基于不同等价权函数的抗差粒子滤波对比研究

粒子滤波与其他非线性滤波相比,具有更好代表性,因而在实际中得到广泛应用。在状态空间中寻找随机样本来对概率密度函数进行近似,以样本均值代替积分运算,来获得最小方差状态估计。在此过程中,含粗差的观测值对赋权产生干扰影响粒子滤波效果。在已有抗差粒子滤波的基础上,讨论了基于不同权函数的抗差粒子滤波。模拟计算并对数据分析表明,IGGⅢ抗差粒子滤波提高了粒子滤波的鲁棒性。     

基于LTS优化图像切边线性回归分类的人脸识别研究

针对现实人脸识别中由于伪装(如围巾、太阳镜和头发)或其它物体引起的面部遮挡而严重影响识别率的问题,提出了一种基于最小截平方和的图像切边线性回归分类算法。首先,使用一个鲁棒性强的估计量检测并裁剪查询样本、训练样本中受污染的像素点;然后,利用线性回归分类算法对图像进行切边;最后,利用LTS计算出规范化的重构误差。实验结果表明,相比其它几种回归分类算法,本文算法取得了更高的识别率,同时大大降低了训练总完成时间。     

基于并行子系统的飞行器多学科稳健优化设计

研究了并行子系统稳健优化设计方法在飞行器设计中的应用。分别采用并行子系统稳健优化设计、系统分析和并行子系统分析3种不同方法进行了计算,得出的稳健结果表明并行子系统稳健优化设计方法优于其它2种方法。该方法主要有3大改进:一是在MDO环境中,增加了不确定性的分析;二是允许系统层使用离散变量;三是在系统协调过程中,采用人工神经网络的响应面提供定量的近似信息。     

不确定时滞系统鲁棒迭代学习控制器设计

针对一类具有时变的不确定性时滞系统提出鲁棒迭代学习控制器设计方法,通过求解Riccati方程方法设计鲁棒迭代学习控制器,并基于Lyapunov理论推导出不确定时滞系统收敛充要条件。该控制器具有阶次低,易于实现等特点,所提出的控制方案保证系统跟踪在有限的迭代步骤内达到较好的控制效果。以机器人为仿真对象的仿真结果表明了该设计方法的有效性和可行性。     

基于自适应形状先验的快速图像分割算法

 针对传统GrabCut算法在GMM迭代参数估计阶段时间复杂度较高,当图像中含有噪声或遮挡物时容易发生分割错误的问题,提出一种结合多阶抽样GMM与自适应形状先验的图像分割算法.该算法首先根据采样数定理对像素点进行均匀多阶抽样,依据样本点估计GMM参数;然后加入形状先验项约束图像分割过程,同时对形状先验约束比例采用自适应方法进行控制,获得最终分割结果.针对形状仿射变换,运用SURF与RANSAC进行处理,使本文算法更加灵活.实验表明,本文算法分割结果更加准确,效率更高.     

基于鲁棒学习的鲁棒RBF神经网络

提出了一种基于鲁棒学习的鲁棒RBF神经网络。使用聚类方法选择RBF网络隐结点的中心,以鲁棒代价函数为目标函数,采用梯度下降法调整隐层结点的宽度和网络权值,从而使RBF网络的学习过程不受离群点的影响,并且能够快速收敛。仿真实验结果表明了RBF神经网络的鲁棒优越性。     

一类具有状态及控制滞后的非线性不确定随机系统的鲁棒H∞控制

就一类具有状态及控制滞后的非线性不确定随机系统,研究了其鲁棒H∞控制．文中用线性矩阵不等式（LMI）的方法设计了一种状态反馈控制器,使得所得到的闭环系统鲁棒随机稳定且满足所需要的H∞性能指标．仿真算例说明了该方法的有效性．     

一类含变时滞的退化中立型系统的鲁棒稳定性

讨论了一类含变时滞和非线性不确定项的退化中立型系统的鲁棒稳定性,借助于新算子的稳定性,将含变时滞和非线性不确定项的一般中立型系统推广到退化系统中,利用李亚普诺夫方法和线性矩阵不等式给出了一个新的依赖时滞的稳定性判据,相比已有文献具有较低的保守性,最后通过M atlab实现可以验证该判据的有效性和先进性。     

一类时滞不确定性系统的鲁棒H2/H∞状态估计

研究了一类时滞不确定性系统的状态估计问题 ,其中系统的参数不确定性是时变和模有界的。首先证明了时滞不确定性系统二次稳定且H∞ 范数小于指定的上界的充分条件 ,然后利用修正的Riccati型不等式推导了使得估计系统同时满足二次稳定和鲁棒H2 /H∞ 性能的线性估计器存在的充分条件 ,通过求解两个代数Riccati方程的正定解 ,得到了该估计器的参数表示。仿真试验表明了该设计方法的有效性和可行性。     

基于扩展线性矩阵不等式的鲁棒模型预测控制

提出了一种基于扩展线性矩阵不等式的鲁棒模型预测控制器的综合方法。通过引入松弛矩阵变量,实现了Lyapunov矩阵变量与系统矩阵的解耦,提供了额外的设计自由度,同时也降低了Lyapunov变量的保守性;通过将提出的方法应用于某型飞机综合飞行/推进控制系统的纵向控制律设计,并与传统的鲁棒模型预测控制方法进行对比仿真,检验了所提出方法的有效性和优越性。