一个新混沌系统不稳定平衡点的镇定

用线性反馈控制和自适应控制方法研究了一个新的混沌系统不稳定平衡点的镇定问题.当系统参数已知时,借助系统在平衡点附近的线性化模型,利用状态线性反馈控制器可以镇定系统所有的平衡点;当参数未知时,利用自适应控制策略,可以把系统镇定到期望的不稳定平衡点.利用Lyapunov函数和LaSalle不变原理对结论给予了严格证明,并用数值仿真说明了这种方法的有效性.     

一种基于邻域信息的椒盐噪声滤波算法

中值滤波是最早提出的一种有效抑制椒盐噪声的滤波算法，但其最大的缺点是模糊了细节部分．提出了一种改进的中值滤波算法，根据待测点与相邻像素点之间灰度值的相似性来区分噪声点与图像点，对噪声点应用中值滤波，而对图像点保留其灰度值不变，该算法在有效抑制椒盐噪声的同时能很好地保护细节．     

一种基于数字图像技术的工件壁厚测量方法

将数字图像技术应用于工件厚度的测量，利用阅值分割、边缘提取等技术手段获取工件的边缘，在计算工件壁厚时，提出了相关算法。该测量方法具有速度快、精度高、可靠性强、易于控制的优点。     

一类复杂系统的分布式模型参考自适应控制

针对一类子系统相关联的复杂多输入多输出系统，提出了一种在多输入子系统中采用基于Lyapunov函数的模型参考自适应控制(MRAC)的方法．其中各个子系统建模为线性多输入系统，并假设各子系统的参数均为未知，各子系统之间存在相互影响．通过理论推导和计算机仿真证明了该控制方法的可行性和有效性。     

有未知延迟的下三角系统的输出反馈控制

主要研究状态和输入都有未知时变延迟的下三角系统的输出反馈控制.关于延迟仅规定它是有界的,但它的边界和时变率是未知的.针对要研究的系统,首先提出一个新的自适应输出反馈控制器;然后,为了处理有未知时变的状态,给出了一个新的变换和技术;最后,说明在所给的输出反馈控制器下所研究的系统是全局可控的.仿真结果说明了控制器的有效性.     

深度学习在引力波数据处理中的应用初探

截至2018-01-16,LIGO已成功探测引力波事件6次.可以预期,引力波探测事件会越来越多,引力波天文学会很快进入到大数据阶段.深度学习在大数据处理方面近年来得到迅速发展.它在数据处理速度,准确度等方面都表现出极大的优势.深度学习在引力波数据处理中的应用讨论还不多.本文引入此问题,并对其进行初步研究.引力波数据最大的特点是强噪声、弱信号.现行的数据处理方法是利用匹配滤波的方式把引力波信号从强噪声中挖掘出来.同时,匹配滤波方法还可以确定引力波源的性质,定量确定其参数.匹配滤波方法的弱点是计算量巨大.这导致数据处理速度很慢.对于将来的大数据引力波天文学,这更将是一个巨大的隐患.匹配滤波方法的另一个潜在问题是,完备准确的理论波形模板是其工作的前提条件.这个潜在问题的后果是很难找到理论预期之外的引力波信号.深度学习的数据处理方法有可能在这些问题上提供出路.同时,深度学习也会遇到其自身的若干困难和问题.本文将从网络结构、训练数据制备、训练优化、对信号识别的泛化能力、对数据的特征图表示以及对特征数据遮挡的响应等方面来展开讨论.     

基于AFO 的感应电机无速度传感器控制

针对传统的基于模型参考自适应理论MRAS(Model Reference Adaptive System)的感应电机无速度传感器控制系统存在的参考模型不准确的缺点, 提出了一种以电机本身为参考模型, Luenberger 全阶状态观测器为可调模型的自适应无速度传感器AFO(Adaptive Full-Order Observer)控制策略。整个系统包含产生电机所需转子 磁链的全阶观测器和一个使用自适应率估计转速的转速估算机构。以李雅普诺夫稳定性理论为基础, 使用电机的估算定子电流误差和观测出的转子磁链推导出转速自适应率。以观测器极点配置的方法, 设计了一种快速收敛的反馈矩阵, 保证了在大范围内电机的稳定运行。针对转速估计在低速再生制动时的不稳定现象, 利用劳斯稳定判据, 设计了一种新的反馈矩阵保证转速估算的全局稳定性。通过Matlab/ Simulink 仿真验证了结论的有效性。     

基于引导滤波的指节纹图像增强算法研究

在利用指节纹进行身份识别时,为提高图像的质量,避免光照不均匀和环境噪声对特征提取带来的影响,需要在图像预处理阶段进行增强处理。针对指节纹图像的特点,设计了基于梯度图像引导滤波的图像增强算法,并在指背关节纹数据库中进行了验证。结果表明,该图像增强算法可避免光照不均带来的影响,同时突出细节特征,适用于指节纹图像的预处理。最后进行的定量分析证明,经过本算法的增强处理后,图像将保留更多的细节信息特征,有利于后续特征提取和提高图像识别的准确性。     

改进PSO 算法在振荡式注汽速度优化中的应用

针对蒸汽驱恒定式注汽速度驱油效果差的现状,提出了一种基于改进PSO( Particle Swarm Optimization) 算法的蒸汽驱振荡式注汽速度优化方法。该方法建立了蒸汽驱注汽速度数学模型,采用改进粒子群优化算法对此模型进行求解并优化振荡式注汽速度,最后得到蒸汽驱振荡式注汽速度最优方案。改进粒子群优化算法引入混沌优化算子产生初始解,依据各粒子适应值的距离,完成对各个粒子的自适应变异,同时引入极值扰动算子对个体历史最优值和全局最优值实施随机扰动,加快了收敛速度,提高了种群的可进化能力。实验结果表明: 所建立模型准确,优化算法有效。通过此方法可指导蒸汽驱注采方案合理编制,指导蒸汽驱高效运行。     

自适应无迹卡尔曼滤波动力电池的SOC估计

无迹卡尔曼滤波法(Unscented-Kalman Filter,UKF)在估计动力电池的剩余容量(State of Charge,SOC)时,由于系统噪声的不确定,可能导致算法不收敛,而且算法的估计性能受模型精度的影响,为此采用自适应无迹卡尔曼滤波法(Adaptive-UKF,AUKF)动态估计电动汽车动力电池的SOC.建立了适用于SOC估计的电池模型,辨识相应的电池模型的参数并进行验证,将AUKF应用到该模型,在未知干扰噪声环境下,在线估计电池的SOC.试验仿真结果表明:UKF算法的估计误差在-0.04~0.06之间跳动,而AUKF算法的估计误差平稳的保持在0.05以内,实时修正微小的模型误差带来的SOC估计误差.