椭圆定形曲线拟合问题若干新型算法

针对一类特殊的参数辨识问题——随圆定形曲线拟合问题，对原有的几何距离法提出了进化算法的求解方案。基于反问题的求解思想给出了一种新的椭圆拟合度量，和原有度量相比，它即反映了拟合曲线的弯曲特性又便于数值求解，在该度量基础上构造出一种新型算法——加权新度量法。数值模拟结果表明，提出的新方法是有效的、可行的。     

样本缺失情况下的雷达目标自适应检测

雷达信号自适应检测问题中,参考数据中部分样本丢失会导致常规检测器性能显著下降。在无先验信息条件下,采用期望最大算法获得杂波协方差矩阵的最大似然估计,得到基于期望最大算法的自适应匹配滤波器。利用探测环境的先验信息,在贝叶斯框架下,采用Gibbs抽样获得杂波协方差矩阵的后验均值估计,得到基于马尔科夫链蒙特卡洛自适应匹配滤波器。计算机仿真分析表明,这2种检测器可以在样本缺失情况下具有较好的检测性能。当杂波协方差矩阵先验信息较少时,EM-AMF与MCMC-AMF检测性能相当;当有先验信息可供利用时,MCMC-AMF的检测性能可以得到进一步提升。     

基于牵制控制的变时滞复杂网络自适应同步

在牵制控制的基础上,文章探讨了节点与耦合均含变时滞复杂网络的自适应同步问题.首先,利用非线性耦合常微分方程描述了一般复杂网络的动态模型,同时给出了必要的定义、假设和引理.然后,基于李雅普诺夫稳定性理论和自适应控制原理,设计了简单适当的自适应控制器,让其通过对部分节点进行牵制控制来实现整个网络的同步,并且给出网络渐近同步的充分条件.最后,通过数值实验结果很好地验证了理论的可行性与有效性.     

模糊自适应PID控制方法研究与仿真

对于非线性、时变性的系统来讲,传统PID控制难以达到满意效果。利用模糊推理的方法实现对PID参数的在线自动整定,并且在Matlab软件环境下进行了研究与仿真。仿真结果表明,参数自适应模糊PID控制能使系统控制响应快、控制稳定,且具备了良好的动态性能。     

单向示范刀采煤机记忆截割的模糊自适应PID控制仿真

针对采煤机载荷的随机性,调高机构的几何非线性以及单向信息采集的偏差.采用模糊自适应PID控制方法,实现采煤机双向截割滚筒高度的自动跟踪,给出了单向示范刀顶底板数字化模型与模糊自适应PID控制策略,在Matlab/Simulink环境下,对单向示范刀记忆模式的记忆截割曲线跟踪控制进行仿真,并给出误差曲线.仿真结果表明:下行截割曲线跟踪的综合误差近似为顶板数字化转换算法误差和控制系统跟踪误差的叠加.下行顶板数字化转换算法、控制系统算法及其综合误差满足工程要求,可为单向示范刀采煤机记忆调高系统设计提供理论基础.     

通道不一致性、互耦对最优阵列处理器的影响

本文研究了通道幅相不一致性、互耦这两种误差对最优阵列处理器性能的影响。理论分析结果表明,对于只利用干扰加噪声协方差矩阵求逆的自适应方法(简称NAMI法),当干噪比(JNR)较大时,这两种误差不会导致零点位置的漂移,但零点深度有所变化;对于信号加干扰和噪声协方差矩阵求逆自适应方法(简称SPNMI法),当信噪此(SNR)较小或较大时,零点位置变化不大,但性能损失比NAMI法严重得多。如果能加以补偿,则SPNMI法与NAMI法有相同的结果。我们用矩量法计算得到的互耦矩阵对此进行了仿真模拟,实验结果证明了理论分析的正确性。     

模糊神经网络间隔调速模型的研究

提出了一种基于模糊神经网络理论求得动态出口速度的模型，以6层的前向神经网络实现模糊过程使系统具有自学习和自适应能力，能根据列车的实际溜放情况自动调整减速器出口速度。     

一种基于块的DCT域数字图像自适应水印技术

随着计算机和因特网技术的发展，数字水印技术开始广泛应用于数字图像、音频、视频和多媒体产品的版权保护。结合加密技术与图像处理算法，提出了一种类似于公开密钥体制的基于分块DCT变换的数字图像自适应水印算法。该算法通过离散对数控制水印的产生，利用HVS特性及图像特点自适应地控制水印嵌入浓度，并在图像的不同位置嵌入两个不同的水印，汇集了两种典型水印嵌入方式的优点。实验结果表明，该算法具有良好的安全性、透明性和鲁棒性。     

氧化铝熟料烧结回转窑智能控制系统设计与应用

介绍了氧化铝熟料烧结回转窑的工艺生产过程。针对生产过程存在的大滞后、非线性和多变量强耦合等特点,提出了基于自适应模糊控制、软开关控制、自适应预测控制和传统回路控制相结合的智能控制策略,并基于此策略在计算机集散控制系统上开发了氧化铝熟料烧结回转窑智能控制软件,成功应用于某公司氧化铝熟料烧结回转窑,实现了氧化铝熟料烧结回转窑的稳定控制。该系统投运以来可靠性高,控制效果及时、准确,具有在冶金、水泥等行业推广的价值。     

适用于励磁系统建模的模糊神经网络方法

基于原有励磁建模方法,将模糊理论和神经网络相结合,充分利用模糊理论处理不精确问题和神经网络较强的泛化能力等优势,形成一种模糊神经网络(FNN),并推导了FNN的学习算法.将此FNN用于发电机的控制环节——励磁系统建模.仿真结果显示,FNN模型能够较精确地对实际系统进行拟合.