含非线性因素的模型参考自适应控制

研究了含非线性因素的位置伺服系统,提出一种适合快速、高精度位置伺服系统的非线性参考模型的自适应控制算法。使其对含有某些非线性特性的被控对象的控制效果优于线性参考模型的自适应控制算法。     

火下开采工作面风窗自动监测与调节系统的研究

本文介绍了适用于火下回采工作面的调节窗自动监测与调节系统工作原理、硬件结构和软件流程;建立了被控对象的数学模型,提出了系统的自适应预估控制方案,并通过数字仿真方法进行了研究.     

自校正内模控制器

提出了设计自校正内模控制的新方法。该方法把输出预测误差划分为有规律和无规律误差两部分。通过在线辨识建立有规律误差的预报模型,由此模型对误差值进行自适应预报,达到对内模控制器的在线校正,而对无规律的误差只作闭环反馈修正,最后达到消除系统的稳态余差。本方法比通常自校正内模控制算法的运算量大大减少,而在对象参数在一定范围内漂移时,同样能取到自校正效果。     

一种新的隐式多变量组合自校正动态解耦控制器

本文提出一种新的多变量组合自校正动态解耦控制器.该控制器采用在零极点配置基础上叠加最小方差控制的算法,既能实现动态解耦,又改善了伺服跟踪性能.该控制器采用隐式递推算法,参数估计数目少,在线计算量小,仿真结果表明控制效果良好.     

一种变步长LMS自适应算法

本文提出一种步长自适应于绝对误差和的最小均方(LMS)自适应算法。给出收敛条件和精度比值。新算法对平稳和非平稳输入信号的权噪声功率,及系统的跟踪能力都明显地优于一般的LMS自适应算法。并给出计算机模拟结果。     

自适应格形算法的并行实现

本文提出一种基于自适应格形算法的并行实现方法。它节省硬件,处理速度高,但不影响算法的性能,适用于高速、高性能的实时处理。     

最小方差自校正控制—具有恒定的闭环极点

提出一种具有恒定闭环极点的最小方差自校正控制器,该控制器将最小方差策略和极点配置策略结合起来,既保证了良好的伺服跟踪能力和抗干扰能力,又增强了控制器的鲁棒性。本文采用递推估计算法在线调整加权多项式来配置闭环极点,因而在不显著增加在线计算量的条件下有效地改善了控制器的性能。     

用单片微机实现自适应滤波：自适应噪声抵消系统（ANCS）

本文主要介绍了用单片微机实时实现自适应滤波的研究,着重讨论了对50Hz干扰的消去——自适应噪声抵消.文中包括用APPLEII模拟自适应滤波实现的可能性研究,用MCS-51实现ANCS软硬件的介绍.本文对自适应滤波的研究和实用以及教学实验均有一定的参考价值.     

正交Haar变换的眉毛识别方法

【目的】提高现有眉毛识别方法的识别效率。【方法】采用快速正交Haar变换模板匹配算法(FOHT),设计一种基于正交Haar变换的眉毛识别方法;同时,使用最大标准子模板和自适应阈值解决了FOHT算法只能处理标准模板且需要手动设置阈值的缺陷。【结果】所构建的眉毛识别方法比原方法效率提高约32%。【结论】正交Haar变换的眉毛识别方法实时性强,具有一定的实用价值。     

自适应加权最小二乘支持向量机的空调负荷预测

为了提高建筑空调负荷的预测精度,在分析空调负荷主要影响因素的基础上提出了一种基于自适应加权最小二乘支持向量机(AWLS-SVM)的建筑空调负荷预测方法。该方法根据预测误差的统计特性,采用基于改进正态分布加权规则,自适应地赋予每个建模样本不同的权值,以克服异常样本点对模型性能的影响。建模过程中采用粒子群优化(PSO)算法对模型参数进行优化,以进一步提高模型预测精度。基于DeST模拟数据将AWLS-SVM方法应用于南方地区某办公建筑的逐时空调负荷预测中,并与径向基神经网络(RBFNN)模型、LS-SVM模型及WLS-SVM模型作比较,其平均预测绝对误差分别降低了51.84%、13.95%和3.24%,并进一步基于实际空调负荷数据将该方法应用于另一办公建筑的逐日空调负荷预测中。预测结果表明:AWLS-SVM预测的累积负荷误差为4.56MW,亦优于其他3类模型,证明了AWLS-SVM具有较高的预测精度和较好的泛化能力,是建筑空调负荷预测的一种有效方法。