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。

一种新的自适应非线性卡尔曼滤波算法

为避免由于系统噪声统计特性不准确所导致的滤波性能下降问题,改进了一种基于新息的系统噪声方差调整方法,并将其与扩展卡尔曼滤波、Unscented卡尔曼滤波和差分滤波相结合,形成自适应非线性卡尔曼滤波。将此方法应用到非线性测量光电跟踪系统中,并与采用基本非线性卡尔曼滤波进行性能对比。仿真实验结果证明该方法可以实时调整系统噪声方差,有效地避免由于系统噪声统计特性不准确所带来的滤波性能下降的问题,而且其性能明显优于基本非线性卡尔曼滤波。

永磁直线同步电机自适应非线性滑模控制

针对永磁直线同步电机(PMLSM)伺服控制系统易受参数变化、外部扰动、非线性摩擦力等不确定性因素的影响,采用了一种自适应非线性滑模控制(ANLSMC)方案。首先,建立了含有不确定性因素的PMLSM动态方程,然后,通过速度作为状态变量的非线性函数和广义滑模面相结合,设计了非线性滑模面,这样不仅提高了系统的响应速度,而且增强了系统的鲁棒性。通过自适应控制在线调整趋近律中的控制增益来调节系统状态轨迹到达滑模面的趋近速度,削弱了抖振现象,同时减少了系统跟踪误差,进而提高系统的控制精度。最后,实验结果表明所采用的控制方案有效可行,与滑模控制(SMC)和非线性滑模控制(NLSMC)相比,ANLSMC不仅提高了系统的响应速度,而且改善了系统的跟踪精度和鲁棒性能。

一类随机线性系统的鲁棒自适应非线性控制设计

论文讨论了一类具有随机输入的线性控制系统的自适应鲁棒跟踪控制问题 .将M .Krstic等提出的自适应非线性控制器设计方法与鲁棒控制基本原理相结合 ;证明了当控制系统的随机输入满足一定条件时 ,采用随机Backstepping自适应控制方法 ,能确保系统输出与参考信号误差的均方值全局有界 ,并能渐近收敛到一个预先任意置定的精度内 .仿真实例表明这种控制器具有很好的鲁棒跟踪效果 .

快速稳健的自适应非线性尺度特征检测子

提出了一种快速稳健的自适应非线性尺度特征检测子(fast robust adaptive nonlinear scale feature detector,FRANSFD),通过非线性尺度空间快速求解去除了噪声同时保证了边缘细节,并将自适应选取尺度空间组数、基于加速段检验的自适应通用角点检测子(adaptive and generic corner detection based on the accelerated segment test,AGAST)与框状拉普拉斯滤波器去除边缘响应相结合,兼顾了检测的准确性与实时性。通过与尺度不变特征转换(scale invariant feature transform,SIFT)检测子、快速鲁棒性特征(speeded up robust features,SURF)检测子、风式特征(KAZE)检测子以及二进制鲁棒性尺度不变的特征(binary robust invariant scalable keypoints,BRISK)检测子的实验对比可知,FRANSFD的5种变换鲁棒性均较强,同时速度也更快。综合性能较KAZE提高约5.76%,速度提高约47%。

带一类自适应非线性特性的变步长BP学习算法

针对前馈神经网络的反向传播(BP)学习算法收敛速度慢、易陷入局部最小等缺点,本文提出了在BP搜索进入误差代价函数曲率较小、收敛速度较慢处时,在变步长BP学习算法的基础上,引入一个非线性特性项,并将该特性项的强度系数构造为具有升温、降温策略控制的自适应非线性函数。仿真结果表明,该算法的收敛稳定、快速,具有较好的效果。

CDMA通信中干扰抑制的自适应非线性LTJ滤波技术

研究一种基于LTJ结构的自适应非线性滤波器,讨论了这种滤波器在CDMA卫星通信中窄带干扰抑制方 面的应用。LTJ结构的滤波器混合采用了Lattice和LMS两种滤波器结构,结合了这两种滤波器的优点,提高了收 敛速度,同时减小了滤波器的复杂度。

基于近似模型的多层模糊CMAC自适应非线性控制

针对非线性离散时间系统的控制问题 ,提出了一种基于近似模型的多层模糊 CMAC自适应控制方法 .采用多层模糊 CMAC对非线性函数进行逼近 ,并提出了一种新的神经网络学习算法来保证权值的有界性 .由于无需满足 PE条件 。

质量矩导弹的神经网络及自适应非线性控制(英文)

本文对质量矩控制导弹的动力学方程简化和控制系统的设计进行了研究。详细阐述了所提出的控制方法 ,介绍了径向基单隐层神经网络进行误差补偿的算法原理 ,用Lyapunov理论证明了所采用方法的稳定性。在给出了质量矩导弹的六自由度动力学方程和简化后的方程后 ,用所提出的方法设计控制系统。通过仿真分析 。

自适应非线性滤波技术在导航接收机的应用

针对典型海域干扰噪声表现为大气噪声和随机窄带干扰叠加的特点,提出了直接序列扩频体制的无线电导航接收机中窄带干扰抑制的方法,即在解扩前通过自适应非线性滤波技术来预测干扰信号的频率,从而衰减窄带干扰.将近似条件均值滤波函数应用于自适应非线性滤波的干扰预测中,描述了该系统的状态空间模型并对导航接收机输出信噪比进行计算.计算机仿真对比表明,该方法比传统的扩频接收机更优,不仅提高了导航接收机的输出信噪比,而且提高了系统的稳定性.

基于自适应非线性网络的压缩感知重构算法

针对传统压缩感知(CS)进行复杂的迭代运算,重构时间长且质量差等问题,结合深度学习方法,提出一种自适应非线性测量卷积神经网络(NMECNN)的压缩感知重构算法。本算法将图像整体宽高进行压缩,作为测量网络替代传统的随机测量矩阵进行图像重建,同时利用多个扩张卷积层和上采样PixelShuffle方法获取图像不同尺度细节信息。通过与其他文献进行实验对比,本算法在不同采样率下,平均峰值信噪比(PSNR)分别高于MSRNets算法1 dB,0.7 dB,0.82 dB,1.61 dB;结构相似性(SSIM)值分别高0.03,0.04,0.24,0.10个单位,重构时间在CPU上比MSRNet算法快0.1755 s,0.3998 s,0.41 s,0.396 s。最后通过大数据集与噪声实验,验证了本算法图像重构质量明显提高,重构时间大幅缩短,具有很强的抵抗噪声攻击能力。

基于浸入不变流形的飞轮储能系统母线电压自适应非线性控制器

考虑到飞轮储能系统中母线电压非线性和频繁快速放电的特性,以提高其动态控制性能为目标,基于浸入不变流形(immersion and invariance manifold,I&IM)原理设计母线电压I&IM自适应非线性控制器,并通过李雅普诺夫理论分析控制算法的稳定性以及参数误差对闭环系统稳态特性和暂态特性的影响,证明了闭环系统在平衡点处满足全局一致渐近稳定的条件。最终通过仿真和实验对I&IM自适应非线性控制器的性能进行研究。结果表明,I&IM自适应非线性控制算法具有良好的稳定性,并能在不同转速内和不同负载下保持母线电压恒定。

基于自适应非线性滤波器的车速计算方法研究

为提高间接轮胎压力监测系统控制参数和模型计算的准确性，本文提出了一种基于自适应非线性滤波算法的参考车速计算方法。通过实验证实，该方法不仅成本低，而且对车速估算直接、精度较高，能较好地逼近实际车速。

基于混合集成建模的硅单晶直径自适应非线性预测控制

大尺寸、电子级直拉硅单晶生长过程中物理变化复杂、多场多相耦合、模型不确定且存在大滞后和非线性等特性,因此如何实现硅单晶直径控制是一个具有理论意义和实际价值的问题.本文结合工程实际提出一种基于混合集成建模的晶体直径自适应非线性预测控制方法.首先,为了准确辨识晶体直径模型,提出基于互相关函数的时滞优化估计方法和基于Lipschitz商准则与模型拟合优度的模型阶次辨识方法;其次,基于"分而治之"原理构建晶体直径混合集成模型.其中,采用小波包分解(Wavelet packet decomposition,WPD)方法将原始数据分解成若干个子序列,以减少其非平稳性和随机噪声.极限学习机(Extreme learning machine,ELM)和长短时记忆网络(Long-short-term memory networks,LSTM)分别建立近似(低频)子序列和细节(高频)子序列的预测模型,最终晶体直径预测输出由各子序列的预测结果汇总而成;然后,针对晶体直径混合集成模型失配问题以及目标函数难以求解问题,提出一种基于蚁狮优化(Ant lion optimizer,ALO)的自适应非线性预测控制策略.最后,基于工程实验数据仿真分析,验证了所提建模及控制方法的有效性.

齿轮可靠度计算两点改进的自适应非线性方法

可靠度计算的两点改进的自适应非线性方法用于齿轮可靠度的计算。提出了齿轮接触疲劳强度可靠度计算的两点改进的自适应非线性方法,齿轮弯曲疲劳强度可靠度计算的两点改进的自适应非线性方法。

基于多输出最小二乘支持向量回归建模的自适应非线性预测控制及应用

提出一种可有效提高常规预测控制方法控制性能与计算效率的数据驱动自适应非线性模型预测控制方法.首先,为了提高多输出非线性系统最小二乘支持向量回归(least squares support vector regression, LS–SVR)建模的精度,考虑各维输出间的耦合关系,采用在目标函数中加入样本整体拟合误差项,实现多输出LS–SVR(multi-output LS–SVR,M–LS–SVR)预测建模,同时采用粒子群算法优化模型参数;其次,针对动态过程建模的模型失配问题以及由于M–LS–SVR模型复杂导致传统智能算法求解预测控制律缓慢的问题,提出自适应非线性模型预测控制策略,包括两个非线性优化层:第1层采用梯度下降算法实时优化模型和实际过程输出的偏差,以自适应调节模型参数;第2层采用具有全局收敛性和超线性收敛速度序列二次规划(sequential quadratic programming, SQP)算法设计非线性预测控制器,以加速预测控制律的求解速度. Benchmark仿真实例及在高炉炼铁过程的数据试验表明:所提基于M–LS–SVR预测建模的自适应非线性模型预测控制具有较快的求解速度、较好的设定值跟踪和干扰抑制性能以及较强的鲁棒性.

一种基于自适应非线性滤波的UWB SAR目标检测预处理方法

超宽带合成孔径雷达(UWBSAR)具有叶簇穿透能力,但树干等强散射点在图像中形成了大量的脉冲杂波和针状杂波,使检测UWBSAR图像中的目标变得十分困难。本文运用自适应非线性滤波方法对图像进行预处理,滤除了图像中的脉冲杂波和针状杂波,使在恒虚警率(CFAR)目标检测中虚警率明显减少。实际UWBSAR的目标检测结果验证了这种预处理方法的有效性。

一类随机系统基于自适应非线性干扰观测器的抗干扰控制

本文针对一类带有多源异质干扰的随机系统研究了抗干扰控制问题.多源异质干扰包括与系统状态和控制输入耦合的未知非谐波扰动和白噪声.设计了自适应非线性干扰观测器用来估计非谐波扰动.在此基础上,提出了一种基于自适应非线性干扰观测器的抗干扰控制方法.最后通过仿真算例验证了所提策略的有效性.

无人直升机的自适应非线性控制

最近几年,许多仿真结果都揭示了基于神经网络的直接自适应控制在飞行控制系统设计中的发展潜力。其中最重要的一点就是显著降低了对系统动态模型的要求。本文把该方法应用于无人直升机,给出了自适应姿态控制系统和跟踪控制器的设计方法。通过,数字仿真表明该控制方法有良好的跟踪控制性能。

基于非线性自适应比例因子的雪豹优化算法

针对雪豹优化算法在求解复杂优化问题时,存在全局勘探能力不足、寻优精度低等问题,提出一种改进的雪豹优化算法。首先,基于分段Logistic混沌映射初始化从而提高初始种群多样性;其次,引入非线性比例因子用于平衡算法的全局勘探能力和局部开发能力;然后,提出了一种差分变异策略,在第一次种群更新位置后,使用5个随机个体提高全局搜索能力和算法收敛能力,在第二次种群更新位置后,使用3个随机个体保证在求解过程的中后期也具有一定的全局勘探能力,尽可能避免陷入局部最优。通过在IEEE CEC2022基准函数测试集上测试,并与其他算法进行比较,结果表明所提出的算法在种群质量、求解精度以及算法稳定性上均有较大提升。最后将所提出的算法应用于工程优化,计算结果进一步证实了算法的强优化能力。