一种新的迭代学习控制快速算法

对一类连续系统的迭代学习控制问题进行了讨论，提出了一种新的迭代学习控制算法，该算法与目前的算法具有完全不同的形式，数值仿真结果表明了新算法的有效性与优越性。     

基于RBF网络的机械手迭代学习控制器

针对迭代学习控制用于机械手轨迹跟踪时存在的收敛速度慢的问题,提出了一种基于RBF网络的迭代学习控制器,利用先前跟踪不同期望轨迹所得的经验构造新的初始控制量以加快收敛速度.将给定的期望跟踪轨迹分解成多个查询点,然后用RBF网络对每个查询点周围最邻近的k个数据点进行拟合以建立系统的逆动力学特性估计,进而预测相应于查询点的初始控制输入.为验证所提方法的有效性,对一平面双连杆机械手进行了仿真研究.     

迭代函数系统的吸引子的一个逼近算法

给出了一个逼近迭代函数系统的吸引子的算法。用本文算法绘抽象和个经典ＩＦＳ的吸引子的图也在文给出。     

无刷直流电机模型的建立及控制系统仿真研究

本文采用状态方程描术的方法建立无刷直流电机的数学模型，同时给出了电流控制器（ＰＷＭ）以及转换开关的实时模型。并基于以上模型对系统进行详细仿真和分析。     

一类多阶段决策过程方程迭代算法的收敛速度

通过适当的映射 ,把一类多阶段决策过程方程的迭代算法的收敛性和收敛速度化为一个差分方程tk 1 =φ(tk)中的级数 ∞k =0 tk 的收敛性和收敛速度     

BBMB方程的Crank-Nicolson差分格式的一种迭代算法

对于BBMB方程的Crank-Nicolson差分格式提出了一种迭代算法,然后利用离散能量法证明了迭代算法收敛到差分格式。最后,通过数值实验说明了该迭代算法无论是在计算时间上还是在计算误差上都优于Newton迭代法。     

MPP上的并行松弛迭代算法

讨论了松驰迭代算法在大规模并行处理机（massively parallel processor，MPP）计算模型上的并行化，给出了在MPP上的并行算法。该算法将计算近似解向量各分量值的时间错开，从而使各个分量的迭代计算可并行进行。对算法性能进行的分析和在大规模并行处理机系统曙光2000中对算法进行的计算均表明：并行松驰迭代算法具有较好的收敛速度、较高的加速比和可扩放性。     

迭代学习控制的收敛速度分析

针对线性时不变控制系统,讨论了D型和P型学习律收敛速度问题.利用时间加权范数和Frobenius范数给出了迭代学习控制系统在D型和P型学习律作用下收敛的充分性条件,进而给出系统迭代次数与约束条件之间的定量关系以及收敛速度与约束条件之间的关系,同时利用Frobenius范数性质,并通过梯度法给出如何求解D型和P型学习律使得系统收敛速度最快的增益矩阵的方法.最后,仿真实例说明了该方法的有效性.     

热工管网的迭代算法及其应用

论给出了热工网络的失代算法的改进方案，并以一个仿真例子来说明，该算法可以应用在工业过程的建模与仿真中。     

神经网络迭代学习控制快速算法的研究

研究了非线性系统的神经网络迭代学习控制问题，为了提高神经网络学习控制的收敛速度，改进了权值的迭代学习算法，提出了一种新的训练权值方法，它以递推的方法来计算网络权值，不仅能减少计算量且收敛速度快，最后，用仿真结果对该算法作了进一步的验证。     

基于DCF退避机制的算法改进及其应用

无线局域网络技术中采用的基本接入方式是分布式控制DCF方法,但它需要解决2个问题：一是由多个节点同时发送数据帧而出现碰撞的情况;二是随着网络总业务量的增多或出现突发状况时,急剧增大的碰撞率情况．为此,采用改进的退避机制的算法,以减少节点接入网络时冲突的方法,提高MAC协议的整体性能,并通过建立仿真子网模型予以应用测试．结果表明,这种方法提高了网络吞吐量,解决了网络拥堵问题．提高了通信效率．     

改进联盟竞赛算法及其在生产排产中的应用

针对基本联盟竞赛算法易陷入局部极小值、收敛速度慢的缺点,提出了一种改进联盟竞赛算法（ improved league championship algorithm, ILCA）。该算法可自适应地修正可调参数,平衡了全局收敛和局部收敛能力。同时,设计了全新的参赛队比赛赛程,提升了参赛个体的竞争力,并且引入了降级机制,保证了整个联赛的多样性。采用ILCA算法对标准测试函数进行寻优。结果表明,ILCA的全局搜索性能、收敛速率都明显地优于其他算法,将该算法应用于车间生产排产模型的参数估计,取得了良好的效果。     

A fuzzy rule based genetic algorithm and its application in FMS

Most of the FMS (flexible manufacturing systems) problems belong to NP-hard (non-polynomial hard) problems. The facility layout problem and job-shop schedule problem are such examples. GA (genetic algorithm) is applied to get an optimal solution. However, traditional GAs are usually of low efficiency because of their early convergence. In order to overcome the shortcoming of the GA a fuzzy rule based GA is proposed, in which a fuzzy logical controller is introduced to adjust the value of crossover probability, mutation probability and crossover length. The HGA (hybrid genetic algorithm), which is integrated with a fuzzy logic controller, can avoid premature convergence, and improve the efficiency greatly. Finally, simulation results of the facility layout problem and job-shop schedule problem are given. The results show that the new genetic algorithm integrated with fuzzy logic controller is excellent in searching efficiency.     

PWM控制无刚直流电动机

本文建立了ＰＷＭ控制无刷直流电动机的数学模型，用Ｃ语言编制了仿真程序，得到了ＰＷＭ控制无刷直流电动机的电流波形、转矩波形、机械特性和外特性．     

BM 迭代算法的循环架构设计及实现

BCH码的译码问题主要归结为一个关键方程的解决,即错误位置多项式的求解,BM迭代算法自1966年由BerlekampMassey提出以来经过不断改进,已经成为解决这一问题的成熟算法。提出了一种适合硬件实现的BM迭代算法的循环架构设计,并在此架构下分别实现了基于BM迭代算法和其简化算法的二元BCH(15,5)的FPGA译码器,显示出这一循环架构易于模块移植的优点。仿真结果表明：码组中任意不大于3 bit的随机错误都可以给予纠正。     

一种免疫遗传算法研究及应用

为克服标准遗传算法(SGA)搜索效率低、收敛速度慢等缺陷,文章提出了一种免疫遗传算法(IGA),即在父代优秀个体群的基础上叠加一个服从正态分布的随机变量来产生子代个体,以此综合体现父代优秀个体的遗传性和免疫性。研究表明,IGA对SGA的改进是有效且可行的,显示出稳健的全局优化、计算量少和求解精度高等特点,具有较高的应用价值。     

新型同伦算法及其在电机中的应用

通过构造新型同伦函数并结合Maple高级程序设计语言的通用工具箱,提出了同伦算法的原理与实现方法。实例计算表明了该方法的实用性、有效性,为电机参数多解问题提供了新的方法。     

一种基于MCMA的双模切换变步长的盲均衡算法

在修正常模算法（MCMA）代价函数的基础上，根据QAM信号分布的特点，得到一种误差控制函数在CMA和DD算法间切换的、变步长的盲均衡算法。它充分利用了CMA与DD算法各自的优点，改善了常算法收敛速度慢和收敛后剩余码间干扰大的不足，能够补偿由信道引起的相位误差，同时还具有重新启动的能力。计算机仿真表明：该算法收敛速度较快，收敛后剩余码间干扰很小，输出星座图紧簇，没有相位旋转，而且在信道突变的情况下能快速达到二次均衡。     

一种基于MCMA的双模切换变步长的盲均衡算法

在修正常模算法（MCMA）代价函数的基础上，根据OAM信号分布的特点，得到一种误差控制函数在CMA和DD算法间切换的、变步长的盲均衡算法。它充分利用了CMA与DD算法各自的优点，改善了常算法收敛速度慢和收敛后剩余码间干扰大的不足，能够补偿由信道引起的相位误差，同时还具有重新启动的能力。计算机仿真表明：该算法收敛速度较快，收敛后剩余码间干扰很小，输出星座图紧簇，没有相位旋转，而且在信道突变的情况下能快速达到二次均衡。     

基于改进型迭代算法的web数据关联规则挖掘

 因特网上的数据越来越多、越来越复杂,这些异构、动态、分布的信息使得传统数据挖掘方式已经不能达到实际要求。本文提出了一种面向web 数据挖掘的改进型迭代算法,将迭代方法与多服务器并行算法进行结合,并采用该算法建立了一个支持并行关联规则的web 数据挖掘模型,融合存储节点本地计算的思想。实验证明,该模型能够提高web 数据挖掘的效率,并有随着数据量增加执行率升高的特点。