三阶三次幂非线性混沌电路的自适应反馈控制和H_(∞)控制

针对三阶三次幂非线性混沌电路,研究其控制问题.首先,给出系统的Lyapunov指数和混沌吸引子,验证系统存在复杂的混沌现象;其次,用自适应反馈控制方法和H_(∞)状态反馈控制方法,设计参数已知和参数未知的自适应反馈控制器以及H_(∞)状态反馈控制器,将混沌系统状态稳定到平衡点上;最后,通过MATLAB软件进行数值仿真验证控制器的有效性,并对两种控制器的控制效果进行比较.

基于参考调整轮廓误差的直驱XY运动平台自适应非线性滑模轮廓控制

针对精密直驱XY运动平台在执行加工任务时,易受到系统不确定性动力学及双轴协调匹配性的影响而产生轮廓误差的问题,提出一种基于参考调整轮廓误差(RACE)模型和不确定性补偿器(UC)的自适应非线性滑模轮廓控制(ANSMCC)方法。由于传统的将跟踪误差法向分量视作近似轮廓误差的方法并不适用于大曲率轮廓加工轨迹,因此,建立参考调整坐标系,通过坐标变换的方式计算得出更为精准的RACE模型。采用ANSMCC方法对轮廓误差进行控制,通过设计非线性滑模面可以有效提高系统的动态响应速度和轮廓跟踪精度。为进一步减小参考模型与实际对象之间的误差,设计UC对不确定性动力学进行补偿,从而提高系统的鲁棒性。实验结果表明,该方法能够有效克服直驱XY平台系统中不确定性动力学的影响,提高轮廓加工精度。

基于调整函数的永磁直线伺服电动机非线性自适应Back-stepping跟踪控制

对永磁直线伺服电动机提出基于调整函数的非线性自适应Back-stepping跟踪控制。在控制器设计中,提出一个新的设计思路,即d轴电流的动态规划:用某一参数估计的动态过程作为d轴电流的动态过程,只要参数估计值能精确估计未知参数,d轴电流必然收敛于零,从而直线伺服电动机获得最大电磁动力。仿真结果表明,本文推导出的控制律,利用不精确估计值,实现了永磁直线伺服电动机的加减速精确跟踪控制。

非线性自适应拥塞控制算法研究

研究丢弃概率的变化率与队列长度稳定性间的关系,分析ARED算法及REM算法的丢弃概率计算函数,采用非线性化函数计算丢弃概率,提出一种非线性自适应拥塞控制算法(NLACCA),根据队列长度与目标队列长度中值的偏离程度动态地调整丢弃概率的变化率,从而减小队列长度波动,提高算法稳定性。在NS-2上进行的大量实验结果表明,该算法具有队列长度抖动性小、平均时延低、丢包数少等特点。

南极半岛周边海域南极磷虾栖息地适应性

南极磷虾作为南极生态系统中的关键物种,其栖息地适应性研究对可持续利用磷虾资源和了解南大洋生态系统均有重要作用。然而,不同的模型算法会导致估算的磷虾栖息地适宜性出现较大的偏差。为了探索构建磷虾栖息地指数模型的合适方法,实验利用海表温度(sea surface temperature,SST)、海平面高度(sea surface height,SSH)、海表面叶绿素(sea surface chlorophyll,SSC)、海冰密集度(sea ice concentration,SIC)等环境因子,分别采用神经网络拟合和一元非线性拟合方法,并结合最小值法、最大值法、连乘法、算术平均法、几何平均法、加权算术平均法等算法构建磷虾栖息地适宜性指数(habitat suitability index,HSI)模型。结果显示,神经网络模型预报结果更符合磷虾实际栖息分布情况,而一元非线性拟合预测结果较为连续。最大值法和最小值法计算结果差异较大,容易引进较大的误差。连乘法的预测效果较好,算术平均法、几何平均法和加权算术平均法的预测结果相似,且较为稳定。研究表明,神经网络模型是构建南极磷虾HSI模型的合适方法。此外,使用连乘法和加权算术平均法等算法能够提高模型预测结果的准确性和稳定性,而最大值法和最小值法要慎重使用。本研究的方法和结论有助于评估类似物种在栖息地方面的适宜性,对未来磷虾资源的评估和南极生态系统管理具有启示意义。同时,该研究也为其他生态学领域中栖息地适宜性研究提供参考。

景气指数实现五连阳 适应性调整成效明显——10月份“中国义乌小商品指数”景气指数分析

据“中国·义乌小商品指数”信息系统监测，10月份景气指数为1069．71点，环比上涨3．97点，同比上涨12．09点（如图表1所示）；首现义乌指数2006年发布以来的首个五连阳，同时实现了自2008年10月份金融危机影响市场1周年来的首个同比正增长；虽然受周期性下滑因素影响，增幅略有收窄，但资金流动性和毛利率依然保持高位增长，贸易结构由规模型向“小单快跑增值”效益型提升，发展趋势进一步明显。本月价格总指数为100．01点，环比上涨0．07点，涨幅为0．07％（如图表2所示）。

基于极大后验估计和指数加权的自适应UKF滤波算法

针对传统Unscented卡尔曼滤波器(Unscented Kalman filter,UKF)在噪声先验统计未知时变情况下非线性滤波精度下降甚至发散的问题,设计了一种带噪声统计估计器的自适应UKF滤波算法.首先根据极大后验(Maximum a posterior,MAP)估计原理,推导出一种次优无偏MAP常值噪声统计估计器;接着在此基础之上,采用指数加权的方法,给出了时变噪声统计估计器的递推公式;最后对自适应UKF算法进行了性能分析.相比于传统UKF,该自适应UKF算法在噪声统计未知时变情况下不仅滤波依然收敛,滤波精度及稳定性显著提高,而且其具有应对噪声变化的自适应能力.仿真实例验证了其有效性.

函数链神经网络在打印机非线性校正中的应用

为了实现激光打印机非线性的自动校正,使用函数链神经网络对其非线性进行估计。研究了函数链神经网络的阶数和学习因子对其收敛性的影响。由于激光打印机的非线性非常严重,采用分段处理法,并根据收敛情况自动调整学习因子的大小。通过对比多组实验结果可知,函数链神经网络的收敛精度和速度都得到了显著提高。应用到激光打印机的非线性校正中,取得了很好的效果。

非线性系统的神经网络逆模型控制

利用神经网络逼近任意非线性的能力 ,将其与非线性逆系统相结合 ,对非线性系统的逆模型进行建模 ,对实现的伪线性系统设计自适应控制进行综合 ,动态神经网络在线消除系统的近似逆误差和正向模型的辨识误差 ,设计权值调整规律为 w∧·=-λ·eTPbΦ(r ,r· ,v)‖e‖ p >E0‖e‖ p >E,仿真结果表明其有效 .

基于磁悬浮作动器的自适应有源振动控制研究

针对周期扰动提出一种基于磁悬浮作动器的非线性前馈自适应有源振动控制算法。算法中将磁悬浮作动器视为具有时变非线性的单输入输出系统,并使用径向基函数神经网络进行控制,分别采用聚类算法和随机梯度算法对其隐层中心点和输出层权值进行自适应调整。该算法摆脱了传统磁悬浮控制对模型的依赖,在正常工作条件下不需对作动器建模。仿真和实验结果表明:在单自由度主动隔振系统中,非线性自适应算法可以显著降低周期振动的能量,同时能对磁悬浮作动器的时变非线性进行有效的补偿。

季节指数法在装备维修用备件预测中的应用

根据装备维修备件的来源及历史消耗特点，运用简单移动平均法修正历史数据，采用模型自适应调整后的季节指数法预测维修备件消耗量。计算结果表明该预测方法适合装备维修备件的预测。

基于BP神经网络的功放自适应预失真

提出用神经网络的方法来实现功放的自适应预失真模型。它利用BP神经网络的函数逼近能力,来学习功放预失真器的AM/AM、AM/PM特性函数,以抵消由于功放非线性引起的信号失真和交扰;同时,也通过自适应地调整幅度和相位两个神经网络的权、阈值,来跟踪放大器的特性变化。仿真结果证实了基于神经网络的预失真模型的有效性和低复杂性。

基于模糊免疫PID的时滞网络自适应主动队列管理

提出了一种基于灰预测和模糊免疫PID控制的时滞网络自适应主动队列管理(AQM)算法FIGAPID,旨在增强AQM算法动态自适应能力,同时补偿网络时滞,综合提高AQM算法性能。该算法借助免疫反馈机理进行PID参数的在线自适应调整,采用模糊非线性逼近的方法进行免疫反馈函数的确定;采用等维新息滚动灰预测实现路由器队列长度的超前预测,补偿AQM控制的反馈滞后。对比传统PID算法,仿真验证了FIGAPID的有效性,表明算法能快速稳定地适应动态时滞网络环境变化,收敛于路由器队列长度期望值,同时具有较小的数据丢包率。

融合BFGS的自适应蜂群算法在谐波平衡分析中的应用

针对谐波平衡分析中传统算法存在初值限制,以及智能算法收敛速度慢的缺点,提出一种基于BFGS(Broyden-Fleteher-Goldfarl-Shanno)算法局部搜索策略的自适应蜂群算法。该算法在基本蜂群算法的基础上引入非线性的动态调整因子代替蜂群算法搜索公式中的随机变量,增加搜索的自适应性,并将BFGS算法运用到自适应蜂群算法后期求解,提高其局部搜索能力。实验结果表明,改进算法较标准蜂群算法迭代次数减少51.9%,相对于传统BFGS算法和部分改进智能算法均表现出较好收敛性能。

基于非线性云化的自适应帝王蝶优化算法

针对帝王蝶算法多样性退化、易陷入局部最优导致寻优精度不高的问题,提出一种基于非线性云化的自适应帝王蝶算法(NCSMBO).深入探究帝王蝶算法的进化机制,指出其本质为网格式搜索算法;在迁移和调整算子中,采用正向正态云发生器对父代帝王蝶个体执行非线性云化操作,增加候选解的数量,提高局部开发能力;对云化后的后代个体引入贪婪策略,增强算法的可行性;为从发生概率上对突变进行控制,进一步给出双圆正切形式的自适应调整率.在12个不同特征基准测试函数上对包含NCSMBO在内的7种优化算法进行综合评估,以及对两类数学规划问题求解验证,实验验证结果均表明所提算法具有更高的收敛精度和稳定性.

引入正弦余弦算子和新自花授粉的花授粉算法

针对花授粉算法在处理高维优化问题时,收敛精度较低,易陷入局部极值的缺陷,提出了一种花授粉算法的改进算法。在异花授粉阶段,改进算法使用正弦余弦算子对花粉个体进行逐维扰动,以增强花粉个体的多样性;在自花授粉阶段,基于自然界优胜劣汰的生存法则思想,提出了一种新的自花授粉策略。与7种算法对比,在9个基准函数上进行性能对比实验,结果表明:改进算法在收敛精度和收敛速度上较对比算法有显著优势;在函数维度达到5000维时,改进算法没有陷入“维数灾难”,收敛的精度较高。在悬臂梁设计和压力容器设计2个工程实例上进行应用实验,验证了改进算法的性能和实用性。

普宁市主要粮食和经济作物气候适应性及优化布局

根据普宁市1990～2009年主要粮食、经济作物产量,计算出各种作物气候适应性指数,以高产、稳产和提高经济效益为目标,用系统工程理论中的线性规划方法,对主要粮食经济作物的种植结构进行优化调整,并将优化方案结果与实际作物种植情况进行比较。结果表明:优化方案是可行的,增产是明显的,为农业决策提供了定量指标,可供各级领导和有关部门决策参考。

混沌时间序列基于邻域点的非线性多步自适应预测

根据流形理论 ,利用混沌时间序列中某点邻域内最近几点的P次迭代像 ,提出了一种多步自适应预测算法 .仿真说明 ,这种算法使得预测速度成倍提高 ,而预测稳定后得到的误差均方根序列呈指数增长趋势 ,这个指数就是该混沌时间序列的Lyapunov指数 .

功率放大器的数字预失真——固定预失真或自适应预失真?

实践已经证明,射频线性化技术和数字预失真技术都可以有效地抵消大功率放大器工作在饱和点附近时由非线性特性产生的失真。由于数字预失真器成本低、实现简单,这使之成为昂贵的、高功耗射频线性化器的一种非常有希望的备选方案。数字预失真器根据输入信号的大小调整信号幅度和进行移相,其调整系数取决于放大器的非线性特性,这些系数既可以直接通过网络分析仪测量放大器的特性而获取,也可以藉由自适应调整初始估计值获得,从而使得误差减少到最小。误差通常是指发射信号和取样信号之间的差异。自适应可使用标准的梯度下降算法,如最小均方（LMS）来完成。本文比较了两种方法的测试结果,这些测试是针对航天级行波管放大器（TWTA）进行的。结果表明自适应方法具有更好的频域特性（肩部减小）,然而在改善信噪比和误码率方面,这两种方法的性能几乎是一样的。

基于ACMD与改进MOMEDA的滚动轴承故障诊断

针对强背景噪声下滚动轴承故障特征难以提取的问题,提出基于自适应非线性调频分量分解(adaptive chirp mode decomposition,ACMD)与改进多点优化最小熵解卷积(improved multipoint optimal minimum entropy deconvolution adjusted,IMOMEDA)的故障诊断方法。(1)为提高信号信噪比,采用基于基尼系数指标的ACMD,进行信号重构预处理;(2)为提高参数设定的准确性,提出改进的MOMEDA方法——利用天鹰优化算法,以多点峭度最大为目标,寻优确定滤波器周期参数;(3)对信号进行包络谱分析,通过对比包络谱的主导频率成分与理论故障特征频率,判断故障类型。仿真及实测数据分析结果表明,该方法能有效提取强背景噪声下的滚动轴承故障信号的特征信息,具备一定的优越性与实用性。