非线性采样系统镇定问题的连续原型方法

0引言 基于近似离散模型上设计的采样控制器是否对原来连续受控系统有效的问题是近期研究的热点之一,文献[1～2]对镇定问题进行了研究,在采样周期充分小的情况下,给出了可实用渐近稳定的条件,但对实际控制系统而言,其执行机构的工作响应频率是有限制的,因此控制器的采样周期不可能任意小.而文献[3]在采样周期固定的条件下,考虑了指数稳定的特殊情况.文献[3]中提出了离散模型连续原型的概念,证明了在微分同胚条件下近似离散模型的连续原型的存在性,在连续的框架下,给出了基于近似离散模型上设计的指数稳定的采样控制器,能够以同样方式指数稳定原来连续受控系统的条件.在采样周期固定的条件下,本文在文献[3]连续原型方法的基础上,进一步讨论相应渐近稳定的情况,给出了基于近似离散模型上设计的渐近稳定的采样控制器能够镇定连续受控系统的条件.

反射转镜式干涉光谱仪光程差非线性修正方法比较

介绍了反射转镜式干涉光谱仪的原理。转镜的转动会导致光程差存在非线性问题,是转镜式干涉光谱仪普遍存在的问题。由于光程差的非线性会导致反演光谱的严重失真,因此需要对其进行修正处理。对非线性修正问题,目前常用的有光程差替换法、干涉图二次采样法和NUFFT法。实验结果证明,NUFFT法和光程差替换法运算精度较高,相对偏差优于0.13%,NUFFT法精度又略高于光程差替换法;在运行效率上,NUFFT法运行速度最快,其次为光程差替换法。由于干涉图本身是一个剧变信号(特别是在零光程差附近),不适合进行多项式拟合,所以干涉图二次采样法运算精度最低,另外,由于干涉图二次采样法需要做分段拟合运算,所以运行效率也最低,从而可以认为NUFFT方法是目前最适用于反射转镜式干涉光谱仪非线性采样误差修正的方法。

基于视觉注意机制的小目标预检测特性

针对一种使用了离散非线性采样的视觉注意机制模型,对其应用在小目标预检测上的检测概率进行了研究和分析.在一定的假设条件下,从理论上推导出了模型中影响小目标预检测概率的各个因素,包括目标大小、目标所在采样节点的大小、输入图像信噪比和目标均匀性参数等.由于采用了非线性的采样模型,注视点的转移将带来不同图像区域空间分辨率的变化,从而不能获得总的检测概率与上述各参数的有意义的关系,通过实验分析了这些因素在小目标预检测中对检测概率的具体影响.

基于快速高斯网格法的非线性光谱复原方法

针对傅里叶变换光谱仪中的非线性光谱复原精度低的问题,研究了一种基于快速高斯网格(FGG)法的非线性光谱复原方法。首先研究了基于FGG法的非均匀傅里叶变换理论,利用仿真结果验证了FGG法的高复原精度及其可行性。搭建了双折射偏振干涉光谱测量实验装置,利用该方法对非等间隔采样的干涉信号进行了光谱复原处理,复原结果与光谱仪的测量结果基本一致。理论仿真和实验结果均表明,采用FGG法能够有效实现非线性光谱复原。

实时红外小目标预检测中注意机制分析

针对用于红外小目标预检测的基于局部对比度的注意机制 ,分析了其非线性采样模型参数与预检测生成的显著性图中目标 /背景信噪比的关系 ,为模型的参数选择提供了理论依据 .同时 ,在分析预检测算法计算量的基础上 ,比较了采用该预检测算法和不采用预检测算法的小目标检测之间的计算量差异 。

基于MC9S12XS智能车的控制策略

结合飞思卡尔杯全国智能车比赛,以MC9S12XE128为控制核心单元,设计并实现一种基于CCD传感器的智能寻迹小车系统,采用非线性采样方法来找出路径的位置和方向。以非线性采样得到的路径信息和方向偏差,来决定智能车的速度控制和方向控制。

基于LSTM-BPNN-SVR的地铁车辆轴箱温度预测方法

针对上海地铁所使用的自发电式列车轴箱温度感知及预警系统中样本数据非等距及高精度预测问题,通过对采样数据特征分析,利用K均值聚类及分段三次Hermite插值法,实现了样本数据的等距化;搭建LSTM-BPNN-SVR预测模型强化了对样本数据特征信息的提取,实现了对地铁车辆轴箱温度高精度预测的目的。通过与实测数据进行对比,该模型预测精度可达到99.15%,验证了该方法的有效性;通过与其他六种常规模型的预测结果对比,LSTM-BPNN-SVR预测模型具有更高的预测性能。