混沌神经网络模型参考自适应控制器设计

研究了非线性的神经网络模型参考自适应控制器设计问题。将混沌机制引入常规BP算法,利用混沌机制固有的全局游动,逃出权值优化过程中存在的局部极小点,解决了网络训练易陷入局部极小点的问题。通过训练神经网络模型参考自应用控制器和辨识器,完成了对一类复杂离散非线性系统的控制。给出了具体的算法步骤。仿真结果表明了混沌BP算法优于常规BP算法。有效地提高了控制精度和适时性。     

H∞自适应滤波的理论分析及其在导航系统中的应用研究

由于双星系统的误差模型未知，且稳定性较差，采用Kalman滤波实现惯导／双星组合导航时，其滤波特性较差。而H^∞自适应估计对模型的不定性和干扰信号的统计信息不需做任何假设，而使它在工程实践中有广泛的应用。本文研究了H^∞自适应滤波，并将其应用到惯导／双星组合导航系统中。该方法是通过从输入干扰信号到估计误差间的最大能量增益的最小化找到一种H^∞最优估计策略来保证滤波器的鲁棒性。利用双星和惯导的实测数据进行仿真实验，并和递推最小二乘法、最小均方法进行比较。仿真结果表明，H^∞自适应滤波的鲁棒性优于其它两种算法。     

基于小波神经网络的自适应逆控制及其应用

神经网络控制特别适用于具有非线性和不确定性因素的系统。采用小波神经网络(WNN)对飞行仿真转台的直流伺服系统进行实时辨识,得到其逆模型。然后将这一训练后的网络作为前馈控制器与常规反馈控制器结合构成并行自适应逆控制器,控制转台跟踪指定的速度和位置轨线。仿真结果表明该方法的有效性。     

超分辨率处理中振铃现象的分析与抑制

为了抑制在实施FFT插值法重构的超分辨率图像中可能出现的振铃现象 ,深入分析了出现振铃现象的原因及产生条件 ,在此基础上设计了抑制振铃的频域补偿滤波器及其自适应算法。大量实验和比较结果表明 ,处理后的图像不但分辨率有所提高 ,而且未出现振铃现象 ,质量更好 ,从而证明了所设计的抑制振铃频域补偿滤波器及其自适应算法的有效性。     

一类复杂系统自适应观测器设计

分析和研究了一类非线性不确定复杂控制系统的自适应状态观测器设计问题,利用模糊逻辑系统具有充分逼近连续函数的性质,在状态观测器的鲁棒项构造中引入了模糊逻辑系统的输出,并用它完成了逼近系统中不确定性的任务,从而削弱了已有的研究成果在设计这类系统状态观测器时所使用的较为苛刻的假设条件,并证明了所设计的观测器与被控系统状态间的误差及各参数估计误差一致终极有界。最后用仿真实例证明了所采用方法的有效性。     

一种灵活的相控阵雷达采样周期自适应算法

相控阵雷达的波束资源具有很大的灵活性。设计了雷达资源调度仿真模块 ,分析了对雷达波形、波束指向、采样周期等参数实施控制的意义和原则。重点研究了一种基于参数的采样周期自适应策略 ,并提出了改进算法。仿真研究表明 ,参数λ使得采样周期自适应策略更加灵活、有效。     

基于Elmore模型的Steiner树问题的求解

建立了一种求解基于Elmore延迟模型的Steiner树问题的遗传算法。针对Steiner树问题的特点,在引入一种新的具有自适应性的杂交概率和变异概率的基础上,提出了面向Steinet树问题的遺传算法和一种构造染色体的新方法。提供了遗传算法的结构并讨论了遗传算子。分析了基于时间和空间的算法复杂性。     

基于模糊逻辑系统的组合大系统自适应观测器设计

针对一类非线性不确定组合大系统，利用模糊逻辑系统具有充分逼近连续函数的性质，分析和研究了这类系统自适应状态观测器设计问题，并在较弱的假设条件下，证明这种观测器与被控系统状态间的误差及各参数估计误差一致终极有界。最后的仿真实例说明了本文所提出方法的有效性。     

瑞利噪声环境中水下目标辐射信号增强算法

提出了基于高阶累积量广义函数迭代的自适应滤波算法，证明了该算法的收敛性，给出了广义函数的几种具体表示式。用该算法对瑞利噪声环境中水下目标辐射信号谱增强进行了仿真研究。结果表明：该算法具有很强的抑制瑞利(白或色)噪声的能力。因此，该算法在提高水下探测系统对水下目标的检测能力方面有重要的应用价值。     

基于GA神经网络的自适应预测控制的设计与仿真

针对自适应预测控制抗干扰、鲁棒性与实时性的矛盾，根据遗传算法优化后的神经网络具有很强的自适应性和学习能力、记忆能力、非线性映射能力、鲁棒性和容错能力，文章提出了一种新的自适应预测控制，成功地避免直接矩阵求逆，仿真表明该算法具有良好的综合性能和鲁棒性。