改进的P型迭代学习控制算法

针对多输入多输出的定常线性系统的迭代学习控制问题, 给出改进的P型迭代学习控制算法, 该算法中利用最新算出的控制分量代替旧的控制分量, 这样可以加快控制输入的收敛速度, 利用该算法进行学习控制, 使系统的实际输出以更快的速度收敛于系统的理想输出.     

时变广义系统的H∞控制

研究系统矩阵中含有范数有界不确定性广义系统的H∞控制问题，通过广义系统的有界实引理分析不确定广义系统容许性以及H∞干扰衰减问题，利用线性矩阵不等式方法和Schur补定理将时变广义系统H∞控制问题转化为对定常广义系统H∞控制问题进行研究，得出了具有时变不确定性广义系统在范数有界的约束下等价于定常广义系统的结论。     

开闭环PD型快速迭代学习控制方法及其在直流电动机中的应用

针对一类非线性系统的学习控制问题,提出了一种开闭环PD型快速迭代学习控制方法。此学习控制方法利用了系统当前的跟踪误差信号和前次迭代控制的跟踪误差信号,以及它们的微分信号,同时采用可调比例系数,根据系统误差的变化及时地调节比例系数,从而使目标的跟踪能力得到提高。通过分析给出了此快速迭代学习算法收敛的条件,直流电动机的仿真应用说明了此学习控制方法对于非线性系统具有较强的有效性和较好的可行性。     

基于Bang-Bang控制思想的迭代学习控制算法研究

根据迭代学习控制基本原理,吸取了Bang-Bang控制的思想,提出了新的迭代学习控制算法。与常用的利用迭代误差或误差变化率进行控制率计算的算法相比,该算法只需根据迭代误差的符号即可计算控制率,不仅大大减小了计算工作量,而且增强了系统的抗干扰能力。给出了算法表达式和控制结构图,进行算法收敛性分析。仿真结果表明该算法的有效性和收敛性。     

人卫轨道数值计算中的稳定化问题

本文主要讨论了控制人卫轨道数值计算中沿迹误差的增长,即稳定化问题,给出了定常保守系统、非定常保守系统和耗散系统三种不同情况的稳定化方法,并阐明了存在初值误差情况下稳定化的实际意义。     

带有误差的广义压缩映射迭代序列的收敛阶

Liu Qihou提出了度量空间中带有误差的迭代序列的定义，并研究了迭代序列的收敛性。严格分析了完备度量空间中带有误差的两类广义压缩映射迭代序列的收敛速度，得到了迭代序列收敛阶的最佳估计，这些结果在近似计算中可用于估计不动点的大致范围以及根据精度要求确定迭代次数。     

一类非线性系统的D型在线学习控制

结合对初始状态的学习,给出了一类输出方程不含控制变量的时变非线性系统的D型在线学习控制算法及其收敛条件。其特点是将学习误差在线反馈,且迭代初始状态只需通过理想信号及系统的部分信息即可确定。最后,将所得结论应用于机器人系统,表明本文方法是有效的。     

一种适合迭代求解的反馈力浸入边界法

对Goldstein提出的反馈力浸入边界法进行了新的思考，改进了其对力源项的计算，拓展了该浸入边界法的使用范围。传统的反馈力浸入边界法在进行力源项的计算时，含有对速度误差的时间积分项，只能用于含时间项的Navier-Stokes （N-S）方程的求解，且在显式时间推进时有严格的时间步长限制。本文改进的方法则直接通过迭代过程中的速度误差求和来计算力源项，避免了时间相关的参数，使其不仅能适合非定常隐式时间推进，还能与不含时间项的定常N-S方程求解方法结合。为了验证改进方法的可靠性，对二维静止圆柱绕流、静止流体中的振荡圆柱、运动椭圆翼以及三维静止圆球的流场进行了计算，计算结果均与文献结果符合较好，表明本文改进的方法是有效的。得出的结论为：可以直接基于迭代次数进行反馈力源项的计算，改进的反馈力浸入边界法不仅可与非定常N-S方程结合，进行隐式求解，还可以与定常N-S方程结合用于定常流动的模拟，可将改进的方法运用到更多的流动问题当中。     

焊缝跟踪系统学习控制器设计

论述了迭代学习控制方法的基本原理,给出了迭代学习控制器的软、硬件系统的设计方法,证明了迭代学习控制器用于机器人焊缝跟踪系统的试验结果是成功的.     

基于粘接元技术的区域分裂解法及其应用

针对线性椭圆型问题的，发展了一种无重叠区域分裂方法，首先引入了Lagrange乘子，以使子域交界处解的连续性约束条件获得弱满足。接着重点讨论了Lagrange乘子的近似空间，即粘接元（mortar elements)空间的建立，以及所引起的离散鞍点问题的共轭梯度迭代解法。这种区域分裂方法非常适用于网格不匹配情形。然后，对基于二阶鼓包（bump)函数近似的当地事后误差估算方法提出改进，以使之适应于区分裂情形，我们还将上述方法应用于广义Stokes问题。最后，给出了以误差估算值为准确则的自适应网格上的数值结果。     

参数不确定离散马尔可夫跳跃广义系统的鲁棒输出反馈镇定

讨论了含参数不确定的离散马尔可夫跳跃广义系统的鲁棒输出反馈镇定问题。基于受限系统等价(r.s.e.)变换和通过引入新的状态变量,将所讨论的广义系统等价转换为离散马尔可夫跳跃标准线性系统。通过对转换后的系统进行讨论,得到了使闭环系统正则、因果且随机稳定的鲁棒输出反馈控制器存在的线性矩阵不等式充分条件,该控制器可以是降阶的。最后用一个数值算例说明了文中方法的有效性。     

基于广义系统表达式的模糊系统稳定性分析

研究不确定T-S模糊系统的稳定性问题,并基于模糊广义系统表达式,给出了系统稳定的充分条件。在此基础上,转化为求解线性矩阵不等式的问题。与以往结果相比,减少了求解过程的计算量。同时,为了得到更为松弛的线性矩阵不等式条件,提出一种新的模糊控制器设计及模糊Lyapunov函数。算例说明所提方法有效和可行。     

广义系统H∞控制的GARI方法

本文在[1]的基础上给出了广义系统在一般情况下H∞动态控制器存在的充要条件并在一定条件下将充分条件归结为两个代数Riccati不等式满足广义约束（CARI）的解，给出广义系统在该条件下的H∞次优控制器，并给出了数值实例说明本文的结果。     

基于条件随机场的遥感图像语义标注

遥感图像包含的信息丰富,纹理复杂,而遥感图像语义标注又为后续的目标识别、检测、场景分析及高层语义的提取提供了重要信息和线索,这使其成为遥感图像理解领域中一个关键且极具挑战性的任务。首先针对遥感图像语义标注问题,提出采用条件随机场(CRF)框架对遥感图像的底层特征和上下文信息建模的方法,将Texton纹理特征与CRF中的自相关势能结合来捕捉遥感图像中的纹理信息及其上下文分布,采用组合Boosting算法进行Texton纹理特征选择和参数学习;然后将Lab空间中的颜色信息与CRF中的互相关势能结合来描述颜色上下文;最后用Graph Cut算法对CRF进行推导求解,得到图像自动语义标注结果。同时,建立了可见光遥感图像数据库Google-4,并对全部图像进行了人工标注。Google-4上的实验结果表明:采用CRF框架与Texton纹理特征和颜色特征相结合对遥感图像建模的方法与基于支持向量机(SVM)的方法相比较,能够取得更准确的语义标注结果。     

一种低数据传输的多机器人实时视觉SLAM

针对多机器人视觉SLAM在实际应用中带宽受限的问题,设计了一种低数据传输的多机器人实时视觉SLAM系统.系统中引入了NetVLAD神经网络模型,通过改进NetVLAD降低了多机器人回环检测的计算资源占用,提高了回环检测的实时性.提出了一种针对描述子缺失情况下的特征匹配算法,提高了回环检测与相对量测的鲁棒性,并提出了一种增量式多机器人位姿图共享和优化方法.最后,通过在KITTI数据集进行测试,验证了该SLAM系统能有效减少多机器人通信过程中的数据传输,具有与单机器人SLAM相当的定位精度和实时性.     

空调车出口风温的自动调节

空调车的出口风温是一个重要的调节参数。本文建立了空调车的出口风温自动化系统的模型。简述了热惯性较大的温度传感器模型在线辨识和动态补偿方法。根据实际工况，文章对控制系统的模型进行了抽象并简化为典型非线性控制系统。针对系统中使用的电机实际情况，文章又对系统最简模型的相轨迹运动状况进行了分析，同时给出了相轨迹图。     

直升机燃油系统地面模拟试验中试验台转角与油面角的关系

为了在直升机燃油系统地面模拟试验中准确地模拟油面角，本文介绍了试验台转角与油面角的关系，并给出了转换结果，同时，提出了一种用油箱内增压来模拟过载的设想，使在模拟试验时，油泵供油更趋真实，通过简化计算，给出了确定气压力的方法和判断依据。     

不确定广义时滞系统的参数依赖指数镇定

研究了具有凸多面体不确定广义时滞系统的时滞相关型指数镇定问题。首先,利用Lyapunov稳定性定理和线性矩阵不等式工具,给出了标称的广义时滞系统正则、无脉冲和指数稳定的时滞相关型充分条件。在此基础上,采用参数依赖Lyapunov函数方法,设计了使闭环系统正则、无脉冲和指数稳定的时滞相关型状态反馈控制器,并给出了相应控制器的显式表示。     

遗传寻优神经网络在平台温控系统建模中的应用

温度直接影响惯性仪表及惯性平台的使用精度,而高精度温控系统的设计依赖于准确的平台加温模型,针对平台系统中多种惯性仪表加温过程复杂度高,当前采用的阶跃响应辨识方法存在模型适应性差、精度不高等情况,且针对基于梯度下降的BP学习算法存在局部收敛的问题.采用基于遗传算法寻优的神经网络辨识的方法,对惯性仪表加温模型进行建模,试验验证通过遗传寻优后的BP神经网络学习算法,提高了网络的学习精度,进而提高了平台系统中惯性仪表加温过程数学模型的精度,模型适应性较高,为后续惯性仪表的加温控制方法的设计提供了必要的条件.