基于MCS算法的振动主动控制时滞补偿

 针对振动主动控制中时滞会引起最小控制合成算法失稳问题,提出在传统的最小控制合成算法(MCS)的基础上,应用smith 预估器时滞补偿原理,在MCS 算法中添加时滞补偿因子,构建一种改进的具有时延补偿的MCS 算法。选取工业生产中常见的受控机械臂结构进行建模和仿真。结果表明,改进的MCS 算法克服了振动主动控制策略中时滞失稳问题,具有较好的时滞补偿控制效果。     

考虑人体动力学模型的座椅自适应控制

为了研究车身振动对人体产生的影响,根据人-车-路系统之间的相互作用关系,建立二分之一人体-车辆-路面九自由度动力学模型.将一种多通道FxLMS自适应控制算法PM-MFxLMS应用于座椅振动主动控制中,在Matlab/Simulink中,建立人-车-路振动主动控制模型,并分别对被动控制、传统FxLMS算法和PM-MFxLMS算法的控制效果进行仿真对比.结果表明:低频振动(0～20 Hz)会导致人体产生共振,采用振动主动控制可以降低共振峰值,改善乘坐舒适性;与传统FxLMS算法相比,PM-MFxLMS算法具有较好的收敛性和稳定性.     

基于FULMS算法的压电机敏柔性结构振动主动控制

面向航空航天器挠性结构振动主动控制研究背景,针对FXLMS控制算法无法直接从振动结构提取参考信号的缺陷,以经过传感器作动器优化配置的压电机敏柔性梁为模型结构,研究了一种基于多通道FULMS算法的结构振动主动控制器.针对参考信号取自激振信号和直接取自振动结构两种情况,对FXLMS控制算法及FULMS控制算法进行了仿真分析与验证;结果表明FXLMS算法高度依赖参考信号选取,FULMS算法相对FXLMS算法具有更好的收敛性,且能够实现参考信号直接提取策略.在此基础上构建了测控系统和实验平台,进行基于多通道FULMS控制算法的压电柔性结构振动主动控制实验,验证了参考信号从振动结构中直接提取策略的可行性与多通道FULMS控制算法的有效性.     

用于壁板结构多模态振动主动控制的改进最小控制合成(MCS)算法

针对压电壁板结构,引入具有良好非线性控制性能的最小控制合成(minimal controller synthesis,MCS)算法来抑制其振动.鉴于标准的MCS算法在快速扰动下缺乏稳定性,为进一步提高其控制效果,构造了一种新的自适应补偿因子,形成了改进MCS算法-IMCS算法,并通过波波夫准则验证了该控制系统的稳定性.选取LQR(linear quadratic regulator)控制作为参考模型,分别施加宽频随机扰动和前2阶正弦混合脉冲激励,分析比较了IMCS算法和标准MCS算法的控制效果、自适应增益因子和跟踪误差.仿真结果表明,IMCS算法具有更快的收敛速度和更小的跟踪误差;多模态扰动实验结果表明,当存在外部非线性扰动时,IMCS算法具有更好的控制效果和鲁棒性.     

车辆主动悬架二次型最优控制器权矩阵参数优化

在使用线性二次型调节器(LQR)的车辆主动悬架控制器中加权矩阵Q和R的取值经常依靠先验知识选取。粒子群算法具有良好的快速寻优能力,可以对权矩阵参数进行优化。针对目前算法存在的缺点通过在更新的过程中动态调整惯性权重以更好的平衡全局和局部搜索能力,同时在迭代后期加入禁忌搜索避免陷入局部最优解。在matlab中建立1/4二自由度主动悬架仿真模型,对振动控制性能仿真分析结果表明,采用改进粒子群优化LQR与传统LQR方法相比能够很大程度上减少路面变化对车身的冲击,乘坐舒适性和可操纵性得到明显提升。     

FxLMS算法的实现及硬件在环仿真验证

目前FxLMS算法多侧重于算法自身特性研究和改进方面的理论研究,很少涉及算法在实际应用中的问题,而算法的实现是其从理论到实际工程应用的关键环节.振动主动控制通过次级通道产生的反向主动力来抑制噪声和振动,广泛应用的是滤波-x最小均方根(FxLMS)自适应算法.采用Level-2 S函数设计了FxLMS自定义模块,将其应用在一主动控制仿真中,仿真算例验证了自建模块的正确性.在保证稳定的前提下通过调整算法内部参数对该算法进行了性能分析.将控制算法代码下载到dSPACE中作为控制器,与内置压电作动器的齿轮主动结构组成硬件在环系统进行实验验证.结果表明:经过主动控制后的齿轮传动系统振动有了明显衰减,进一步验证了在Simulink环境下用Level-2 S函数实现FxLMS算法的正确性和用于振动主动控制效果的有效性.     

基于神经网络的TDOA定位改进算法研究

针对传统的Chan算法在实际的非视距环境中性能将会受到很大影响这一问题,提出了一种基于神经网络的TDOA定位改进算法,这种算法通过对非视距误差进行修正,使其具有更好的定位效果.仿真实验结果表明,与传统的Chan算法相比,这种算法具有更好的定位精度和收敛速度,是一种有效的定位算法.     

一种基于小波变换的次级通道在线辨识方法

针对实际主动控制系统中,次级通道随着传感器位置、作动器输出特性变化而实时改变这一问题,将小波变换思想引入到在线辨识算法结构中,改进在线辨识算法.通过小波变换将误差信号中控制信号相关分量与随机噪声相关分量分离开来,极大程度削弱甚至消除了辨识环节和控制环节之间相互影响,提高了算法的收敛性能和控制精度.基于Matlab/Similink进行控制仿真,搭建试验台架进行控制试验.仿真和试验结果表明:改进后算法辨识精度高,收敛速度快,控制效果好.     

基于改进SA-WOA算法优化热封刀温度控制系统PID参数的研究

套袋机热封刀温度通常采用PID算法进行控制,但是PID控制参数大多由人为经验设定,控制效果不佳.为解决这一问题,本文提出一种改进SA-WOA算法实现PID控制参数的自整定.首先我们利用阶跃响应曲线法建立系统的传递函数模型,再考虑鲸鱼算法以及模拟退火算法的优点,将两者进行结合;然后在此基础上对算法进行改进,提高算法的收敛速度以及优化效果;再将改进后的算法在MATLAB R2017b平台上进行仿真对比实验;最后,将仿真所得控制参数在套袋机上进行实验测试.仿真对比结果表明,相对于继电反馈算法、粒子群算法以及基于模拟退火的改进粒子群算法,本文算法优化所得参数控制效果更好.实测实验结果表明,本文算法所得参数控制效果良好,可以更好地满足实际的需求.     

基于改进MCS算法的加筋板结构振动控制研究

为解决传统的MCS算法控制中,因时滞导致一定程度上的振动控制效果下降甚至失稳的问题。因此,提出将自适应Smith预估器添加到MCS算法中,结合李雅普诺夫第二法设计自适应因子,构建时滞补偿的MCS算法。利用Lissajou图形法测量了控制系统的时滞,运用Lab VIEW软件编写了MCS算法程序,通过CRIO实时控制平台进行加筋板振动主动控制实验。实验结果表明改进的MCS算法有效地减轻时滞测量误差对控制的影响,具有更好地抑制效果。     

基于改进动态因子的鲸鱼优化算法

为了实现鲸鱼优化算法的种群多样性、减小计算复杂度,构造具有搜索上下界的初始种群。进一步,设计动态收敛因子和动态权重因子,以提高算法的收敛速度和计算精度,在此基础上,提出基于改进动态因子的鲸鱼优化算法并证明了其收敛性,分析了其复杂度。为了验证新算法优化性能和普适性,将改进的鲸鱼优化算法与其他优化算法进行比较,并将其应用到无人机路径规划中。结果表明：基于改进动态因子的鲸鱼优化算法相比于其他优化算法有更好的收敛精度和更快的收敛速度。可见,基于改进动态因子的鲸鱼优化算法性能更好,能更高效的完成任务。     

空间调制信号的改进M-ML检测算法

空间调制(SM)系统的最大似然(ML)最优检测算法的计算复杂度很高,具有较低计算复杂度的M-ML检测算法受到了人们的关注.M-ML算法按照接收天线序号由小到大的顺序进行检测,从误比特率性能角度考虑并不是最佳的.通过研究不同检测顺序对算法性能的影响,提出了两个改进的M-ML算法,仿真结果表明改进的M-ML算法在误比特率性能上优于M-ML算法.由于M-ML算法在不同的信噪比下每层保留固定的节点数M,尤其在高信噪比时会造成计算资源的浪费,因此提出一种动态M-ML算法,即通过门限值自适应选择每层保留的节点数.仿真结果表明动态M-ML算法降低了M-ML算法的计算复杂度,同时性能逼近M-ML算法.     

Gamma-Gamma 信道下 LDPC 码译码算法性能分析

为降低低密度奇偶校验(LDPC: Low-Density Parity-Cheek)码译码算法的复杂度, 同时提高通信系统性能, 在研究对数似然比置信传播(LLR-BP: Log-Likelihood Ratio Belief Propagation)算法及其简化的译码算法基础上, 提出了一种基于归一化最小和(NMS: Normalized Min Sum)算法的改进算法。 深入研究了 Gamma-Gamma 分布 模型, 并将 Gamma-Gamma 分布作为仿真的信道模型, 应用 Matlab 仿真比较了 LLR-BP 及其简化算法在不同湍 流强度信道下的性能。 仿真结果表明, 无论在 AWGN(Additive White Gaussian Noise)信道还是不同湍流强度的 Gamma-Gamma 信道下, 改进算法在几种算法中都有较好的译码性能, 尤其是在中湍流和强湍流信道下改进算 法的性能优势更为明显。 通过码长对 BER(Bit Error Rate)影响的仿真结果表明, 适当增加码长可有效改善算法 的性能。     

一种非规则LDPC码的改进型UMPBP—Based译码算法

为了减小UMPBP—Based译码算法相对于LLR—BP译码算法的性能损失,提出了一种改进型UMPBP—Based译码算法,校验节点消息处理时,通过合理地设置校正因子与偏移因子2种参数,将NormalizedBP-Based和OffsetBP—Based2种译码算法进行有效的融合;变量节点消息处理时,引入了一种LLR—BP译码算法中的震荡补偿算法．仿真结果表明,针对非规则LDPC码,在一定范围内误码率相同的条件下,改进型UMPBP-Based译码算法与UMPBP—Based、NormalizedBP—Based和OffsetBP-Based3种译码算法相比较,译码性能得到明显的改善,可以更有效地逼近性能优异的LLR—BP译码算法．     

改进人工鱼群算法在认知无线电决策引擎中的应用

针对遗传算法、粒子群算法等应用于认知无线电决策引擎时存在收敛速度慢,容易陷入局部最优解的缺陷,提出了一种基于改进人工鱼群算法的认知无线电决策引擎．利用改进人工鱼群算法全局收敛性强、鲁棒性能好、初值敏感度低等特点,更快速、高效地优化调整传输参数,从而寻找特定条件下的最优配置方案．仿真结果表明,在多载波通信系统下,该认知决策引擎具有收敛精度高、平均适应度值高、稳定性强等特点,性能优于二进制量子粒子群认知引擎．     

一种改进樽海鞘群算法优化K-Means的小麦覆盖度提取方法

针对K-Means算法对初始聚类中心的依赖性较高,容易出现局部最优停滞的问题,提出一种改进樽海鞘群算法优化 K-Means 的小麦覆盖度提取算法。首先,将小麦图像转换到HSV色彩空间;然后,用改进樽海鞘群算法进行全局寻优,以获得全局最优值作为K-Means算法的初始聚类中心,接着运用K-Means算法进行局部寻优,直到迭代完成;最终,输出经过分割的小麦图像。为了评估算法性能,使用12个基准函数对ISSA及其他智能优化算法进行对比测试,同时将改进樽海鞘群算法优化K-Means应用于小麦覆盖度提取。结果表明,ISSA算法在优化精度和收敛速度上均超越其他算法,鲁棒性也得到了显著提高。与其他算法相比,ISSA-K算法分割后的小麦图像纹理比较清晰,效果更佳,同时具有更加高效的优势,可用于小麦覆盖度的提取,具有较强的实用性。     

基于改进 FA 算法与不完全 Beta 函数的图像增强技术

针对传统计算机在复杂图像信息分析以及后期处理不达预期的问题,提出了利用改进原始的萤火虫算法 (FA)在不完全 Beta 函数上动态寻优调整灰度曲线的光电图像增强新策略。 新策略主要从算法角度出发改进传统 FA 算法,针对原有的吸引度容易造成局部最优等问题引入新吸引度公式、针对算法陷入局部震荡添加自扰动和克 服陷入局部最优的迭代检测环节,改进完成的新算法(Firefly Algorithm Growth,FAG)结合非完全 Beta 函数动态寻 找最优值下的图像灰度曲线。 将改进的 FAG 与 FA 新老算法在四种常见基准函数上进行对比实验测试他们的性 能,结果显示改良 FAG 算法在性能上更优;在改良 FAG 结合非完全 Beta 与 FA 结合非完全 Beta 增强同一图像的 实验中加入直方图算法增强图像作为对照组,综合结果显示改进后的新策略更胜一筹。 综合结果显示群智能算法 在结合图像处理手段来达到图像增强的目的上具有很好的应用价值,新策略在低对比度条件下的光电图像实现了 有效的增强。     

基于模式求解旅行商问题的蚁群算法

群体智能已经被广泛应用于分布式控制、调度、优化等领域.其中蚁群算法已经成为该领域的一个研究热点.在蚁群算法的基础上针对旅行商问题(TSP),首先提出了小窗口蚁群算法,提高初始解的质量,然后与基于模式的蚁群算法相结合,通过提取模式,改变计算粒度,缩短计算时间,提高计算精度.实验结果表明该算法有较好的效果.     

基于 UCM 算法中直方图拉伸的水下图像增强研究

针对水下图像色彩失真,对比度低以及图像模糊不清等一系列问题,提出了一种基于色彩模型的水下图像增强算法,改进了现有的 UCM 算法的直方图线性拉伸,使用限制对比度自适应的方法对直方图进行非线性均衡化,使处理后的图片对比度增强效果更好,图像质量更高,更符合人类的视觉感知。 通过搭建的水下海参场景和模拟海底图像偏蓝绿色的实验环境,拍摄了 4 组海参在不同姿态、工况下的水下图片并对其进行定性、定量分析,得出改进后的 UCM 算法在 UIConM、UIQM、NIQE 指标下的数值分别平均为 0. 63、4. 30、3. 30,相比较其他 3 种算法,该算法处理后的图像质量评估指标均为最优,由此证明了研究的算法相对于其他的传统算法显示出更好的可行性和优越性,并且能够适应不同的水下工况,拥有良好的鲁棒性。     

基于改进型蚁狮算法的PID控制器参数优化

由于被控对象往往具有高阶非线性等特点,传统PID( Proportion Integration Differentiation) 控制器参数整定方法容易使控制器出现超调、震荡、性能变差等缺陷。为此,提出运用将蚂蚁和蚁狮的移动步长进行改进的蚁狮算法对参数进行优化,通过其互动关系,选择最佳蚁狮位置确定控制器参数,并与改进前蚁狮算法及其他优化算法进行了对比。仿真结果表明,基于改进型蚁狮算法的PID 控制器具有较好的性能指标,相比于改进前蚁狮算法、遗传算法和粒子群算法,该算法具有较高的系统控制精度,以及较短的响应时间等优点,且算法实现更加简单,证明了该方法对于优化PID 参数具有优越性和有效性,为PID 控制器的参数优化提供了参考。