具有未建模动态和有界干扰系统的鲁棒自适应控制(Ⅱ)

考虑一类同时具有未建模动态和有界干扰的连续时间系统,在推广的加权最小二乘法中嵌入一个带相对死区函数的时变加权因子,并以此算法估计系统建模部分的参数.对建模部分的相对阶,n*=n-m=1的情况,设计出不含微分环节的自适应控制器,系统输出直接跟踪所给定的参考信号,证明所构成的闭环系统是全局稳定的.     

基于自适应粒子群优化的不平衡航空客户数据质量优化

航空业的竞争愈发激烈,高效且准确的客户忠诚度预测模型有利于提高企业竞争力.针对航空数据集存在严重分类不平衡、特征维度多等问题,提出了客户忠诚度预测模型.该模型基于自适应粒子群优化(APSO)算法得到多数类优化样本子集,使用卷积神经网络(CNN)提取得到的平衡数据集特征,将自动得到的特征向量作为随机森林(RF)算法的输入,构建客户忠诚度预测模型.实验结果表明,该方法预测性能优于其他预测模型,可以更好地预测客户忠诚度.     

一种基于FCGA的GPS自适应抗干扰算法

针对GPS卫星信号功率微弱易受干扰的特点,提出了一种基于浮点数编码遗传算法(Floating point number Coded Genetic Algorithm,FCGA)的GPS自适应抗干扰算法。首先分析了自适应阵的输出信号,给出了自适应阵方向图与加权矢量的关系式。然后根据线性约束最小方差准则,得到了一个有约束的多参量目标函数,并采用浮点数编码遗传算法对其进行了优化。最后为了验证该算法的有效性,以22单元改进的均匀圆形阵为研究对象,分别对自适应阵的方向图和输出信号干扰噪声比(SINR)进行了计算机仿真。结果证明,该方法能够在多个期望信号方向保持较高波束增益,同时在干扰信号方向形成很深的波束凹陷。在强干扰情况下,输出信号干扰噪声比SINR能够保持在定值附近,而不随着输入干扰功率的增加而降低,达到了抑制干扰的设计目的。     

基于体育辅助运动机器人的神经元自适应PID控制的研究与分析

目前,体育教学及体育训练主要以体力锻炼输出负载与体育教学的经验灌输为代价,存在体育锻炼及体育竞技运动周期长、损伤风险大,单一被动式体育训练及体育锻炼特征缺陷明显。为此,本文给出了一种基于体育辅助运动机器人的神经元自适应PID控制的算法,建立了了一种基于体育辅助运动机器人的神经元自适应PID控制系统,利用MATLAB进行仿真。仿真结果表明:采用神经元自适应PID控制器的跟踪精度更高,相比于传统的PID控制,位置误差缩小了50%,引入扰动时,转速波动大幅降低,抗扰动能力明显提升。实验在陇东学院体育学院实验取得良好的效果;同时,在其他的地方体育的教学和训练具有较强的借鉴意义。     

采用Bootstrap抽样的靖远黄河大桥模态参数识别不确定性量化

提出一种基于Bootstrap抽样的模态参数识别不确定性量化方法,从整体和局部的角度评价模态参数识别结果的可靠性.首先,基于动力测试的加速度时程数据,采用协方差驱动随机子空间(SSI-COV)法识别不同测试组的模态参数;引入Bootstrap抽样方法,对多组模态参数识别结果进行B次重复抽样,得到Bootstrap样本数据,并通过其概率统计特征值衡量整体不确定性.然后,对单个测试组中不同时间段的识别结果进行重复抽样,分析并量化单个测试组的模态参数识别的不确定性.最后,以靖远黄河大桥试验数据为例,对靖远黄河大桥竖向单个及多个测试组下的模态参数进行不确定性量化.结果表明:不同测试组识别的前3阶固有频率的均值分别为1.553 9,1.720 6,2.165 2,方差分别为0.076 1,0.042 9,0.096 5;单个测试组识别的前3阶固有频率的均值分别为1.526 5,1.788 0,2.306 0,方差分别为0.015 3,0.049 6,0.018 2;文中方法识别的固有频率值总体较为稳定.     

多策略集成的改进技能优化算法及应用

针对技能优化算法(Skill Optimization Algorithm,SOA)寻优精度不高、收敛速度慢等缺点,本研究提出一种多策略集成的改进技能优化算法(Multi Strategy integrated Skill Optimization Algorithm,MSSOA)。MSSOA采用佳点集策略初始化种群,提高初始种群在解空间内的分布质量;根据算法特点在全局搜索阶段采用自适应权重,改进个体行进的步长;根据不同个体采用不同的t-分布扰动方式,平衡全局搜索和局部搜寻的关系,增强算法后期局部搜寻能力。通过12个测试函数、2个工程应用问题对其性能进行测试,测试结果表明MSSOA有着理想的寻优精度和收敛速度,能够解决复杂的工程问题。     

一维波方程非同位误差反馈调节

采用自适应的方法研究了带有分布谐波扰动的一维波方程的误差反馈调节问题.假设谐波扰动的频率已知,振幅未知,量测输出为左边界位移与跟踪信号之间的跟踪误差及误差导数.首先,通过构造调节器方程将原始系统变为辅助系统,将分布的谐波干扰变为边界扰动信号.其次,仅利用可量测的误差信号设计自适应状态观测器及未知参数的更新律,从而估计出...     

紧致化神经网络的鲁棒性分析

深度神经网络(deep neural network, DNN)目前已经在很多视觉识别任务中达到了超越人类性能的表现.然而,将深度神经网络部署到真实场景的终端设备面临着两个挑战:首先,目前的深度神经网络模型非常耗费计算资源和内存,很难直接应用在资源受限的终端设备上;其次,真实场景的数据往往受到各种各样噪声的影响,因此部署在真实场景的模型应该拥有良好的鲁棒性(robustness).近年来出现了很多对深度神经网络进行压缩和加速的方法以适应真实场景的资源受限终端,而对这些压缩模型的鲁棒性分析也得到了越来越多的关注.本文首次对神经网络剪枝、量化及知识蒸馏等常用的压缩算法进行对抗鲁棒性及噪声鲁棒性分析,总结了不同压缩算法对神经网络鲁棒性的影响.并对目前同时解决神经网络鲁棒性及模型大小问题的一些方案进行了整理与分析,展望了该领域未来研究的技术挑战与可能的发展方向.     

低密度奇偶检验码译码的高效量化算法

为降低低密度奇偶检验码译码的硬件实现复杂度,提出了一种可变步长均匀量化"和积"译码算法。该算法分为两步进行:首先,检验节点和变量节点的外信息都以相同的量化步长进行均匀量化而进行迭代译码;然后,当迭代达到预定的次数时,检验节点和变量节点的量化步长分别乘以和除以预先选定的一个参数。仿真和现场可编程门阵列实现结果表明,与未量化的标准积译码算法相比,该算法的性能损失在0.1 dB以内;与同等性能的算法相比,该算法可以降低50%的硬件规模。     

Discrete Time Optimal Adaptive Control for Linear Stochastic Systems

The least-squares (LS) algorithm has been used for system modeling for a long time. Without any excitation conditions, only the convergence rate of the common LS algorithm can be obtained. This paper analyzed the weighted least-squares (WLS) algorithm and described the good properties of the WLS algorithm. The WLS algorithm was then used for adaptive control of linear stochastic systems to show that the linear closed-loop system was globally stable and that the system identification was consistent. Compared to the past optimal adaptive controller, this controller does not impose restricted conditions on the coefficients of the system, such as knowing the first coefficient before the controller. Without any persistent excitation conditions, the analysis shows that, with the regulation of the adaptive control, the closed-loop system was globally stable and the adaptive controller converged to the one-step-ahead optimal controller in some sense.