硫酸生产过程的计算机控制系统

介绍了具有３层结构（管理层、操作层、控制层）用２个通信网连接的分散式多微机控制、检测系统．计算机与工业现场之间信号传送及通信网均是全隔离型的．系统各层均可扩展。

基于混沌理论的交通量实时预测

分析了城市交通的混沌性 ,根据复杂的城市交通特点 ,引入了误差反馈系数 ,改进了混沌时间序列预测方法中的加权一阶局域法和基于最大Lyapunov指数的预测法 ,并将其成功应用于实时交通量预测 .预测结果表明 :这两种改进的方法都能较准确地预测交通量 ,但后者比前者更适合交通量预测 ,后者的预测误差一般可以控制在 5 %以下 .

一类混沌系统的非线性反馈控制

基于微分动力学的不稳定流形定理，针对二维离散混沌动力系统，用不稳定流形的函数逼近系统。采取微扰控制方式，得出非线性反馈控制规律，稳定双曲平衡点。与ＯＧＹ方法相比，增大了控制收敛区域，减少了迭代次数，并以Ｈｅｎｏｎ 映射为例验证了所提出方法的有效性。

灾变粒子群优化算法及其在交通控制中的应用

城市交通系统是一个随机性很强的、复杂的巨型系统。为了获得良好的通行效率,必须对城市区域交通协调控制信号进行整体优化,但是到目前为止还没有一个能较好完成此项任务的、实用的实时智能优化方法。在粒子群优化算法中引入灾变策略和模型,开发了灾变粒子群优化算法,解决了基本粒子群算法易陷入局部极小点的缺陷,并将其应用于城市区域交通协调控制信号配时优化。仿真结果表明:与基本粒子群算法(在陷入局部极小点时)、固定周期法和遗传算法等配时方法相比,采用所开发的灾变粒子群优化算法对区域交通协调控制信号进行智能优化配时,被控区域的车辆平均延误可以分别平均减少25.2%、41%和11.5%,并可以大大提高路口的通行效率。开发的灾变粒子群优化算法也可以应用于其他许多对象的优化。

基于混沌遗传算法的区域交通计算机控制配时优化

充分发挥混沌理论和遗传算法各自的优势,开发了混沌遗传算法,混沌遗传算法能有效地改进遗传算法的收敛速度慢、早熟收敛和有可能陷入局部最优点的缺陷。分析了城市交通这个复杂大系统的混沌性,并将混沌遗传算法成功应用于城市区域交通计算机控制信号配时优化。采用TSIS5.1进行了仿真,仿真结果表明:混沌遗传算法比遗传算法的收敛速度大大加快,且车辆平均延误和平均停车率都比遗传算法和固定周期法有明显的降低。

混沌的同步及其在保密通讯中的应用

综述了混沌的同步及其在保密通讯中应用的主要进展 .简述了混沌同步的定义与原理 ,介绍了同步的方法及同步的稳定性分析 ,概述了混沌同步保密通讯的应用现状 ,讨论了未来可能的发展趋势与研究热点 .

城市交通控制智能优化配时及仿真

城市交通系统是一个随机性很强的、复杂的巨型系统。开发了双层反馈神经网络,将其应用于城市交通控制信号配时优化, 并开发了应用于优化计算的能量函数和车辆平均延误计算式。以广东江门市某平面交叉路口为对象进行了仿真计算,结果表明:与传统的配时方法相比,采用所开发的双层反馈神经网络进行智能优化配时,交叉路口车辆的平均延误可以平均减少18.2%,可以大大提高路口的通行效率。开发的双层反馈神经网络也可以应用于其他对象的优化,具有较强的推广应用价值。

模糊神经网络的二阶段变半径随机搜索算法

研究基于正态隶属函数的模糊神经网络的学习算法 .将模糊神经网络对一组样本的逼近误差表示为两组相互独立 ,可分批学习的可调参数的非负函数之和 .其中一组可调参数可通过令相应的非负函数为零直接求得 ,而与另一组可调参数相对应的非负函数就是用于这组参数学习的性能指标 .经对性能指标性质的分析给出了一种模糊神经网络的学习算法——二阶段变半径随机搜索法 .实例表明 ,这种方法简便易行 。

离散双线性系统的稳定控制分析

对于一般离散双线性系统 ,本文提出了系统在线性反馈下的稳定性判据和最小吸引域 ,并给出了一种简单的控制方案 ,保证闭环系统在原点的一致渐近稳定性 .仿真结果证明了该方法的有效性 .所得稳定性判据对于选择合适的控制方案具有重要的指导意义 .

混沌系统的反馈同步及其在保密通讯中的应用

本文对Genesio混沌系统 ,进行线性输出反馈同步 ,并实现了混沌同步保密通讯 .基于线性稳定性定理 ,给出了一个同步渐近稳定的充分条件及其同步稳定的反馈系数范围 ,保证了响应系统信息信号的准确恢复 .并对同步通讯系统进行数值仿真 ,验证了方法的有效性 .

交通监控图像处理的Hopfield神经网络方法

提出一种基于S函数的全并行自反馈Hopfield神经网络的运动模糊图像恢复方法。实验结果表明 :该方法在模型不精确时也可以有效地恢复原图像 。

一种基于小波分解的非线性系统辨识的新方法

提出了一种结合小波理论和NARX模型的新辨识算法 .该算法利用小波 (多维小波 )函数有效的逼近能力避免了通常确定NARX模型结构时的复杂过程 ,构成了一个相当通用且不依赖于系统先验信息的辨识框架 .应用递推最小二乘算法估计模型参数时 ,该算法可实现系统的在线辨识 .两仿真算例说明了这种算法的有效性 .

机器人触觉传感器力学建模与仿真

本文建立了动态触觉传感器的三维力学模型 ,计算了触觉传感器表面弹性保护膜的低通效应值 ,利用反卷积算法部分补偿了这种低通效应 ,并对该算法进行了仿真实验 .

赋权有向图最短路问题的新解法——前趋法

Dijkstra算法被公认为解决最短路问题的最好算法 ,但它的缺陷之一是不能解决存在负权的最短路问题 .一种解决这类问题的新方法——前趋法可弥补 Dijkstra算法的这一缺陷 .实例表明 。

链控制器及其应用

链控制器及其应用陈铁军，邱祖廉（郑州工学院信控所郑州４５０００２）（西安交通大学信控系西安７１００４９）关键词子系统，稳定性，链系统，结构分散化１、链控制器的定义考虑一个多变量受控系统Ｘ，其因果结构为Ｌ＇＂，相应的链系统为（２，Ｌ）．设Ｘ；表示其第ｎ...

一种新型PID自整定方法

str m的继电器反馈法整定PID参数以其简单实用而获得了广泛应用,但是这种使用理想继电器的辨识方法存在着辨识误差大和需要预先知道被控对象稳态增益两个缺点。为此提出了一种设定值饱和继电器反馈法。这种方法使用饱和继电器代替理想继电器以获得更精确的描述函数表示,并且使用反馈来校正被控系统使其增益为1。使用这种方法可以较好地克服继电器反馈法的两个缺点,辨识结果更接近真实值。仿真结果表明这种方法是行之有效的。

用哈特莱变换估计一类连续非线性系统的参数

针对一类具有已知结构且参数可分离的连续非线性定常系统 ,借助于哈特莱正、反变换及其微分性质 ,采用频域和时域相结合的方法 ,给出了一种简单实用的参数辨识方法 .该方法不仅实现简单 ,而且对噪声有很强的抑制能力 .

类模糊神经网络与非线性系统的在线控制

以实现非线性动态系统的在线控制为目的 ,提出了一种具有隐层数少、运算简便和逼近能力强等优点的神经网络———类模糊神经网络 ,并就非线性动态系统的在线控制给出了基于类模糊神经网络控制的选择记忆算法 。

非线性系统的递推最小二乘自适应模糊控制

提出了一种可有效消除被控系统不确定性的自适应模糊控制方法.该方法采用模糊逻辑系统(FLS)来辨识系统的未知函数,并采用连续形式的递推最小二乘算法作为自适应律调节FLS权参数.该自适应律可保证FLS权参数稳定收敛,最终收敛至最佳值的一个很小邻域中,同时保证跟踪误差指数衰减趋于0.倒立摆仿真结果表明,采用该方法时,辨识的归一化平方误差小于2%,其相对跟踪误差较混合自适应控制方法减少了58%.

基于小波和非线性含输入自回归模型的系统辨识算法

提出了一种结合小波理论和非线性含输入自回归(NARX)模型的系统辨识新算法.该算法利用小波函数有效的逼近能力避免了应用NARX模型系统辨识时确定模型结构的复杂过程,消除了通常小波网络辨识算法由于输入变量之间可能存在巨大差别而引入的严重失真,构成了一个通用、有效、不依赖于系统先验信息的非线性辨识框架.两则数据仿真表明,对于高度非线性系统,该算法可使系统估计的均方误差减少60%以上.