一种通道自适应与局部增强的Transformer术中血压预测方法

准确预测术中患者的血压状态来预防术中低血压,对提高手术安全性和降低术后并发症有积极作用,以往的低血压预测方法主要视为二分类任务,忽略了患者血压变化的过程,从而限制了干预策略的制定。因此提前预测血压的变化趋势,具有更重要的临床研究和应用价值。针对以上问题,对通过监测的术中生理序列实时预测未来5min、10min、15min血压的连续值展开研究,并提出了一种通道自适应与局部增强Transformer模型,该模型采用卷积注意力机制捕捉血压序列的局部相似性,同时提出一种通道自适应模块嵌入模型来建模生理序列潜在交互关系。结果表明,该模型相比于基准模型在5min、10min、15min预测精度分别提升4.88%、8.2%和8.42%,预测的平均动脉压的MAE分别为2.997、3.393、3.743,且显著优于其余对比模型,为术中血压预测提供新的解决方案。

利用互子带滤波器和稀疏特性的多通道线性预测语音去混响方法

多通道线性预测是最为流行的语音去混响方法之一,现有相关研究大多利用子带谱减模型在每一个频带独立地获取期望信号,但这忽略了不同子带之间的相互影响。本文提出一种利用互子带谱减模型的多通道线性预测语音去混响方法。相比于大多数方法采用的子带谱减模型,本文方法采用的互子带谱减模型能够利用互子带滤波器来对不同子带之间的相互影响进行建模。本文方法利用复广义高斯分布建模期望信号,相比于常用的高斯分布,复广义高斯分布能够通过调整形状参数来描述语音信号的稀疏特性。在最大似然估计框架下,将语音去混响转化为关于互子带滤波器和子带滤波器的优化问题;并且基于替代最小化方法推导了保证收敛的优化算法。在不同混响时间、不同通道、不同声源和传声器距离情况下的一系列语音去混响实验验证了本文方法的性能显著优于传统去混响算法。

基于自适应线性扩张状态观测器的双有源桥变换器无模型预测电压控制

针对模型预测控制算法参数依赖性问题以及传统扰动观测器应用于双有源桥变换器中存在估计补偿滞后于外部扰动、固定增益无法适应外部宽范围干扰变化等缺点,提出一种基于自适应线性扩张状态观测器的无模型预测电压控制策略。首先,结合预测控制与无模型控制方法构建双有源桥变换器的电压预测超局部模型,代替传统物理模型,降低参数依赖;其次,设计线性扩张状态观测器对超局部模型中动态部分进行反馈补偿,提高控制精度。同时在线拟合电压误差趋势,自适应调整观测器带宽,实现超前补偿;最后,设计成本函数,求解最优移相比,实现无模型预测电压控制。实验结果验证了该方法在提升系统鲁棒性和动态性方面的有效性。

制冷站双目标权重自适应非线性预测控制

针对传统制冷站控制系统易产生振荡,且无法实现系统性能整体优化的问题,本文提出一种制冷站非线性预测控制策略,优化目标函数设计为满足建筑冷量需求的同时,尽可能提高系统整体能效.为解决上述两个优化目标之间的矛盾关系,本文采用模糊逻辑设计了优化目标权重自适应模块,实时求取权重因子最优解;针对非线性系统在线优化求解困难问题,本文提出了基于神经网络的非线性滚动优化算法,采用神经网络作为反馈优化控制器,并将系统优化目标函数作为在线寻优性能指标,结合Euler-Lagrange方法和随机梯度下降法对控制器权值和阈值进行在线寻优,算法计算量小,占用存储空间适中,便于采用低成本的现场控制器实现制冷站预测控制.仿真实验结果表明,本文所提出的预测控制策略与PID控制相比,在未加入优化目标函数权重自适应模块情况下,系统平均能效比提高约32.5%;进行优化目标函数权重自适应寻优后,系统平均能效提高约39.43%.

Paillier同态加密下车辆协同自适应预测巡航控制

车辆协同式自适应巡航控制(CACC)以其高效便捷的特点成为智能交通系统的研究热点,但随着车辆接入网络,网络攻击对车联网系统的安全性造成了很大威胁;针对传统方案较繁琐、密文密钥同时传输数据仍可能被篡改的问题,采用Paillier同态加密算法对加速度进行加密,仅传输密文;针对控制目标设计一综合跟踪信号,并基于Paillier算法的同态性设计密文数乘运算,使加速度密文无须解密而直接用于自车构建跟踪信号;将跟踪信号与分布式模型预测控制(MPC)结合,采用线性矩阵不等式对控制策略的优化问题进行转化,求解最优控制输入,保证车辆队列的安全协同行驶;经Matlab仿真验证了控制系统的性能指标以及Paillier同态加密的有效性。

在线优化参数的多变量无模型预测线性自抗扰控制

针对时变参数的多变量线性模型上叠加非线性的系统,采用具有辅助向量的多变量偏格式动态线性化方法逼近该系统,在多变量线性状态观测器中加入辨识的线性模型,提高状态观测精度。在多变量线性跟踪微分器和状态观测器分别引入超前参考输入与输出预测值,使多变量线性自抗扰控制器具有预测控制性能。运用非线性递推最小二乘法在线优化多变量线性自抗扰控制器的参数,给出在线优化参数的多变量无模型预测线性自抗扰控制算法。结果表明:无参数优化时的响应曲线,超调大,调节时间约1 s,无稳偏;有参数优化时的响应曲线,超调较小,调节时间约0.65 s,无稳偏,控制算法的响应优良。

一类非线性系统的自适应预测控制

针对一类非线性系统 ,将其等价为时变线性系统 ,然后用三次样条函数逼近时变系数 ,利用梯度算法在线辨识多项式的系数以实现时变系统的参数估计 ,最后运用广义预测控制策略 ,实现了对原非线性系统的自适应预测控制 .

一种新的非线性模糊自适应变权重组合预测模型

对于复杂工业系统非线性时间序列预测精度不高问题,引入了多种预测方法的预测相对误差、预测对象的变化趋势、灰色基本权重和自适应调节系数等概念,建立了模糊自适应变权重非线性组合预测模型。结果表明,此模糊自适应变权重非线性组合预测模型的精度较高,并且平均误差和预测平方根误差均较小。该组合预测模型为复杂非线性工业系统所需决策提供了有力支持。

化工过程强非线性系统的变模型自适应预测控制

提出一种变模型自适应预测控制算法 ;基于非线性状态空间模型 ,通过每步在当前工作点 (非平衡点 )线性化获得线性化子模型 ,以此进行状态反馈预测控制 ,线性化子模型随工作点变化 ,且不限于平衡点。通过pH值控制的对比仿真实验 ,证明其对强非线性过程的控制效果优于传统的多模型预测控制。最后分析讨论了该控制算法存在的几个重要问题 。

一类化工过程多变量系统的自适应非线性预测控制

针对化工过程的一类多变量非线性系统,提出了一种自适应非线性预测控制(ANMPC)算法。在采用递归最小二乘法进行预测模型参数在线辨识的基础上,将系统的静态非线性关系用一个反向传播(BP)神经网络稳态模型来表示,通过稳态模型求得的动态增益来进一步校正预测模型的参数。详述了ANMPC控制器设计步骤,通过在一个多变量pH中和过程中的仿真验证了本算法的可行性和有效性。

一类非线性系统的自适应广义预测控制

针对一类非线性系统 ,通过分析将其表示为具有时变系数的线性系统 ,然后利用带协方差修正的最小二乘法对时变参数进行在线辨识 ,最后运用广义预测控制策略实现对原系统的自适应预测控制。仿真结果表明了该方法的有效性。

一类未知非线性离散系统的直接自适应模糊预测控制

将自适应模糊逻辑系统引入预测控制,对一类未知非线性离散系统提出了直接自适应模糊预测控制方法.首先对被控对象提出了线性时变子模型加非线性子模型的预测模型,然后直接利用模糊逻辑系统设计预测控制器,并基于广义误差估计值对控制器参数和广义误差估计值中的未知向量进行自适应调整.文中证明了此方法可使广义误差估计值收敛到原点的小邻域内。

用于低维混沌时间序列预测的一种非线性自适应预测滤波器

在二阶Ｖｏｌｔｅｒｒａ滤波预测器基础上，提出了一种用于低维混沌时间自适应预测的非线性自适应预测器。基于最小均方误差准则导出了一种ＮＬＭＳ类型的自适应算法来实时调整这种非线性滤波预测器的系数。仿真实验结果表明：这种线性化的非线性自适应滤波预测器能够有效地预测低维混沌时间序列，且它的模块化特征更易于ＶＬＳＩ电路实现，具有广泛的工程应用价值。

混沌跳频通信的非线性自适应预测对抗

基于混沌跳频码序列构造固有的确定性、非线性等特点，提出了对抗混沌跳频通信的非线性自适应预测对抗的新概念。以 Ｌｏｇｉｓｔｉｃ－Ｋｅｎｔ映射设计的混沌跳频码为例，采用基于 Ｓｉｇｍｉｏｄ函数的Ｖｏｌｔｅｒｒｅ自适应滤波预测器对其进行预测研究。仿真实验结果表明：非线性自适应预测器比神经网络预测器具有更高的预测对抗效果。

参数未知线性系统的直接自适应模糊广义预测控制

将自适应模糊逻辑系统引入广义预测控制,对参数未知线性系统提出一种直接自适应模糊广义预测控制方法。该方法直接利用模糊逻辑系统设计广义预测控制器,并基于广义误差估计值对控制器参数和广义误差估计值中的未知向量进行自适应调整。证明了该方法不仅能保证闭环系统输入输出有界,而且可使广义误差收敛到原点的一个小领域内。

自适应线性预测图像椒盐噪声去除方法

针对灰度图像中的椒盐噪声,提出了一种基于自适应权值与线性预测方法相结合的噪声去除方法。用椒盐噪声模型确定图像中的噪声点,以及噪声点所在滤波窗口内的噪声密度,在密度较小时利用设计的权值函数进行加权平均计算,以达到去噪声的目的;在噪声密度较大时,利用线性预测方法预测噪声点所在位置的灰度值,以实现去噪。对于非噪声点像素则不做处理,较好地保持了图像的细节。实验结果表明,与同类方法相比,此方法有良好的去噪性能。

非线性模糊自适应直接广义预测控制

针对广义预测控制(GPC)计算量大的缺陷,提出一种模糊自适应直接广义预测控制(FDGPC)方法。该方法利用中值定理将一类非线性系统等价表示为时变线性系统,通过模糊逻辑系统直接设计预测控制器,利用三次样条基函数多项式逼近广义误差时变系数,基于广义误差估计值对控制器参数uθ和广义误差估计值中的未知向量eθ′进行自适应调整。理论证明了该方法可使广义误差收敛到原点的一个小邻域内。仿真结果验证了此方法的有效性。

基于自适应模糊系统的空天飞行器非线性预测控制

针对一类多输入多输出非线性不确定系统,提出了基于自适应模糊系统的非线性预测控制方法。控制器由基于模糊系统的非线性预测控制器和鲁棒自适应控制器两个部分组成。根据系统的跟踪误差在线调整模糊系统的权值,使得模糊系统一致逼近被控对象中的非线性函数,通过泰勒展开设计出基于模糊系统的非线性预测控制律,避免了预测控制在线优化带来的繁重的计算负担。鲁棒自适应控制器则用于减少不确定和模糊逼近误差对系统的影响。所设计的控制器保证了闭环系统的最终一致有界稳定。基于Lyapunov稳定原理,给出了理论证明和分析。最后利用提出的控制方案设计了空天飞行器高超声速飞行姿态的控制系统,仿真结果表明了控制方案的有效性。

基于Elman网络的非线性系统神经元自适应预测控制

提出在非线性系统的Elman网络辨识模型的基础上 ,用单神经元设计预测控制器的方案。Elman网络在BP网络的基础上 ,加入反馈信号 ,利用内部状态反馈来描述系统的非线性动力学行为 ,提高了学习速度 ,适合于动态系统的实时辨识。神经元结构简单 ,且有很强的自学习和自适应能力 ,它根据系统的期望输出与一步超前预测输出之间的偏差 ,并通过某种特定的学习算法在线调整控制器的参数 ,使控制器能够适应对象参数的变化 ,从而实现对一类非线性系统的有效控制。仿真实验证明了该方案的有效性。

基于线性预测系数自适应前后向量化的可变速率MELP语音编码

该文基于LPC的自适应前后向量化技术,提出了一种可变速率的混合激励线性预测MELP语音编码算法。该算法中,采用当前语音帧(前向LPC)或前面某帧已合成语音帧(后向LPC)进行线性预测,当采用后向LPC时,只需传输时间序列编码,故减少了LPC系数的平均编码比特。计算机模拟表明,该算法与标准MELP算法合成的语音质量相当,但显著减少了LPC的传输带宽,从而明显降低了MELP平均编码速率。