n比特随机量子系统实时状态估计及其反馈控制

研究了n比特随机量子系统实时状态估计及其反馈控制的问题.对于连续弱测量(Continuous weak measurement, CWM)过程存在高斯噪声的情况,基于在线交替方向乘子法(Online alternating direction multiplier method,OADM)推导出一种适用于n比特随机量子系统的实时量子状态估计算法,即QSE-OADM (Quantum state estimation based on OADM).运用李雅普诺夫方法设计控制律,实现基于实时量子状态估计的反馈控制,并证明所提控制律的收敛性.以2比特随机量子系统为例进行数值仿真实验,通过与基于QST-OADM (Quantum state tomography based on OADM)算法和OPG-ADMM (Online proximal gradient-based alternating direction method of multipliers)算法的量子反馈控制方案的性能对比,验证了所提控制方案的优越性.

科学幼小衔接的创新研究

幼小衔接,指幼儿园教育与小学教育的衔接。科学有效的幼小衔接可以帮助刚刚进入小学的一年级新生尽快适应新的学习方式和学习环境,为他们今后的学习与生活奠定坚实的基础。而且,《幼儿园教育指导纲要(试行)》以及《3~6岁儿童学习与发展指南》等纲领性文件都明确提出要做好幼小衔接工作。因此,幼儿教师要充分发挥自身教育指导作用,创新幼小衔接方式,不断培养大班幼儿良好的学习品质、行为习惯、社会适应能力等,引导他们以积极向上的状态面对今后的小学生活,从而切实提升幼小衔接质量。

中量级冲击试验机砧台台面量级分布及规律研究

中量级冲击试验机是模拟水下爆炸、考核舰船及舰船设备抗冲击波的能力重要设备;本文的目的是探讨中量级冲击试验机锤头高度与砧台台面量级大小及量级分布的关系;结果表明:摆锤高度与砧台台面各测点的最大响应量级呈现二次关系,砧台台面的响应量级梯度密度、与砧台中心点的等距测点间距的响应量级差值随着摆锤高度的增加。

基于深度学习LDAMP网络的量子状态估计

设计出一种基于学习去噪的近似消息传递(Learned denoising-based approximate message passing,LDAMP)的深度学习网络,将其应用于量子状态的估计.该网络将去噪卷积神经网络与基于去噪的近似消息传递算法相结合,利用量子系统输出的测量值作为网络输入,通过设计出的带有去噪卷积神经网络的LDAMP网络重构出原始密度矩阵,从大量的训练样本中提取各种不同类型密度矩阵的结构特征,来实现对量子本征态、叠加态以及混合态的估计.在对4个量子位的量子态估计的具体实例中,分别在无和有测量噪声干扰情况下,对基于LDAMP网络的量子态估计进行了仿真实验性能研究,并与基于压缩感知的交替方向乘子法和三维块匹配近似消息传递等算法进行估计性能对比研究.数值仿真实验结果表明,所设计的LDAMP网络可以在较少的测量的采样率下,同时完成对4种量子态的更高精度估计.

陀螺稳定平台扰动的自抗扰及其滤波控制

分析了影响陀螺稳定平台隔离控制精度的主要因素,包括被控系统模型中的未建模部分、状态的随机扰动以及输出信号的测量噪声等。研究了综合解决各方面影响因素的控制方案以进一步提高陀螺稳定平台隔离精度。针对上述影响因素,设计一个两步控制策略。第一步,利用自抗扰对系统中未建模部分进行观测及其前向补偿,将自抗扰控制中的反馈控制设计为PID控制,以实现抗平台扰动的调节控制;第二步,利用Kalman滤波器对系统中的状态扰动及测量噪声进行滤波消除。详细描述了提出的控制策略并对其性能进行了系统仿真实验及参数优化。结果表明,该方案在幅值为3°、频率为1/6Hz的载体扰动下能达到4.61%的隔离度,与非线性摩擦力建模辨识及其前向补偿策略控制实际陀螺稳定平台达到的隔离度的最好值9.39%相比,文中提出的控制隔离性能提高了50.9%,具有更高的实用价值。

量子定位系统中的卫星间链路超前瞄准角跟踪补偿

为了进一步提高量子定位系统的精度,根据量子定位系统中发射端卫星和接收端卫星均在运动的情况,提出一种卫星间链路的超前瞄准角跟踪补偿方法:分析在量子导航定位系统中不同链路的超前瞄准角跟踪补偿情况,并对各自特点进行对比;再根据卫星轨道坐标系下发射端卫星和接收端卫星的位置计算地心惯性系下2颗卫星的相对位置,转换到卫星星上俯仰坐标系计算出超前瞄准角,并分析超前瞄准点在精跟踪探测器中的坐标转换关系;然后根据反射镜有效反射面积计算超前瞄准角对链路中量子接收效率的影响;最后,设计补偿方案并采用矩阵实验室(MATLAB)进行卫星轨道和超前瞄准角仿真,计算出需要补偿的随时间变化的方位角和俯仰角。

量子系统控制发展综述

详细论述了量子系统控制理论从提出到现在近二十年的发展过程。首先介绍了量子系统可控性的研究及其进展,并简要分析了简单量子系统的开环控制方法,然后把重点放在学习控制和反馈控制等几种典型闭环控制方法的讨论上,分析了它们各自的优缺点,并根据量子控制的发展趋势,对其应用和发展前景进行了预测,从整体上系统地描述了建立一套完整的量子控制系统所需要的五个基本步骤,最后在此基础上提出了制约量子系统控制发展的几个关键性问题。

单级倒立摆三种控制方法的对比研究

倒立摆系统以其自身的不稳定性为系统的平衡提出了难题 ,也因此成为自动控制实验中验证控制算法优劣的极好的实验装置。通过分别分用极点配置法、优化控制策略的LQR及LQY方法对单级倒立摆系统进行了实际系统实时控制效果的实验对比 ,从理论和实验方法上讨论了这类典型非线性自不稳定系统的线性控制器的设计方法及其实际控制效果的特点 ,通过分析指出不同方法之间的优缺点 ,并通过实验得以证实 ,使人们从理论及实践的两个层次对不同的算法有更加深入和清晰的认识。

DCT图像压缩方法的改进及其应用

利用基于二维离散余弦变换(DCT)的方法进行图像压缩,通过设置自适应量化截断阈值来控制图像压缩数组的大小。为了加快运算速度,在图像压缩部分利用快速DCT算法;并直接对量化后的非零系数进行存储,而不采用熵编码的方式。在解码端,针对量化产生的块效应,利用基于自适应邻域的思想进行后处理。所提方法进一步提高了图像的峰值信噪比和主观视觉质量,并且达到了实时在线处理的要求。文中所提基于DCT的图像压缩方法在一个基于视觉位置反馈的二自由度机械臂远程控制系统中得到实际应用。

ART-2神经网络的改进及建模实现

指出了传统的ART-2神经网络对渐变过程不敏感的局限性,提出了一种新的改进算法。并对ART-2网络进行建模,通过与其它建模方法的对比,详尽讨论了ART-2的建模方法及特点。最后通过应用改进算法解决了原先模型中的“模式漂移”现象,使模型性能得到了明显的改善。

BP网络结构、参数及训练方法的设计与选择

根据已有的网络设计及其改进方案,对一个人工神经网络进行具体的设计,通过其详细的设计步骤与过程,对网络隐含层神经元数、初BP始权值、学习速率等参数在网络设计过程中的关系与影响,以及不同的改进算法在网络训练中所起的作用给予进一步揭示,使人们从中得到更BP多的启迪,以便使更多的人能够设计出效率更高、精度更好的神经网络。

多变量自适应PID型神经网络控制器及其设计方法

提出一种PID型神经网络控制器(PID-like Neural Network Controller,PIDNNC)及其设计方法.基于PID的简单结构和良好性能优势以及神经网络的自调节和自适应的特长,创建一种具有PID结构的多变量自适应的PID型神经网络控制器.该网络控制器的隐含层由带有输出反馈和激活反馈的混合局部连接递归网络组成.通过定义误差函数作为设计目标,采用弹性BP算法,并用变化率以及弹性BP算法中的符号法来处理某些求导关系,获得适于实时在线调整网络权值的修正公式.根据李亚普诺夫稳定性定理推导出确保控制系统稳定的学习速率的取值范围.最后通过实例进一步说明所提出网络控制器的优越性.*

几种递归神经网络及其在系统辨识中的应用

递归网络中包含延时变量 ,用其来进行系统辨识时可以得到动态网络系统。首先介绍了Elman网络和Jordan网络及其改变型。根据网络的输入 /输出数据 ,采用BP算法和数值优化算法进行训练 ,并利用一个具体的系统模型辨识的例子 ,通过性能对比揭示了各网络用于系统辨识时的优缺点 ,为递归网络的合理应用提供参考。

量子导航定位系统中的捕获和粗跟踪技术

量子导航定位系统需要借助于空间量子卫星信息通信系统来进行信号的捕获、跟踪和对准(acquisition,tracking and pointing,ATP).ATP系统是空间量子卫星信息通信的重要组成部分,涉及到量子通信链路的建立以及中断通信链路的恢复;粗跟踪和精跟踪的相互配合,可以确保通信双方处于通信状态,达到期望的信号跟踪性能.本文详细阐述用于量子导航定位系统的空间量子卫星通信的捕获阶段和粗跟踪的相关技术,重点分析捕获阶段中的初始指向技术、扫描技术、捕获阶段的精度及其性能,以及粗跟踪阶段的精度及其性能指标等关键技术.

非线性直流电机仿真模型系统的建立

着重考虑直流电机运行在零速度附近所产生的非线性摩擦力的影响，在MATLAB环境下精确地建立起可用于仿真实验以及系统控制器设计的非线性直流电机的仿真模型系统。结合已获得的研究成果，并充分利用SIMULINK软件，在完成非线性系统建模的同时，显示出其软件的强大功效。

改进型B样条模糊神经网络

提出了一种改进型B样条模糊神经网络 ,用以增加B样条函数在作为模糊神经网络控制器实际应用中的抗干扰能力 .通过指出常规B样条模糊隶属函数构造中存在的不足 ,提出了针对性的改进措施 ,从而既满足了B样条本身的性质 ,又从理论设计上避免了使系统不稳定的因素 .在实际电机速度控制系统的对比实验中证明了所提改进方法的有效性和实用性 .

递归神经网络的结构研究

从非线性动态系统的角度出发 ,对递归动态网络结构及其功能进行详尽的综述。将递归动态网络分为三大类 :全局反馈递归网络、前向递归网络和混合型网络。每一类网络又可分为若干种网络。给出了每种网络描述网络特性的结构图 ,同时还对多种网络进行了功能对比 ,分析了各种网络的异同。

几种局部连接神经网络结构及性能的分析与比较

对人工神经网络中的局部连接网络进行了综合研究，比较和分析了CMAC、B样条和RBF这3种用于函数逼近的局部网络的性能。还分析了以ART-2为代表的局部网络中用于模式识别的网络结构及功能。最后在对以上几种网络进行模糊化的基础上，讨论了相应模糊神经网络的性能，为选择和应用局部神经网络提供了一定的依据。

用于系统辨识的神经模糊推理系统的研究

通过具有代表性的、针对非线性系统辨识的例子 ,对自适应神经模糊推理系统在实际应用中采用不同方式的实现过程进行了详细分析与综合 .首先 ,采用搜索树对模型输入变量的选取原则进行了分析 ;然后 ,分别采用聚类分割法与平均分割法对模糊模型结构辨识方面的各自特点进行了比较 .在对辨识模型的验证中 ,重点分析了训练样本数目、模糊模型参数数目与模糊模型泛化能力之间的关系 ,并通过不同模型测试性能结果的对比 ,说明并联模型泛化能力的复杂性 .

随机神经网络发展现状综述

随机神经网络 (RNN)在人工神经网络中是一类比较独特、出现较晚的神经网络 ,它的网络结构、学习算法、状态更新规则以及应用等方面都因此具有自身的特点 .作为仿生神经元数学模型 ,随机神经网络在联想记忆、图像处理、组合优化问题上都显示出较强的优势 .在阐述随机神经网络发展现状、网络特性以及广泛应用的同时 ,专门将RNN分别与Hopfield网络、模拟退火算法和Boltzmann机在组合优化问题上的应用进行了分析对比 ,指出RNN是解决旅行商 (TSP)