手轮脉冲驱动均匀化控制

本文分析了数控系统手轮驱动存在的问题,提出了全新的手轮脉冲驱动均匀化控制法。这种方法基于运动控制芯片 MCX314的“固定脉冲驱动过程中脉冲数可改变”这一性能来实现,在手轮大倍率快速旋转时驱动脉冲序列保持均匀高速输出, 脉冲不会丢失,实现加减速控制和驱动速度控制,克服步进电机失步问题,解决了目前手轮驱动存在的一系列关键问题。

一种求解最优控制问题的非均匀控制向量参数化方法

传统的均匀参数化方法在求解固定终端时刻最优控制问题时,不能精确地逼近最优控制轨迹。针对这一问题,提出一种非均匀控制向量参数化的数值解法。首先将控制时域离散化为不同长度的时间段,各时间段长度作为新的优化参数;然后引入时间尺度因子,将非均匀参数化的最优控制问题转化为标准化时域上的均匀参数化问题;最后建立目标和约束函数的Hamilton函数,通过求解伴随方程计算梯度,采用序列二次规划方法获得数值解。针对两个经典的化工过程最优控制问题进行仿真研究,仿真结果验证了所提出算法的有效性。

高分辨率遥感图像配准控制点均匀化算法

针对多源遥感图像普遍具有数据量大、辐射差异大等特征,而现有的图像配准算法无法直接应用于遥感图像自动配准处理中的问题,综合考虑控制点的密度和分布,提出了一种高分辨率遥感图像自动配准算法。首先,将待配准图像和参考图像降采样到单机可以处理的大小,利用尺度不变特征变换(SIFT)算法建立降采样图像间的初始匹配;其次,将原始待配准图像按照网格分割为子图像,并利用初始匹配找到每幅子图像在参考图像上的对应子图像;再次,利用SIFT和极大稳定区域(MSER)特征点的空间互补性,在每一对子图像上提取大量特征点;最后,利用随机采样一致性(RANSAC)算法剔除误配后,采用基于最大团问题的贪心法进行控制点均匀化处理,进一步剔除冗余的控制点。与现有的基于SIFT特征和基于灰度的遥感图像配准算法相比,本算法在配准精度和控制点的分布均匀度等方面具有优越性。

获取均匀控制点的遥感影像自动空间匹配方法

提出了两种可以获取均匀分布的控制点的遥感高分辨率影像空间域匹配方法。常规的灰度模板匹配方法为先进行手工选点粗匹配,然后用特征提取算子在原始图像中提取控制点,最后根据控制点提取灰度模板进行精匹配。基于上述方法,提出了两种控制点均匀化方法,分别为在控制点提取时和模板匹配后对控制点进行均匀化,并用实验证明匹配精度因均匀化的控制点分布得到有效提高。

Process modeling and optimizing control based on sparse nonuniformly sampled data

In this paper, a process modeling and related optimizing control for nonuniformly sampled （NUS） systems are addressed. By using a proposed nonuniform integration filter and subspace method estimation, an identification method of NUS systems is developed, based on which either an output soft sensor or a hidden state estimator is developed. The optimizing control is implemented by replacing the sparsely-mea- sured/immeasurable variable with the estimated one. Examples of optimizing control problem are given. The proposed optimizing control strategy in the simulation examples is verified to be very effeetive.