双层通用自适应模式识别系统

单层n元自适应模式识别系统(WISARD)由于其大规模并行分布处理能力、通用性和自适应性而显示了巨大的应用潜力。但由于其结构的原因,系统性能受到了一定的限制。Kanerva提出的稀疏存贮器结构和WISARD的RAM阵列结构有相似之处。而且这种稀疏分布存贮的原理,可以从结构上解决WISARD的固有缺陷。根据SDM的概念,在WISARD的基础上,本文提出了一种新颖的双层自适应模式识别系统模型。它除了保持WISARD的原有特点之外,在解决大维数或非确定性模式数据的识别问题以及控制系统成本方面有着明显的优势。在该系统上进行的多体印刷汉字识别试验,初步优化了系统各参数的关系,验证了模型的可行性。     

加权自适应模式识别系统的数学描述

基于n元原理,采用加权训练思想,为克服经典自适应模式识别系统——WISARD的简单训练策略之不足而提出的加权自适应模式识别系统,具有自动消除伪特征、突出训练模式的固有特征、改进系统的分类性能筹优点。本文首次用数学手段描述了加权自适应模式识别系统,把系统的训练与分类过程抽象为对模式进行矩阵变换的过程。系统的分类行为由训练模式所建立的逻辑函数矩阵来表征。文中还对系统的性质作了初步探讨,指出只要合理地选取加权训练阀值,加权系统的分类性能不会弱于非加权系统。最后还给出了加权训练阀值的上界和下界。     

二值图像的自适应窗口边缘检测技术

英国Aleksander等人用RAM网络实现的自适应模式识别系统可以认为是一种逻辑神经网络,本文详细描述了利用这种模型实现的自适应窗口边缘2检测技术,包括模型的理论分析,边缘检测种种的各种实现方法和实验结果。基于这种模型的边缘检测技术的基本思想是:首先对窗口边缘检测技术,包括模型的理论分析,边缘检测的各种实现方法和实验结果。训练一个或多个对目标物体边缘敏感的模式,然后对图像逐点扫描和测试,根据窗口对特定扫描区域的响应实现对边缘的检测。其过程和模式识别中的训练—识别过程相似。文中讨论了“中心块”和“边缘训练”窗口的响应行为以及窗口大小的选择、响应阀值的确定和N元的选用等具体方法。并给出了相应的实验结果。研究表明,这种方法对边缘检测和噪音滤除都具有较好的效果,且硬件容易并行实现。     

基于神经网络的一类非线性系统自适应回馈递推控制

文章针对一类非线性系统,研究了一种基于回馈递推法的自适应神经网络控制方法.首先基于隐函数定理和中值定理推导出模型跟踪误差的动态特性,再利用多层感知器神经网络并设计适当的权值调整规则使其能够自适应的逼近和补偿误差提高系统的鲁棒性.基于Lyapunov方法证明了闭环系统所有信号有界且跟踪误差收敛到一个很小的邻域,所得到的闭环系统是一致稳定的.仿真结果验证了所研究算法的有效性.     

多模型直接自适应执行器故障补偿控制系统

为了更快更好地补偿执行器故障带来的不确定性,发展了一种新的多模型自适应执行器故障补偿控制系统设计方法。首先,分析所有可能的执行器故障模式,得到故障模式集。再针对每一种故障模式,分别进行控制器设计,控制器设计时采用直接模型参考自适应执行器故障补偿控制方法进行设计。然后根据参数估计误差分别计算每种故障模式下系统的性能损失函数,选择性能损失最小的子系统对应的控制器作为当前的全局控制器。最后以飞行控制系统为例进行了仿真,仿真结果表明,所设计的多模型直接自适应执行器故障补偿系统闭环稳定,且有良好的跟踪性能。     

基于改进帝国竞争算法的微型燃气轮机容错控制

针对微型燃气轮执行机构故障,提出了一种基于改进帝国竞争算法的自适应容错控制方法,实现了对故障的有效抑制。本文建立了微型燃气轮发电系统部件级一体化模型,实现了部件级模型与发电系统的联合仿真,提出了一种自适应改革概率的方法对帝国竞争算法进行改进。设计了基于改进帝国竞争算法的自适应模糊逻辑保护控制器。最后进行了改进算法性能测试以及微型燃气轮发电系统在孤岛模式下的仿真实验。结果表明:本文所提出的改进方法可以提高帝国竞争算法的寻优性能,设计的容错器可以明显改善故障发生时的动态性能,确保发电系统的稳定工作。     

继电型模型参考自适应控制系统的设计

本文对采用继电型自适应律的模型参考自适应控制系统提出了一种新的设计方法,并获得一种降阶自适应控制器。通过引入连续近似方法消除了不连续控制引起的颤抖现象。将本方法用于某飞行控制系统设计,其仿真结果表明效果良好。最后初步研究了本方法的微机实现问题。     

一类非线性系统的模糊自适应跟踪控制

针对一类非线性系统，把模糊T—S模型和自适应模糊逻辑系统两种模糊逻辑方式结合起来，提出了一种基于观测器的跟踪控制方案。首先，应用模糊T—S模型对非线性系统建模，设计观测器用来观测系统状态；由线性矩阵不等式得到模糊模型的控制律。其次，构建了自适应模糊逻辑系统；应用基于权值、中心和宽度三个参数可调节的自适应模糊逻辑系统作为补偿器来补偿建模误差。文中证明了闭环系统满足期望的跟踪性能，实现了跟踪目的。两连杆机械臂的仿真结果表明该方案消除了建模误差对跟踪的影响。     

三轴转台谐波幅相自适应控制系统的设计

提出了一种能够有效地提高正弦运动仿真转台精度的谐波幅相自适应控制补偿方法，阐述了谐波幅相自适应控制的机理、结构配置，开发了谐波幅相自适应控制律、分析了系统稳定性，为进一步提高精度还提出了一种在线辨识系统频响模型的实现途径。由转台工作的实测数据及跟踪误差测试表明，本文提出的谐波幅相自适应控制方法的精度明显优于常规的经典控制，对其他精密正弦运动跟踪系统也有普遍意义。     

基于神经网络动态逆的歼击机自适应跟踪控制

基于神经网络动态逆方法，给出了一种非线性模型参考自适应跟踪控制方案。应用神经网络直接对非线性系统求逆方法解决了逆系统方法的两个“瓶颈”问题，并且克服了传统的控制设计中将过程模型线性化，从而将不可忽视的非线性关系用线性关系代替或者忽略的弊端。对由于建模误差、不确定因素等引起的非线性系统逆误差，通过自组织模糊小脑模型关节控制器(Self—organizing fuzzy cerebellar model articulation controller，SOFCMAC)神经网络在线进行修正。SOFCMAC神经网络扩大了寻优空间，使其能更好地重构系统逆误差，最终实现准确的鲁棒自适应跟踪控制。通过将这种方法用于某型歼击机姿态系统控制的仿真研究，表明了本文方法的有效性和可行性。     

一种复杂系统需求和构架管理的分析工具

为满足复杂系统的集成和演化,系统建模需要对系统需求和架构有足够的管理.软件工具的支持是一种有效的手段.本文给出的需求和结构分析环境ATRAM工具致力于以下3点：建模,描述（置标）和对系统需求结构定义和进化的跟踪能力.在ATRAM中,提出了一套针对复杂系统的分析工具,它能帮助生成和架构相关联的需求文档,并提供一个基于XML需求和架构交互性的检验工具,用来帮助企业分析变动对企业的需求或结构带来的影响.     

声发射检验技术进展

本文简要介绍了声发射技术的发展史，并从声发射技术的原理、波形分析法、参数分析法、声源定位技术和声发射仪器几个方面进行了综述，主要讨论了最新的波形分析技术和检测仪器的构成。最后指出了声发射检测的发展方向是声发射信号的模拟识别及人工神经网络模式识别分析。     

奇异摄动法在数字飞行控制系统设计中的应用和实现

本文研究了线性定常离散奇异摄动系统的分解降阶,并进行了系统基于最优离散调节器理论的组合状态反馈设计。为了结合实际应用,提出了基于快子系统的龙伯格观测器设计方法。最后,用奇异摄动法具体设计了数字飞行控制系统(DFCS),并用微机予以实现。     

一类非线性空间分布系统自适应容错控制

研究了一类由偏微分方程组(Partial differential equations,PDE)描述的非线性空间分布系统的自适应容错控制(Fault-tolerant control,FTC)问题。首先,采用模态分解方法将PDE系统表示为一个有限维慢子系统与一个无限维快子系统相耦合的型式;然后,基于慢子系统模型及小增益定理设计了自适应FTC律,使闭环系统在所有容许的未知非线性动态以及执行器卡死故障的影响下都能渐近稳定。     

求解含多个右端向量非对称线性方程组的自适应块拟最小残量IOM(q)算法

许多实际应用问题需要求解含多个右端向量的大型非对称线性方程组 ,通常是把原来方程组分成单独几个含一个右端向量的方程组 ,再用某种迭代法分别单个求解 ,而更加经济有效的方法是应用能同时产生几个迭代向量的块迭代法来直接求解。本文在 IOM(q)算法的基础上 ,提出一种求解此类方程组的块拟最小残量 IOM(q)算法 ,讨论了如何收缩掉已收敛的部分方程组以及如何从产生的块 Krylov序列中删除线性相关或几乎线性相关向量的自适应技术。数值试验表明 ,此新的自适应块算法比块 GMRES算法及其他相关算法具有更好的收敛行为、更少的计算量和 CPU计算时间 ,是求解此类方程组的一种更加经济有效的算法。     

OFDM多载波系统中的自适应技术研究

本文在已有的多载波传输系统的基础上设计了一个改进的多载波系统模型,将信道编码技术,OFDM技术以及自适应传输技术相结合,使多载波系统的性能进一步的得到改善。同时本文还给出了一种在原有的传输算法的基础上归纳出的一个改进的传输算法-动态分块加载算法。     

Dynamic Model of Hysteresis in Piezoelectric Actuator Based on Neural Networks

A dynamic hysteresis model based on neural networks is proposed for piezoelectric actuator.Neural network has been widely applied to pattern recognition and system identification.However,it is unable to directly model the systems with multi-valued mapping such as hysteresis.In order to handle this problem,a novel hysteretic operator is proposed to extract the dynamic property of the hysteresis.Moreover,it can construct an expanded input space to transform the multi-valued mapping of hysteresis into one-to-one mapping.Then neural networks can directly be used to approximate the behavior of dynamic hysteresis.Finally,the experimental results are presented to illustrate the potential of the proposed modeling method.