基于自适应神经网络的歼击机模糊跟踪控制

提出了一种基于T-S模糊模型和自适应神经网络的跟踪控制方法.在系统具有未知不确定非线性特性的情况下,利用T-S模糊模型对系统的已知特性进行近似建模,设计基于模糊模型的模糊H∞跟踪控制律进行输出跟踪控制.在模糊控制的基础上,引入了基于RBF神经网络的自适应控制,用于在线对消不确定项和模糊建模误差的影响,以保证系统具有期望的鲁棒H∞跟踪性能.所提出的方案保证了闭环系统的稳定性,有效地提高了系统的鲁棒性和跟踪性能.仿真实例表明了所提出方法的有效性.     

短LDPC码和RS码基于BP算法的性能比较

LDPC码和RS码是目前2种较为常见的纠错编码,在深空通信方面有着广泛的应用.在相同码长和码率的情况下,对短LDPC码和RS码2种线性分组码在AWGN信道下进行了基于BP算法的性能比较.短LDPC码使用LLR-BP算法,RS码使用自适应置信度传播(ABP)算法.仿真结果表明,基于相同条件下,短LDPC码比较RS码表现出优越的译码性能.     

自动离合器的自适应最优控制

起步工况是汽车ＡＭＴ系统自动离合器最佳接合规律研究的难点。经分析,油门开度、发动机状况,档位、载荷等是影响接合品质的主要因素。对发动机状态进行非线性参数模型自适应监测,可以有效地防止发动机熄火或失速,滑摩功和冲击度是相互制约的性能指标。本文建立综合最优目标泛函,根据极小值原理,衽最优控制,影响接合过程的参数在最佳接合规律中表达为显式形式,便于精确控制和深入分析各种因素对接合过程影响的动力学机理,通     

基于K-means++的无线传感网能量高效分簇协议

针对传统无线传感网的分层路由算法中存在着分簇不均匀、簇首数量不固定、簇首位置不合理、节点的可扩展性不足以及数据传输方式比较单一的问题,提出一种无线传感网能量高效分簇协议.该协议在簇的建立阶段基于K-means++聚类算法进行分簇并采用S_Dbw聚类评价指标挑选其最优分簇,在簇的建立阶段,从每个簇中选取簇内剩余能量最高的节点作为簇首;在数据传输阶段,基于节点间的通信代价使用Dijkstra算法来寻找每个簇首到汇聚节点的最优路径.仿真结果表明:该协议可降低节点与汇聚节点之间数据传输的能耗,延长传感网的生命周期,并且在整个网络能量处于较低水平时也可以较好的覆盖整个监测区域.     

基于代沟信息的自适应遗传算法

针对现有自适应遗传算法无法兼顾群体特性 ,难以稳定地收敛到最优解的问题 ,从种群多样性和适应度均值变化的角度 ,分析了进化停滞或退化的原因 .以种群适应度均值和多样性作为概率调整依据 ,提出了一种新的基于种群代沟信息的自适应遗传算法 .利用相邻两代群体间的适应度差异和多样性差异信息 ,设计了遗传概率的自适应调整策略 ,使算法维持较好的多样性 ,有效避免了早熟 .并证明了算法收敛性 .仿真结果表明该算法能够使种群保持良好的可进化性和收敛性 .     

加窗LMS－ML自适应时间延迟估计

简述了最大似然时延估计的基本原理，从Ｒｏｔｈ处理器的自适应实现出发，发展了一种加窗ＬＭＳ－ＭＬ自适应时间延迟估计方法。这种方法以ＬＭＳ自适应信号处理技术为基础，利用自适应估计Ｒｏｔｈ处理器来得到幅度平方相干函数，进而实现最大似然时延估计，在自适应迭代过程中，对自适应滤波器的权矢量进行了加窗处理。理论分析和计算机仿真表明：这种方法在估计精度、收敛速度和计算复杂度诸方面均优于基本ＬＭＳ自适应时间延迟估计。     

分数阶不确定四翼混沌系统的自适应滑模同步

基于自适应滑模方法研究了一类不确定分数阶四翼混沌系统的同步控制问题.分数阶导数采用Caputo的定义,通过设计非奇异的分数阶滑模面和控制器,给出了系统取得同步的充分性条件.研究表明,选取适当的分数阶滑模面及控制器,不确定分数阶四翼混沌系统的主从系统能取得混沌同步;文中给出了严格的数学证明和推理过程,数值仿真表明了方法的有效性.     

自适应改进遗传算法在土木工程优化设计中的应用

为了改进基本遗传算法的早熟收敛、随机漫游,验证改进后的算法在七木工程中的应用效果,提出4点改进措施,形成自适应遗传算法。利用混沌序列的“遍历性、随机性、规律性”的特点生成初始种群：引入适应度的指数尺度变换;提出自适应的交叉、变异概率公式：幅度系数调节交叉率、变异率。改进后的优化结果与基本遗传算法进行了对比,在进化时间、收敛精度上得到提高。通过土木工程中桁架结构非对称受荷的数值算例,证明白适应改进遗传算法是现实可行的。     

基于自适应变异粒子群算法的铁路空车调配

提出一种用于求解铁路空车调配的自适应变异粒子群算法.该算法在迭代过程中加入了变异操作,根据群体适应度方差调整变异概率的大小,并通过调整惯性权重因子来增强算法跳出局部最优的能力.将自适应变异粒子群算法用于铁路空车调配,建立以空车总走行距离最小为目标的数学模型,并在此基础上设计相应的算法.算例结果表明,应用自适应变异粒子群...     

去除AMR语音编码器前瞻时延的研究

为降低自适应多速率（AMR）语音编码器的时延,提出了一种去除其前瞻时延的方法. 此方法采用协方差算法计算线性预测系数,然后用线性预测系数外推得到新样点. 用新推得的样点取代原来的前瞻样点,从而去除了编码器的前瞻时延. 进一步对重建语音质量分别进行了客观评价和主观评价,并且计算了算法复杂度. 实验结果表明该方法在去除前瞻时延的同时,重建语音质量接近原始AMR的重建语音质量.