基于自适应神经网络的非线性系统故障诊断

针对一类模型未知及状态不可测的非线性系统,提出了基于自适应神经网络的故障诊断策略,不仅在线估计神经网络的矩阵权重,而且在线估计高斯函数的宽度和中心。该方法对系统的未知非线性特性没有特别要求,仅对神经网络提出较弱的假设条件。首先利用径向基函数(Radial Basis Function,简称RBF)神经网络构造状态观测器,估计系统的状态。然后利用另一个自适应RBF神经网络作为故障估计器,其输入是系统的估计状态(而不是系统状态),其输出为系统所发生的故障模型。利用Lyapunov稳定理论详细分析了状态误差和故障误差的收敛性,分别给出了两个神经网络的参数调整律,仿真证明了该方法的实用性和有效性。     

严格反馈型随机非线性系统输出反馈滑模控制

研究了一类带有不确定性参数的严格反馈型随机非线性系统的输出反馈镇定问题,主要是采用变结构滑模控制方法(SMC)来设计镇定控制器。首先根据系统的结构和输出状态构造了随机非线性状态观测器,并针对结构参数的不确定性,采用梯度自适应调节律,然后基于系统的观测状态选择滑动模切换流形,给出了不含噪声激励的变结构控制律,并证明滑动模的可达性和闭环系统滑模运动的稳定性,最后讨论了滑模控制的抖振抑制问题。通过系统仿真,与其它鲁棒控制方法进行比较,证明了本方法不仅能够有效地镇定该类随机非线性系统,并且具有一些更好的控制性能。     

MIMO系统的发射天线选择及自适应链路实现

针对多输入多输出(MIMO)系统信道低秩引起信道容量下降的问题,提出了一种依据信道状态信息进行发射天线选择的算法,并给出了以此算法为基础的VBLAST自适应链路的实现方法。发射天线的选择依据权系数的范数大小进行,该方法可以有效降低天线选择的运算量。仿真结果表明,该方法的选择效果逼近最大容量法的选择效果。自适应链路实现方法将发射天线数的确定和天线选择并行进行,保证了在所处通信环境下达到最大的空间复用系数。     

基于自适应窗的小波域图像去噪算法

提出了一种利用自适应窗的小波域双重局部维纳滤波图像去噪算法。综合考虑小波分解后各个子带中能量分布的方向特性和图像本身的边缘和纹理特性,该算法首先估计每个子带中信号的能量分布进而在每个子带中确定自适应窗,然后利用自适应窗估计出的能量分布对含噪图像进行双重维纳滤波来去除噪声。实验结果表明该算法对含噪图像去噪的效果优于已有的采用二维可分实小波进行图像去噪的算法。     

多模式项目支付进度安排的优化模型及求解

研究了活动具有多种执行模式的项目支付进度安排问题,目的是寻求使项目收益最大化的支付进度包括支付事件,支付量以及与之相联系的活动执行模式和事件实现时间的安排.在对所研究问题进行界定的基础上,分别从承包商和业主两个角度构建了问题的非线性混合整数规划优化模型,并设计了由满意支付事件集合搜索模块和满意事件进度搜索模块构成的双模块模拟退火启发式求解算法.借助一个算例对研究进行了说明,结果表明:业主和承包商对支付进度安排的偏好差异明显;承包商的收益随着支付次数和支付比例的增加而上升,而业主正好相反;双方的收益均与折现率呈显著的负相关关系.     

基于T-S模糊模型的非线性自适应逆控制系统

现在非线性自适应逆控制系统中，由于对象模型和逆控制器均采用非线性自适应滤波器，自适应过程需要同时训练至少两个串联的非线性自适应滤波器，从而造成自适应学习过程过于复杂。利用一组自适应LMS滤波器建立非线性对象的T-S模糊模型，它为逆控制器的学习提供了准确的解析的对象模型Jacobian信息，从而有效简化了自适应逆控制学习过程。仿真结果表明，无论是离线建模还是在线建模，该非线性自适应逆控制方法均能取得理想的控制效果。     

基于图像的直接视觉伺服控制器设计与仿真

对于手眼机器人视觉伺服,考虑机器人的运动学及动力学特性,在物体的深度未知及机器人的基坐标系与物体的坐标系之间的相似变换矩阵未定标的情况下,设计了直接视觉伺服控制器,利用自适应算法对深度及上述相似变换矩阵的参数进行在线估计,实现了基于图像误差的定位控制,在系统的工作空间范围内,闭环系统是渐近可稳定的。该方法不需要物体的几何模型及深度的精确值,仿真结果验证了其有效性。     

AN EXPONENTIAL INEQUALITY FOR AUTOREGRESSIVE PROCESSES IN ADAPTIVE TRACKING

A wide range of literature concerning classical asymptotic properties for linear models with adaptive control is available, such as strong laws of large numbers or central limit theorems. Unfortunately, in contrast with the situation without control, it appears to be impossible to find sharp asymptotic or nonasymptotic properties such as large deviation principles or exponential inequalities. Our purpose is to provide a first step towards that direction by proving a very simple exponential inequality for the standard least squares estimator of the unknown parameter of Gaussian autoregressive process in adaptive tracking.     

一种基于介数的双层复杂网络级联失效模型

针对单层网络级联失效模型难以有效分析层状网络抗毁性的问题,基于介数分析法,研究了面向双层网络的级联失效模型。分析了网络两个层面之间信息(或能量)交互以及级联失效时的影响关系,并通过定义交互强度因子改进了节点介数计算方法,突出了节点业务对网络流量的影响。重设节点失效判定准则和负荷重分配准则,使网络两个层面在级联失效分析过程中得到关联。最后,仿真实验验证了模型有效性和可行性。     

New rapid transfer alignment method for SINS of airborne weapon systems

Transfer alignment is an effective alignment method for the strapdown inertial navigation system （SINS） of airborne weapon systems. The traditional transfer alignment methods for large misalignment angles alignment use nonlinear transfer align- ment models and incorporate nonlinear filtering. A rapid transfer alignment method with linear models and linear filtering for ar- bitrary misalignment angles is presented. Through the attitude quaternion decomposition, the purpose of transfer alignment is converted to estimate a constant quaternion. Employing special manipulations on measurement equation, velocity and attitude linear measurement equations are derived. Then the linear trans- fer alignment model for arbitrary misalignment angles is built. An adaptive Kalman filter is developed to handle modeling errors of the measurement noise statistics. Simulation results show feasibili- ty and effectiveness of the proposed method, which provides an alternative rapid transfer alignment method for airborne weapons.