Design of Smith Predictor Based Fractional Controller for Higher Order Time Delay Process

Normally all real world process in a process industry will have time delay.For those processes with time delays,obtaining satisfactory closed loop performances becomes very difficult.In this work,three interacting cylindrical tank process is considered for study and the objective of the work is to compensate for time delays using smith predictor structure and to maintain the level in the third tank.Input/Output data is generated for the three interacting tank process.It is approximated as Integer First Order Plus Dead Time system(IFOPDT)and Fractional First Order Plus Dead Time system(FFOPDT).Smith predictor based fractional order Proportional Integral controller and Integer order Proportional Integral controller is designed for the IFOPDT and FFOPDT model using frequency response technique and their closed loop performance indices are compared and tabulated.The servo and regulatory responses are simulated using Matlab/Simulink.

分数阶积分时滞过程的内模PID控制器整定方法

针对分数阶积分时滞过程,提出了一种内模PID控制器的设计与整定方法。将内模控制(internal model control,IMC)方法推广应用于分数阶系统,采用一阶泰勒级数逼近时滞环节,导出了一种分数阶内模PID控制器,该控制器仅有一个可调参数,且该参数与系统的动态响应特性及鲁棒性直接相关,并采用一种鲁棒性能指标实现了控制器参数的解析整定。仿真结果表明:分数阶内模PID控制器设计方法简单,参数整定方便,而且可使系统具有良好的目标值跟踪特性、扰动抑制特性以及克服参数变化的鲁棒性。

基于R-L分数阶微分梯度算子的边沿检测

在处理数字图像中处理中,为了提取更加细微的边缘信息,克服经典梯度算法的不足,根据R-L分数阶微积分的定义和边缘检测的基本原理,推导出一维离散分数阶微分梯度算子,并且推广到二维,提出了一种基于R-L分数阶微分的新算子模板,并在实验中得以实现。实验结果表明,这种算子更能提取细节信息,使得边缘更加突出,与经典1阶和2阶的边缘检测算子相比,在处理以低频信号为主的图像时有一定的效果提升,而在处理以高频信号为主的图像时有较大的效果提升。

基于Seislet域改进POCS算法的地震数据重构

压缩感知理论突破了奈奎斯特采样理论的局限性,可用于地震数据的重建。凸集投影(POCS)是基于压缩感知重建地震数据的主要算法之一。凸集投影(POCS)算法的主要参数包括阈值函数和阈值模型。针对传统硬阈值函数和软阈值函数的不足,这里结合Riemann-Liouville分数阶积分理论,提出了分数阶阈值函数。与硬阈值函数相比,分数阶阈值函数增强了阈值点的连续性,与软阈值函数相比,分数阶阈值函数减小了与原始系数的偏差。阈值模型能确定阈值函数所使用的阈值在线性阈值模型和数据驱动阈值模型之间添加了加权因子,然后获得加权阈值模型。最后将分数阶阈值函数和加权阈值模型应用于Seislet域中的POCS算法,以获得改进的Seislet域POCS算法。在模型测试和实际地震数据测试中,分数阶阈值函数与传统阈值函数相比,可以有效地提高地震数据的重构精度,而加权阈值模型可以在保证地震数据重建精度的前提下提高重构效率。

小波变换和分数阶积分结合的OCT图像去噪算法

通过对光学相干层析(OCT)系统中的噪声源进行分析,提出了一种将小波变换和分数阶积分结合的OCT图像去噪方法。先将OCT图像进行小波分解,获得不同频带的子图像。将低频近似图像保持不变,对水平、垂直和对角三个方向的高频细节图像采用三种改进的分数阶积分Tiansi模板进行滤波,最后将低频近似图像与三个分数阶积分滤波后的高频细节图像合成,得到去噪后的图像。实验结果表明;该算法在有效降低OCT图像散斑噪声的同时,尽可能地保留了图像的细节;相比经典的去噪算法和单一的分数阶积分算法,本文算法的去噪效果较好。