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。

电励磁直线电动机磁悬浮系统的非线性自适应反步控制

为提高电励磁直线电动机(electrically excited linear motors,EELM)驱动的数控机床磁悬浮平台控制系统的性能,提出一种非线性自适应反步控制方法。研究EELM的结构与运行机理,该EELM的定子由铁心和励磁绕组组成,动子由动子铁心和电枢绕组组成,与数控机床进给平台固定连接驱动平台运动,励磁磁场对动子铁心的单边磁拉力实现平台的悬浮;建立EELM磁悬浮平台控制系统的数学模型与状态方程;对电励磁直线电动机磁悬浮平台运行过程中存在的不确定性扰动,设计非线性自适应反步控制器,对未知扰动进行估计,采用李雅普诺夫理论证明系统的稳定性;用MATLAB/Simulink对控制系统进行计算机仿真,验证所提方法的有效性。

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。

大尺度大气运动方程组解的一些性质——定常外源强迫下的非线性适应

本文从大尺度大气运动方程组出发,讨论了定常外源强迫下大气系统的长期行为。建立了基本的泛函空间和算子方程,证明了解的存在唯一性定理,在此基础上讨论了整体吸收集以及其中的不变点集的存在性。揭示了系统向外源的非线性适应过程。

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。

一种彩色图象的非线性自适应滤波算法

本文提出了一种应用于彩色图象去噪和平滑的非线性自适应滤波算法。该算法应用微分算子确定被处理象素及其邻域内的象素点是否为噪声点 ,在具有视觉统一性的色度空间中对图象进行高斯加权时 ,不仅去除噪声点的影响 ,而且应用分类准则 ,对象素及其邻域内的点进行分类 ,选取同类点参加滤波。该方法有效抑制了噪声点的影响 ,提高了滤波的视觉效果。

液压驱动Stewart平台非线性自适应控制器设计

电液驱动Stewart平台具有高度非线性特性,且各个通道之间存在严重的负载交联耦合,影响了仿真模拟器运动的平滑性和逼真度。以往这种系统的控制器大都是以驱动分支作为被控对象进行设计的,忽略了各个通道之间负载交联耦合的影响,导致系统控制精度的降低,严重时甚至可能造成系统的不稳定。针对上述问题,提出以动平台为被控对象,根据动平台动力学方程设计一种基于加速度鲁棒观测器的非线性自适应控制器的方法,通过Lyapunov方法证明该控制算法具有渐进稳定性。试验表明提出的控制算法在提高平台控制精度和抑制通道间负载交联耦合方面的效果较理想。

一种非线性动态自适应的Agent联盟生产算法

代理(Agent)联盟是对无线传感器网络WSN(Wireless Sensor Network)进行管理的重要手段.引入粒子群算法PSO(Particle Swarm Optimization)并对其进行改进,使PSO的参数具有非线性动态自适应性.将改进的PSO用于求解Agent联盟生成问题,并针对WSN的特性设计了一种效益函数用于评价联盟的效益.采用基于非线性动态自适应PSO的Agent联盟生成算法,在联盟生成初期搜索范围较广,搜索后期在局部挖掘上表现出良好的性能.实验证明在解决Agent联盟生成问题中,基于PSO的算法在稳定性上优于其他算法,基于改进PSO的联盟生成算法可以加大搜索空间,更快的收敛到最优解,且该算法可以同时生成多个Agent联盟,支持并行多任务环境下的Agent联盟求解.

图象椒盐噪声的非线性自适应滤除

为了在滤除图象椒盐噪声的同时能很好地保持图象的细节 ,提出了一种新颖的图象椒盐噪声非线性自适应滤除算法 .该方法首先在噪声图象的滤波窗口中去除具有最大和最小灰度值的象素 ,然后求取剩余象素的均值 ,计算出该均值与对应的象素灰度值的差值 ,再通过与阈值相比较 ,确定是否用求得的均值代替原噪声图象的灰度值 .阈值由图象的灰度分布自适应地确定 .该算法与已发表的同类算法相比 ,具有更好的滤波性能 ,尤其在噪声严重时 。

非线性自适应滤波在磁致伸缩导波传感器信号处理中的应用

针对传统滤波算法对磁致伸缩导波传感器信号滤波,存在降噪效果不理想、滤波后信号失真等问题,提出一种基于小波分解的非线性自适应滤波算法。在利用小波分解提取参考噪声的基础上,将神经网络和粒子群优化算法引入传统自适应滤波中,实现了对信号的非线性自适应滤波。以纵向导波磁致伸缩传感器对钢杆的检测信号为例,应用该算法进行滤波处理,结果表明:这种算法能够有效滤除检测信号中的噪声,具有滤波后信号信噪比高、信号不失真、容易实现实时处理等优点,可以实际应用在磁致伸缩导波传感器信号处理中。

非线性自适应平方根无迹卡尔曼滤波方法研究

针对带有附加噪声且噪声特性未知的系统,提出了一种非线性卡尔曼滤波方法——自适应平方根无迹卡尔曼滤波(NASRUKF)方法,该方法基于平方根滤波的思想,对传统的Sage-Husa自适应滤波算法进行了改进,并与平方根无迹卡尔曼滤波(SRUKF)算法相结合用来进行非线性滤波。该算法能直接对非线性系统的状态方差阵和噪声方差阵的平方根进行递推与估算,确保状态和噪声方差阵的对称性和非负定性。将所提方法通过计算机仿真技术与SRUKF算法进行对比,结果表明NASRUKF方法在滤波精度、稳定性和自适应能力方面均优于SRUKF方法。

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。

考虑输入约束的发电机汽门非线性自适应控制

研究具有汽门控制和阻尼系数不确定的单机无穷大系统的暂态稳定性问题.通过引入切换机制,解决了输入控制量幅值约束问题.基于主汽门控制和快速汽门控制思想,建立了一个由汽门控制的单机无穷大汽轮发电机切换系统模型.应用本文提出的改进自适应Backstepping方法设计了切换子系统的非线性自适应控制器和参数替换律,同时构造出切换系统的共同Lyapunov函数,从而保证了切换系统的稳定性.由于设计过程中,未用到任何线性化方法,因而所得控制器充分利用了系统的非线性特性.仿真结果表明了设计方法的有效性和优越性.

基于多核学习的在线非线性自适应滤波算法

在在线非线性自适应滤波应用中,由于基于多核学习的算法具有更高自由度并且能够利用更多数据特征,相比基于单核学习的算法在性能上有很大提升。首先给出具有相同"字典"的多核仿射投影算法,该算法是多核学习方法和仿射投影算法的结合。然后基于相干准则针对多核仿射投影算法的特例,对应不同高斯核带宽,利用相干稀疏准则构造不同"字典",提出利用自适应l1-范数正则项来解决归一化多核最小均方非线性自适应滤波算法在非平稳信号下"字典"存在冗余核函数的问题。最后数值仿真结果与比较验证了所提算法的有效性。

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。

风力发电机侧整流器非线性自适应Backstepping控制

建立直驱永磁同步风力发电系统机侧三相电压型PWM整流器dq旋转坐标系下数学模型,针对其负载电阻、IGBT等效电阻、交流侧电感阻抗以及频率等参数存在不确定性,提出一种非线性自适应Backstepping控制算法。采用输入输出反馈线性化方法将其转化为一个具有严格参数反馈形式的非线性系统,在此基础上应用Backstepping递归方法进行控制系统设计,从而得到非线性自适应控制器及不确定参数自适应律。理论分析和仿真研究表明,所设计的控制器可以保证在系统参数不确定的情况下,实现网侧电流正弦化和相位控制,直流侧输出电压能够快速、无超调达到稳态,且具有很好的自适应性和鲁棒性。

基于T-S模糊模型的非线性自适应逆控制系统

现在非线性自适应逆控制系统中,由于对象模型和逆控制器均采用非线性自适应滤波器,自适应过程需要同时训练至少两个串联的非线性自适应滤波器,从而造成自适应学习过程过于复杂。利用一组自适应LMS滤波器建立非线性对象的T-S模糊模型,它为逆控制器的学习提供了准确的解析的对象模型Jacobian信息,从而有效简化了自适应逆控制学习过程。仿真结果表明,无论是离线建模还是在线建模,该非线性自适应逆控制方法均能取得理想的控制效果。

基于自适应切比雪夫滤波器的非线性有源噪声控制

提出一种基于自适应切比雪夫滤波器的非线性有源噪声控制算法FCLMS。FCLMS算法使用传统的Fx LMS结构,将初级噪声使用第一类切比雪夫多项式展开,进而拟合该信号,而后使用LMS自适应算法进行噪声控制。该算法的计算复杂度低于2阶VFx LMS和1阶FS LMS算法。在不同的仿真模型下的仿真结果表明,该算法控制效果均达到或优于VFx LMS和FS LMS算法,且收敛速度快。

一类非线性系统基于Backstepping的自适应稳定控制

针对一类未知高阶非线性系统 ,提出了一种基于 Backstepping和神经网络的自适应稳定控制方法。利用 RBF神经网络逼近未知非线性函数 ,不需要满足匹配条件 ,基于 Backstepping方法调节网络权值。在控制律中引入非线性衰减项和 σ-修正项保证了网络权值的稳定性 ,阻止了参数漂移。通过 Lyapunov直接方法 ,证明了整个闭环系统的最终一致有界性。该方法扩展了自适应Backstepping和自适应 NN控制的应用范围 ,适于并行计算 。

基于小波萎缩法的非线性自适应数字滤波器的设计

本文中,将小波萎缩法应用于非线性自适应数字滤波器的设计,介绍利用基于离散正交小波变换的小波萎缩迭代滤波方法,设计出非线性自适应小波萎缩滤波器的模型文中给出了非线性自适应小波萎缩滤波器的一个消噪实例,证实了非线性自适应小波萎缩滤波器鲁棒性好的特性。