一种基于Hebb理论和PCA的图像压缩算法

监督学习在模式分类中是一种常见的学习方式,它需要利用带标签的样本来调整分类器的参数才能够实现正确的分类。但在实际应用中,带标签训练样本的获取可能会受到较大地限制,有时甚至不易获取。因此,只需要无类标样本的无监督学习方式逐渐成为研究的热点。本文结合Hebb学习理论和主分量分析,采用机器学习中的无监督学习方式实现了数字图像的高效压缩。实验结果表明,文中算法能够较好地实现数字图像的压缩,具有一定的实际应用价值。

液压振动台位移补偿的PID控制方式的研究

针对目前市面上的液压振动台的位移控制精度的问题,提出了一种基于单神经元网络的PID和有监督的Hebb学习法则的液压振动台的智能控制方式,并加入压力值与位移值构成双闭环控制,来解决由于振动、油液泄漏等因素造成的液压泵中压力的损失导致伺服作动器位移的误差的问题。该控制方式可以通过对变化的误差不断的在线修正和学习,并迅速地调节出最优的PID参数,快速地到达所设定的参数值。该控制方式可以减小在运行过程中因干扰和系统扰动等因素造成的位移误差。仿真结果表明,该控制方式具有较强的自适应能力和抗干扰能力以及鲁棒性。

用于电力故障波形重现的逆变器建模及其自适应控制

从频域角度对用于故障波形重现的逆变器进行建模和分析。通过引入导通时间偏移量和时间–电压转换系数的概念提出一种改进模型,实现了占空比到输出电压的线性变换;克服了近似模型由于线性化造成的频带受限。引用能消除固有跟踪误差的准PID控制器对改进模型进行控制,为消除参数漂移等对其性能的影响,提出了基于"有感知器监督的Hebb学习规则"的单神经元自适应准PID控制器,很好地改善了控制性能,满足了故障波形重现的精度要求;且该算法运算量小,适合于实时实现和现有软件的更新升级。

无人机无动力滑行横向自适应非线性制导律设计

当无人机失去推力后,可将其视为滑翔机.在这种情况下,长周期模态起主导作用,这使得无人机调整飞行速度达到稳定状态的时间变长,从而导致横纵向制导之间相互存在较为明显的影响.更重要的是无动力情况下,无人机对风扰动变得更加敏感.针对这一特殊状态,如何使无人机跟踪某条给定的下降螺旋线,本文提出了一种横向自适应非线性制导方法.该方法首先利用几何关系推导出横向制导律;其次将其转化为一个二阶粘性阻尼振荡系统,而该系统的特性与其自然频率有关;然后为改善制导系统的收敛时间以及抗干扰能力,设计了一种制导律的自适应方案;最后将所提出的方法用于无人机失去推力后螺线下降的横向路径跟踪过程.仿真结果表明,与非自适应制导方法相比,无论有或无常值风扰动,所提出的方法均可提高系统的跟踪精度.

无动力无人机跟踪下滑直线自适应非线性制导律设计

以无人机失去推力后,如何使其跟踪一条给定下滑直线为研究背景,提出了一种跟踪下滑直线的自适应非线性制导方法。首先根据几何关系推导得到跟踪下滑直线的横纵向制导律,并证明了所得制导律的稳定性;然后考虑到无动力状态下横纵向制导之间的影响较为明显,为了提高系统的跟踪精度以及抗风扰动能力,将所得制导律转化为一个二阶黏滞阻尼振荡系统,从改善该振荡系统收敛速率的角度出发,设计了制导律的自适应方案。仿真结果表明,在无风和有风扰动的条件下,所提出的方法均可提高系统的跟踪精度。

制造一只更聪明的老鼠

利用基因工程的产物——一只比普通鼠更机昃的老鼠，科学家们合成了一些与学习和记忆有关的主要分子成分。