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.     

无线流媒体系统的多模式自适应缓冲设计

针对无线传输流媒体带宽不足和信道具有时变特性的问题,文章提出了一种基于服务器端和客户端联合控制的多模式自适应缓冲方案,经过工程实践证明,该方案可提高无线视频QoS。该方案的基本思想是:系统分模式创建缓冲区;针对无线传输时延抖动大和丢包率高的特点,设计了改进的二维索引表进行RTP包快速排序;综合应用了关键帧丢失自动请求重发和阈值内错误掩盖策略。接收端自适应缓冲RTP数据包,统计网络信道参数,返回给本机和服务器动态调整相应缓冲区参数;服务器调整H.264编码器码率和发送速率完成拥塞控制。     

ATS自动检靶系统的数学处理方法

本文讨论了武器试验中自动记录弹丸立靶弹着点坐标的自动检靶系统的数学处理方法。定位原理是通过测量超声速弹丸的脱体激波实现的。文中考虑了诸如风速、气温、激波强度和弹丸入射角等影响因素。最后给出了一些试验结果。     

具有复合非线性特征不确定系统的自适应反推控制

针对一类具有复合非线性特征的不确定系统,提出了一种自适应反推多滑模近似变结构控制方案.基于模型分解的方法建立了具有复合非线性特征的执行器模型.论文设计径向基函数神经网络近似系统的未建模项,借鉴Nussbaum增益设计技术解决控制增益未知的问题,使用自适应律估计不确定干扰和神经网络近似误差的上边界.自适应近似变结构控制能...     

特征自适应的飞机大型蒙皮曲面测量系统与测量规划

针对飞机蒙皮零件外形准确度要求高、制造尺寸大和外形复杂的特点,以及人工手动扫描测量工作量大、效率低的问题,搭建了基于移动机械臂的柔性测量系统,并提出一种特征自适应的多站位自动化扫描规划方法,以实现飞机大型蒙皮曲面的三维测量数据自动化采集。首先构建了柔性测量系统与待测对象坐标系变换模型,分析扫描规划与执行过程中数据的传递关系,并通过视觉定位实现系统相对位姿估计。然后通过特征敏感的扫描路径点生成、效率优化的扫描站位规划以及扫描轨迹规划,实现了基于扫描效率和扫描完整性约束的特征自适应扫描规划。最后,搭建了一个基于机械臂与移动平台的柔性测量系统,并以4个真实飞机零部件作为测量对象,从扫描效率与扫描完整性方面对所提出的自动化扫描方法与手动扫描方法进行对比,并设计试验进一步验证了系统测量精度,结果验证了所提方法替代手动扫描测量方法的可行性。     

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。     

N元自适应模式识别系统开发工具

N元模式识别方法是一种易于硬件并行实现的自适应模式识别方法。单层自适应模式识别系统(WISARD)、加权WISARD、双层自适应模式识别系统模型都是以这一方法为基础的。本文论述的N元自适应模式识别系统开发工具——NIRSS就是为这些模型体系结构的仿真及应用研究而开发的。它可以仿真现有的4种模型,共有7种工作方式,23个功能模型,97条人机交互命令。有关上述模式识别系统结构的研究以及多印刷体汉字、手写体汉字的识别、自适应图像处理的应用研究都是在该软件包上进行的。实际应用表明,这是一种使用方便、功能丰富的有效开发工具。     

基于量子傅里叶变换的模式特征提取算法

量子算法由于具有量子态的叠加性、相干性和纠缠性使得它可以解决一些经典NP问题,并且它具有许多传统算法所没有的优点.本文利用量子傅里叶变换提出了一个模式特征提取算法,它借助量子并行特性只需进行一次量子傅里叶变换就可以提取模式特征,所以它提取模式特征的速度比传统特征提取算法有了指数级的提高.利用该算法提取出来的特征可以进行模式识别或图像识别.本文通过理论推导证明了该算法的可行性,通过简单的模式图验证了该模式特征提取算法的有用性.     

逻辑神经网络非线性可分性的实现

1985年，Aleksander领导的小组所实现的逻辑神经网络（LNN）成功地应用于脸谱实时识别。由于LNN无需学习算法，硬件可实现实时识别能力，在英国颇受工业界重视。然而，LNN存在一个缺陷就是在大模式划分成小的子模式后会造成LNN非线性能力下降甚至消失。针对上述问题，提出了一种在LNN中实现非线性可分性的方法。     

一个识别零件几何与工艺特征的自动分类系统

提出了一种在成组技术中应用模糊综合评判理论识别零件几何与工艺特征、进行计算机辅助零件分类的新方法，据此设计了自动分类软件。本法是根据零件本身间的相似性自动分类，不需建立一套分类用编码系统，也不需事先设定假想零件。对不同的分类要求，修改各种输入信息很方便，具有柔性。本文对２３００个航空附件回转类零件作了试验分析，讨论了特征抽取，目标类别，权级、权重分配，模糊关系矩阵计算，及自动分类应用软件设计．本软件是在ＩＢＭ－ＰＣ微型计算机上用Ｆｏｒｔｒａｎ－７７语言实现的，分类结果满意，自动分类正确率达９０％以上。本软件设计方法也适用于设计管理部门．     

BP网学习算法的改进及其在模式识别中的应用

提出了一种基于熵类误差准则函数的渐进收缩学习方法，避免了当模式反转时，传统ＢＰ算法的局域极小，加快了收敛速度，且有效地改善了网络的推广性能。此外，还提出了一种自适应学习率调整方法，克服了传统ＢＰ算法中固定步长不能适应复杂的误差曲面的问题，在收敛速度方面有较大地改善，并且对参数的敏感性小，有较好的鲁棒性。     

铁谱图像自动识别系统的开发与设计

立足于我国航空发动机发展的现状,结合铁谱技术的发展,阐述了铁谱图像自动识别系统的结构和组成部分,进一步促进我国新型飞机油液故障诊断系统的研究、设计与发展。     

逆向工程中一种新的特征识别算法

从某种角度上说,逆向工程是从已有实物的测量数据点中提取其实体特征再进行模型重建的过程。本文提出了一种新的特征识别算法,其首先采用基于面积和法矢准则的数据分割技术,对测量数据点进行数据分割。然后从特征所包含的分割面(简称特征分割面)中提取能够惟一标识该特征的4种特征编码,分别为:表述特征截面形状的截面编码、描述特征凹凸性的凹凸编码、显示特征二维俯视轮廓形状的轮廓编码以及反映特征二维俯视轮廓是否封闭的开闭编码。最后将这4种编码输入到基于人工神经(BP)网络的自动特征识别系统中,识别出特征类型并提取特征参数,从而实现特征重建。着重研究并实现了从特征分割面中提取特征编码的算法,并验证了算法的有效性。     

汽车牌照自动识别技术研究

提出了一种汽车牌照的自动识别算法：先对图象进行直方图均衡,平滑去噪,二值化预处理,再根据车牌上文字变化特点快速,准确地从复杂背景中分割车牌最后采用投影－变换系数法取汉字,英文和阿拉伯数字的不同维数的特征,送到相应的ＢＰ神经网络中进行识别,较好地解决了汽车牌照的自动畜产     

基于图和子图同构算法的制造特征识别方法

针对传统制造特征难以快速识别的难题,提出了基于图和子图同构算法的制造特征识别方法。通过提取零件模型中的几何信息与拓扑信息,构造出加权属性邻接图,对零件模型进行精准描述,为建立制造特征库,定义了文件数据的存储结构,结合子图同构算法以及相关判定规则实现对常见制造特征的识别与匹配。以Creo软件中生成的零件模型为例,在VS2010平台中进行二次开发,最后以界面窗口形式展示识别结果,验证了该方法的有效性。