，并研究了模型的仿真实现技术。该模型是在Dryden模型的基础上改进的。通过比较．Dryden模型与Von Karman模型的功率谱，提出了改进的紊流风模型的形式，采用参数优化方法对模型参数进行优化，得到了一种更为接近Von Karman频谱的紊流风模型。在此基础上推导出该模型仿真实现的计算公式，从而形成对该模型的仿真算法。通过在频域的分析比较和时域的仿真计算验证了模型的合理性和算法的正确性。本文给出的紊流风模型及其仿真实现算法，可用于飞行模拟器的实时仿真，也能用于飞行动力学系统的非实时数字仿真计算。     

基于深度强化学习的Boost变换器控制策略

针对Boost变换器母线电压稳定控制存在模型不确定性和非线性的问题，提出了一种基于无模型深度强化学习的智能控制策略。结合强化学习DDQN(double DQN)算法与DDPG算法设计了Boost变换器控制器，包括了状态、动作空间、奖励函数以及神经网络的设计以提高控制器动态性能；基于ModelicaGym库开发工具包reinforment learning modelica(RLM)实现了Boost变换器模型与强化学习智能体的联合仿真。通过与双环PI控制器的对比仿真表明：强化学习控制器在三种工况下的母线电压稳定控制结果具有更好的动态性能。     

仿真转台的神经网络复合控制

介绍了一种神经网络复合控制方法，即在不抛弃众多工程技术人员所熟悉的经典控制方法的基础之上，采用神经网络控制来处理系统中的各种非线性及不确定性。给出了神经网络的迭代算法，讨论了系统的稳定性问题，并将该方法应用于高精度三轴飞行仿真转台的实时自适应控制中。实验结果表明了该控制方法的有效性。     

大型蒸汽管网在线仿真研究

模型将蒸汽处理成为单相可压缩流体，将管网处理成为由节点和支路组成的一种网络结构，在仿真计算中，采用稀疏矩阵算法求解非线性方程组，同时，将管网模型与控制系统并列运行，通过实际运行数据辨识管路的阻力系数，使实际系统中管路的阻力变化实时反映到模型中来，达到在线仿真的目的。     

镍氢动力电池电荷状态估计算法仿真研究

基于所建立的镍氢电池等效电路模型,将模型的各物理量和状态量之间的关系表达成离散化的状态方程.然后利用电子负载实时测得电流、电压等数据,基于自适应滤波算法对镍氢动力电池的电荷状态(SOC)估计进行仿真计算.仿真计算结果表明,在系统模型噪声统计不准确,或者模型不精确的情况下,基于等效电路模型的自适应滤波算法依然可以进行系统的状态动态估计,具有很强的鲁棒性.最后,根据试验测试结果对滤波算法仿真得到的电池SOC进行了验证,达到了较高的精度.     

考虑损伤的石油井架极限承载性能仿真研究

针对石油井架的结构特点和存在的损伤形式,提出损伤指标函数的概念,推导了三种常见的损伤形式的损伤指标函数,构建井架结构损伤仿真计算模型.以此为基础,根据结构的梁柱效应以及大位移效应,应用集中塑性法,考虑几何非线性和材料非线性对石油井架极限承载能力的双重影响,建立了极限承载能力双重非线性数学仿真模型,提出了石油井架极限承载能力仿真评价体系.对某油田使用的井架进行仿真分析,结果表明:应用该方法可以确定井架的失稳状态、薄弱部位、安全乃至极限承载范围,并通过试验验证了该方法的可行性.为有损伤石油井架的安全评定及状态监测提供了有效的方法和依据,适合工程应用.     

基于MATLAB仿真的神经网络控制器的设计与实现

在三种常规控制器的基础上，采用BP网络设计了三种神经网络控制器，即神经自校正控制器，神经网络PID控制器和神经模型参考自适应控制器，并都通过BP算法进行训练，针对三个仿真实例用MATLAB软件工具进行了仿真，仿真结果证明了方案的可行性。     

Unscented卡尔曼滤波-卡尔曼滤波算法

针对条件线性高斯状态空间模型,提出unscented卡尔曼滤波-卡尔曼滤波unscented Kalman filte-ring-Kalman filtering,UKF-KF算法,该方法用UKF估计条件线性高斯状态空间模型中的非线性状态,用KF估计线性状态。为了有效地融合UKF和KF估计的后验状态分布,将蒙特卡罗方法应用于KF估计的线性状态均值和方差,获得了与UKF sigma点相同数量的后验线性状态估计分布的样本,然后将这些样本与UKF中sigma点进行合成去获得系统中非线性状态的估计。该算法应用于机动目标跟踪的仿真结果表明:与Rao-Blackwellized粒子滤波器(Rao-Blackwellized particle filter,RBPF)相比,该算法虽在估计精度上略有下降,然而计算时间明显降低,有效提高了实时性。     

因素状态值为语言标度的变权综合决策方法

综合采用语言值2元组方法和拓展语言值论域的方法建立一种新的纯语言值二元组常权综合决策模型,进一步,在拓展语言值论域与实数集[0,1]之间定义两个转换函数,由此引入语言值效用向量等概念． 借助语言值效用向量、实数型变权向量和实数型状态变权向量导出语言值变权向量及状态变权向量,据此建立相应的语言值变权公式和变权综合决策模型．最后给出一个群决策的应用实例．     

自适应重置观测器设计方法

为了提高控制系统状态估计的快速性并保证其准确性,将重置控制的思想引入观测器设计,即当观测器满足预先设定的重置条件时将其状态进行重置,提出了一种新型自适应重置观测器设计方法。重置观测器能够克服线性反馈方式的内在局限性,可实现同时降低估计误差的超调量与调节时间。首先对重置积分项引入自适应参数,并基于过零重置条件设计自适应重置观测器。对于含有重置项的自适应观测器,通过基于Lyapunov函数的方法对其进行稳定性分析,并整理成线性矩阵不等式的形式,使得设计过程更为简便、易于实现。最后通过与比例积分观测器进行比较,验证了所提方法的有效性与优越性。     

Establishing formal state space models via quantization forquantum control systems

1.INTRODUCTION Quantumtheoryisoneofthemostimportantachieve mentsinthe20thcentury,anditdisclosesthestruc tures,characteristicsandmotionlawsofmatterinthe microcosmicfieldandleadsusfromthemacroscopical worldintomicrosystems.Aseriesofnewphenomena whicharedifferentfromclassicalsystemshavebeen discovered,suchasquantumentanglement,quantum coherenceanduncertainty.Meanwhile,quantum theoryandquantummethodsarealsowidelyusedin differentfieldssuchaschemicalreaction,geneticen gineering,atomicphysicsandi…     

基于约束规划的小天体接近段鲁棒制导控制方法

以小天体接近段任务为背景,提出了一种基于约束规划的鲁棒制导控制方法。该方法将目标天体引力模型引入轨迹规划过程中,并将具有控制约束与轨迹状态约束的非线性动力学路径规划问题转化为以优化燃耗为性能指标的二阶圆锥规划(second order cone program, SOCP)问题|同时考虑目标天体引力模型与外界干扰等不确定因素对轨迹跟踪的影响,基于模型不确定界设计鲁棒反馈控制律。数学仿真证明,在相同条件下,基于凸规划的制导控制性能无论在制导控制偏差或是状态与控制约束满足方面均优于传统多项式拟合制导控制算法。     

一种带有忠诚项的张量扩散滤波方法

针时Weickert的张量扩散滤波模型在滤除噪声的同时虽然较好地保留了大的边缘信息,但对于一些细小边缘在扩散的过程中却被模糊掉了,在其扩散方程中添加了随时间尺度自适应变动的忠诚项,这样,扩散滤波与边缘保留这两者之间就得到一个较好的折衷,从而使得扩散去噪的同时尽可能多地保留了图像的边缘信息.另外,为了在不同区域进行不同方式的扩散,将边缘增强与相干增强两个模型结合起来,对扩散张量的两个特征值重新进行了设置.实验表明本方法在细小边缘信息的保留上有较明显的改进.     

Best tracking performance for integrator and dead time plant

The optimal tracking performance for integrator and dead time plant in the case where plant uncertainty and control energy constraints axe to be considered jointly is inrestigated.Firstly,an average cost function of the tracking error and the plant input energy over a class of stochastic model errors are defined.Then,we obtain an internal model controller design method that minimizes the average performance and further studies optimal tracking performance for integrator and dead time plant in the simultaneous presence of plant uncertainty and control energy constraint.The results can be used to evaluate optimal tracking performance and control energy in practical designs.     

基于新冠病毒特征及防控措施的传播动力学模型

本文针对现有传染病传播动力学模型的不足,结合新冠病毒(2019-nCoV)特征及防控措施,建立一种新的包含"易感、未隔离潜伏期、已隔离潜伏期、确诊感染、无症状感染、确诊后治愈、无症状感染后治愈、因病死亡"等8个仓室的传染病模型.在模型中考虑状态转移参数的饱和特性,以模拟大量隔离患者对隔离点运行造成的压力、大量确诊患者给医院运行带来的压力.在参数配置方面,考虑状态转移参数在疫情不同发展阶段的时变特性,建立参数辨识模型并利用马尔可夫链蒙特卡罗算法进行求解.此外,从传播规模、传播峰值和传播峰值时间三个维度建立疫情传播风险指标,全面评估疫情传播风险.武汉和国外(美国、西班牙)疫情的案例分析表明,本模型相较于其他经典模型,能够准确拟合新冠肺炎(COVID-19)的传播趋势,揭示疫情传播机理.     

联合高斯回归的平方根UKF方法

针对传统的滤波方法容易受系统动态模型不确定性和噪声协方差不准确的限制这一问题,提出一种将高斯过程回归融入平方根不敏卡尔曼滤波（unscented Kalam filter,UKF）算法中的滤波算法。该算法用高斯过程对训练数据进行学习,得到动态系统的回归模型及系统噪声的协方差;采用标准的平方根UKF算法,状态方程和观测方程,相应的噪声协方差由高斯过程实时自适应调整。将应用于飞行器SINS/GPS组合导航,结果表明,该方法能够自适应系统噪声,收敛速度快,导航精度高。     

高阶非线性时滞系统的神经网络动态面控制

针对一类具有未知时变时滞的不确定高阶非线性系统,基于增加幂次积分方法,提出了一种非光滑状态反馈自适应神经网络动态面控制设计方案。通过构造适当的Lyapunov Krasovskii泛函处理了未知时变时滞不确定项;通过利用神经网络权值范数的适当形式幂次函数,将神经网络用于对在单步递推中所构造的未知函数进行建模;采用动态面技术,解决了“微分爆炸”问题。所提控制方案能够保证闭环控制系统的状态量和跟踪误差半全局一致终结有界。最后,仿真算例结果表明了该方案的有效性。     

一类高阶非线性系统的动态面控制

针对一类含不可控不稳定线〖JP+2〗性化的高阶非线性系统的跟踪控制问题,给出了一种连续状态反馈动态面控制器设计方案。基于增加幂次积分方法,利用状态参考的思想,设计了可导的期望虚拟控制律。利用动态面技术,让期望虚拟控制律的函数通过一阶低通滤波器,避免了对期望虚拟控制律的函数进行微分。所提连续状态反馈动态面控制器能够保证跟踪误差半全局一致终结有界。数值仿真算例结果验证了所提控制方案的有效性。