基于扩展Kalman滤波的声阵列定位数据融合算法

利用各阵元和目标相对于一中心阵元的几何关系建立目标运动方程，坐标变换方程和声阵列测量方程，并以此建立了声阵列目标定位模型。在此基础上提出了基于扩展Kalman滤波算法的目标定位数据融合算法。通过地面目标和空中目标的计算机仿真表明，本算法能够有效地克服由于智能雷布阵的随机性给智能雷定位数据估计带来的困难，对声阵列定位数据也能进行较好的融合，对提高定位精度有一定效果。     

BP自适应网络在数值预报产品的释用

提出了动态指标库的概念，即不同时次采取不同的指标库，同时次在网络自适应时采取不断更新指标库的阈值，采取先建立消空指标库对样本进行消空，提高了降水样本在整体样本中的概率，然后利用BP(Back Propagation)网络作了大连短期的12h和24h降水有、无的预报，设计了网络的自适应算法，并在降水有、无预报中加以应用。结果表明，此方法比没有做消空样本和网络自适应的降水TS评分有所提高，在数值产品解释应用中更具有实际意义。     

模型参数不确定的不完全驱动船舶航迹控制自适应反演设计(英文)

针对不完全驱动船舶航迹控制系统模型中存在的参数不确定性 ,基于重定义输出变量思想 ,利用自适应反演积分技术 ,提出了一种具有全局渐近稳定跟踪性能的非线性自适应控制律 ,该控制律能够使得处于不完全驱动状态下的偏航船舶在所有模型参数未知情况下 ,对一条直线参考轨迹进行全局渐近稳定的航迹跟踪。同时 ,通过严格的理论证明 ,该控制律还可以使得文中的重定义输出变量及其组成变量具有相同的收敛性。最后 ,以本校远洋实习船“育龙”号为例 ,利用Matlab软件进行了计算机仿真研究 ,对所提出的控制器进行了验证 ,所得结果比较理想     

船舶减摇鳍智能控制器(英文)

提出基于自适应网络模糊推理系统 (ANFIS)的神经 模糊控制器作为船舶减摇鳍系统的控制装置。仿真结果表明 ,ANFIS控制器在恶劣海况下也能够改善船舶的横摇减摇性能。该智能控制器有希望作为常规PID控制器的改进选择     

循环流化床燃烧过程自适应双环选择控制系统

本文根据循环流化床燃烧过程的动态特性和现场运行经验，提出了1种符合实际应用的自适应双环选择控制系统。该系统在床层温度不越限的情况下，以控制主蒸汽压力稳定为主要目标。当床层温度发生越限时，系统自动变换控制策略并调整床层温度恢复到正常，这种控制方式有效地减弱了主蒸汽压力与床层温度之间的耦合关系。该系统结构简单、实用，具有工程应用价值，现场运行收到较好的控制效果。     

感应测井信号处理及应用研究

综合论述了感应测井信号处理方面的成果 .重点涉及感应测井信号处理理论、信号处理中几何因子选择、滤波器最优化设计、实际非线性测量信号处理的实现 .总结了常用几何因子的应用局限性 ;提出了利用相关技术、软约束技术等方法解决最优化滤波器设计中的问题 ;采用真分辨率合成与分辨率匹配技术相结合的信号处理思想 ,极大地减小了井眼附近的影响 ;实现了非线性信号自适应处理算法 .研究成果分别在双感应测井、高分辨率感应测井、阵列感应成像测井和高分辨率阵列感应测井中得到了应用     

基于自适应逆控制技术的船舶操纵仿真控制

对自适应逆控制理论中的对象动态控制问题和对象扰动控制问题分别进行了探讨，并且针对船舶模型特性，改进了自适应逆控制的框图，使其能够更好地应用于船舶操纵控制。在算法上用最小二乘法代替LMS(Least Mean Square)算法对船舶进行模型参数辨识和控制器的设计。仿真结果表明，改进后的自适应逆控制算法能适应船舶数学模型的变化，与PID控制相比，这种算法具有动态响应快，抗扰动性好等特点。     

高码率平滑图像质量自适应量化控制算法

针对MPEG-2纯Ⅰ帧编码情况，在MPEG-2TM5自适应量化控制算法的基础上，提出了一种基于平滑图像质量的高码率下自适应量化控制算法。根据已编码帧的复杂度平滑分配各帧目标码字，利用非线性方法使宏块的量化因子变化平缓，以达到高码率下提高图像质量的目的，仿真结果表明，在相同码率下重建图像质量(PSNR)优于TM5算法。     

基于自适应PID算法的制冷装置实时控制

通过离线辨识蒸发器过热度控制的实验数据，得到了基本二阶惯性纯迟延模型以及相关的非线性动态特性。在此基础上，经过控制器参数整定得到了利用单片机开发的实时控制器用的优化控制参数。同时，根据系统时变、非线性的特点，在基本PID算法的基础上，融入自适应控制在线识别系统工况，实时改变控制器的控制参数。实验表明，自适应PID控制相对于单纯PID控制，在控制精度、稳定性等控制品质指标上有较大提高，适于工程实用。     

用于恒模数字信号的变步长归一化最小均方算法

为全面分析用于数字信号的最小均方（LMS）算法性能，提出了一种新的性能评估参数－误码率，为了提高LMS算法性能，提出了一种新的变步长归一化LMS自适应算法，该算法长在启动阶段主要由瞬时误差控制，以加速收敛，在收敛阶段主要由其历史值来决定，以获得低的误码率，而切换条件是基于短时均方误差值，与已有类似的变步长LMS算法相比，在几乎不增加算法复杂度的情况下，具有更快的跟踪速度，更低的比特误码率，特别是其控制参数在观测噪声强度发生变化时不需重新调整，计算机仿真效果支持了理论分析。