基于分形测度的非线性系统多模型切换控制

对于一类可局域线性化和多模型表示的非线性系统,模型的切换会对系统的性能产生不利影响,为了减少这些影响,提出了采用分形测度作为切换判据的方法。非线性系统在平衡点处进行线性化后,可建立非线性系统的线性化切换模型。在此基础上,计算用于描述实时运行点与平衡点之间距离的欧几里德范数及其分形测度。考虑到系统过渡过程中该范数波动较大以及其分形测度可作为系统特征突变的一种度量,用这些范数的分形测度作为系统多模型控制的切换判据,使模型切换易于实现,同时优化了系统的性能,实现系统良好控制。文中采用了基于Laguerre函数的模型预测控制方法为每个线性化子系统设计优化控制器。仿真实验结果表明了提出的方法的有效性,且该方法在过热汽温的控制中取得良好效果。

基于PCA和Eros的多元时间序列聚类分析

为提高多元时间序列聚类算法的效率,将原始MTS数据线性组合形成一系列互不相关的簇,利用主元分析对每个簇的代表元素,与剩余元素的前z个主元与之间的扩展Euclid范数对选取的多元时间序列的主元进行聚类分析.理论分析和实验结果表明该算法聚类质量结果和运行时间明显优于直接利用k-均值法时的聚类结果.

多帧监督的相关滤波无人机目标跟踪

目标跟踪是无人机的关键技术之一。无人机目标跟踪容易因相机运动、尺度变化等场景的影响,导致跟踪漂移或丢失。提出一种多帧监督的相关滤波无人机目标跟踪算法,加入多帧信息,根据视图的像差监督响应图变化率,有效地提高跟踪器的识别能力。采用裁剪矩阵引入真实负样本,并加入多个历史帧信息提高滤波器的鲁棒性。采用欧几里德范数定义响应图的像差,通过监督像差的变化防止跟踪漂移,得到目标的准确位置。根据相似度进行目标模型更新。在UAV123和VisDrone2019数据集上与其他算法对比实验。结果显示该算法在相机运动、尺度变化等场景具有良好的跟踪鲁棒性和精度。