基于DSP-NNCPID的电液位置伺服控制系统的设计

本文以电液位置伺服机械手第一关节为研究对象,提出一种基于NNC-PID的PC机+DSP控制方案。详细说明了系统硬件电路各部分的设计和系统软件各模块的设计。利用神经NNI-PID控制器的自学习、自适应能力实现PID控制参数的自整定,使系统具有良好的控制定位和伺服跟踪性能,NNC-PID控制器较好地解决了电液位置伺服系统存在的问题。

细胞密度对Corynebacterium sp. NNC-3降解苯酚的影响

以Corynebacterium sp.NNC-3为受试菌株,就初始细胞密度对苯酚降解反应的影响进行了研究。结果表明,初始苯酚浓度为100～600 mg/L,初始细胞密度在0.05～0.30(OD600)范围内时,随着初始细胞密度的增大,菌株NNC-3降解苯酚的平均速率迅速增加;进一步增大初始细胞密度,菌株NNC-3降解苯酚的速率不再随初始细胞密度的增大而升高,菌株NNC-3降解苯酚的能力趋于饱和状态;初始苯酚浓度为600～800 mg/L时,菌株NNC-3降解苯酚的能力趋于饱和状态,且苯酚的降解速率呈现逐渐下降趋势,表明此时底物浓度为菌株NNC-3降解苯酚的限制性因素。研究成果对高效处理受酚污染环境具有一定的参考价值。

基于DSP NNC-PID的电液位置伺服控制系统设计

提出一种NNC-PID电液位置伺服控制系统的设计方法。采用PC机+DSP为主控制器,NNC自学习、自适应对PID参数自整定的控制算法,以满足在非线性、参数时变性、不确定性条件下,对机械手电液位置伺服系统进行高精度和快速响应的控制要求。与常规PID控制的对比实验表明,该系统由于具有自学习和实时调整PID参数的能力,使系统很快收敛于位置稳态值,同时对参数时变表现出良好的鲁棒性,很好地解决了液压系统的非线性和参数时变问题,具有良好的定位精度和伺服跟踪性能。

Nakagami衰落信道下NNC-DFH接收机抗部分频带干扰性能分析

该文提出了一种噪声归一化合并(NNC)差分跳频(DFH)接收机模型以提高差分跳频系统抗部分频带干扰能力。给出了Nakagami衰落信道下NNC-DFH接收机在部分频带干扰及背景热噪声下误符号率边界的闭式表达式,并采用矩生成函数法进一步求得了衰落指数m为整数时的简化性能边界。仿真结果表明:在非最坏部分频带干扰下,仅在衰落较弱且干扰能量较为分散的特殊情况下,线性合并(LC)DFH接收机性能略优于NNC-DFH接收机,其它情况下NNC-DFH接收机总是优于LC-DFH接收机,且干扰越集中性能优势越显著;在最坏部分频带干扰下,NNC-DFH接收机的抗部分频带干扰性能优于LC-DFH接收机,与信道衰落程度及干扰带宽因子取值无关。

NNC 55-0396对db/db小鼠的降糖作用及其机制

目的探讨NNC 55-0396对db/db糖尿病小鼠的降糖作用及其机制。方法取8周龄雄性野生型非糖尿病小鼠及db/db糖尿病鼠各12只,分别按随机数字表法为2组,共4组:野生安慰剂组、野生NNC干预组、db/db安慰剂组及db/db NNC干预组(n=6)。NNC干预组均予30 mg/(kg.d)剂量NNC 55-0396腹腔注射,安慰剂组予等体积生理盐水腹腔注射,干预1周;比较实验动物药物干预前后血糖、体质量、胰岛素及总胆固醇的变化水平,并用免疫组织化学法及Western blot检测T型钙通道特异性亚基Cav3.1及Cav3.2表达水平。结果①与db/db安慰剂组比较,db/db NNC干预组空腹血糖水平显著下降(P<0.01),而野生安慰剂组和野生NNC干预组之间差异无统计学意义(P>0.05);②与db/db安慰剂组比较,db/db NNC干预组体质量、胰岛素及胆固醇水平均明显降低(P<0.05);③NNC 55-0396显著下调db/db糖尿病鼠Cav3.1及Cav3.2在肝脏及脑组织中的蛋白表达水平(P<0.05)。结论 NNC 55-0396通过调节小鼠体内钙离子水平产生降血糖作用。

神经网络控制(NNC)及其在液压系统中的应用

本文给出了神经网络控制（ＮＮＣ）系统的几种典型结构，并对ＮＮ算法进行了讨论，最后通过液压管道压力脉动的ＮＮＣ和液压位置伺服系统模型参考ＮＮＣ的实例研究，证实了ＮＮＣ的有效性和鲁棒性。

NNC果树防冻膜剂

为了实现北方果树不受早春倒春寒冻害的侵袭,由山西省北方种业股份有限公司生物农化事业部最新研制并推广应用的NNC果树防冻膜剂已广泛应用于北方果树防冻害措施中,并取得了很显著的防冻效果。主要预防晚霜降温天气造成的果树冻花、冻果。

余甘子对强致癌物N-亚硝基化合物在人体内合成的阻断作用

本文采用Ohshima的方法,以尿中N-亚硝基脯氨酸(NPRO)量为指标,研究了余甘子果汁阻断人体内N-亚硝基化合物(NNC)的合成。12名志愿者摄入L-脯氨酸500 mg和硝酸钠300 mg后,尿中NPRO的量平均为75.10 nmol,而当摄入上述两种药物的同时,分别给予同浓度的抗坏血酸和余甘子果汁后,尿中NPRO的含量则分别降为41.08 nmol和20.79nmol,且后者此本底值(25.55 nmol)还低。表明在本实验条件下,摄入含抗坏血酸75mg的余甘子果汁13ml,即能完全阻断500mg L-脯氨酸和300mg硝酸钠在人体内所引起的NPRO的合成。同时也证明,余甘子果汁能有效地阻断人体内NNC的合成。

大射电望远镜柔性Stewart平台的动力学分析与控制

根据KED方法建立了柔性支腿Stewart平台的动力学模型。针对该机构为一非线性、强耦合、多输入多输出等特点,提出一种干扰观测器和基于优化神经网络结构的PID控制器(PID-NNC)相结合的控制算法来实现大射电望远镜(LT)馈源高精度轨迹跟踪。这种新方法通过构造干扰观测器来观测柔性Stewart平台的各种干扰,并对观测到的干扰信息进行补偿以抑制干扰对系统的影响,同时采用PID-NNC进行动态解耦控制。理论分析和仿真实验结果表明,该控制算法不仅能满足馈源轨迹跟踪高精度要求,而且具有较强的鲁棒性。

一种大柔性Stewart平台轨迹跟踪控制方法的研究

新一代大射电望远镜(LT)粗调系统是通过6根索长的协调变化驱动馈源舱跟踪射电源的六自由度运动,其工作特点类似Stewart平台,因此被看作大柔性Stewart平台。针对该系统变结构、非线性、大滞后、强耦合等特点,提出一种卡尔曼滤波和基于优化神经网络结构的PID控制器(PID-NNC)相结合的控制算法来实现馈源轨迹跟踪控制。这种新方法通过构造卡尔曼滤波来抑制随机干扰对系统的影响,同时采用PID-NNC来实现馈源舱轨迹跟踪。理论分析和仿真实验表明,该控制算法不仅能满足对轨迹跟踪精度要求,而且具有较强的鲁棒性。

具有时延和丢包的非线性网络控制系统的切换稳定性研究

针对带有双边随机时延和丢包的非线性网络控制系统(NNCS),本文利用模型依赖的平均驻留时间(MDADT)方法研究了其系统的稳定性。采用Takagi-Sugeno(T-S)模糊模型表示系统中的非线性对象,使用不确定性方法表示系统中的随机时延,并使用切换系统方法表示系统的丢包过程,建立了参数不确定性的离散时间模糊切换系统模型。进一步地,根据慢切换和快切换相结合的MDADT方法,给出了切换系统状态满足的指数稳定性条件。通过非线性倒立摆仿真实验,验证了所提方法的有效性,并通过实验对比证明,对于处理非线性系统,根据T-S模糊模型所设计的模糊控制器比根据模型线性化后所设计的线性控制器具有更大的稳定范围。

神经网络控制结构及所用神经网络

本文阐述了神经网络控制所能解决的控制难题、若干种控制结构及常用的动态神经网络。讨论了神经网络控制研究的重点、在实时控制中的物理可实现性及其发展等问题。

基于神经网络模型的拱泥机器人控制

拱泥机器人是为打捞沉船的关键工序—水下攻打千斤洞而设计的特种机器人.分析了拱泥机器人在水下泥土环境中受力情况,建立了基于MATLAB的拱泥机器人头部的动力学模型.针对拱泥机器人工作环境的不确定性,将传统PID控制与神经网络相结合,建立了一种应用BP神经网络实现PID参数自整定的自适应PID控制模型.控制器由PID控制器、神经网络NNC和NNI组成.神经网络NNC能够根据拱泥机器人动态特性的变化,自动整定PID参数,从而改善了控制性能.神经网络NNI为NNC提供学习的梯度信息.计算机仿真结果表明该方法是有效的.

基于BP神经PID的干粉砂浆搅拌储罐控制系统

本文针对干粉砂浆搅拌储罐湿度自动控制系统的时滞性,复杂的非线性特性,难以建立精确的数学模型;对象和环境的不确定性,常规PID控制方法很难对其进行有效控制的问题,而且在实际应用中其参数整定问题一直是尚未很好解决的难点。为了建立有效的系统模型并解决控制参数整定问题,改善系统性能,将BP神经网络算法应用到干粉砂浆搅拌储罐湿度自动控制系统的系统在线辨识器(NNI)和自适应PID控制器(NNC)中,由NNI对被控对象进行在线辨识的基础上,通过对NNC的权系进行实时调整,实现PID神经网络的自学习和逼近任意函数的功能,在控制过程中根据变化实时调整PID的三个控制参数,从而进行PID控制参数的在线整定。

基于最近邻分类算法的红细胞应用研究

医学上,人体细胞直接关系到人体各项指标的性能。目前都是采用人工方法进行细胞计数,效率低。为此,根据细胞特征的不同,研制了一套基于计算机模式识别的细胞自动统计系统,本文采用MATLAB软件,利用最近邻分类算法,对红细胞进行自动分类识别。

基于奇异值分解的人脸识别方法

提出了一种将傅里叶变换和奇异值分解相结合的人脸自动识别方法。首先对人脸图像进行傅里叶变换,得到其具有位移不变特性的振幅谱表征。其次,从所有训练图像样本的振幅谱表征中给定标准脸并对其进行奇异值分解,求出标准特征矩阵,再将人脸的振幅谱表征投影到标准特征矩阵后得到的投影系数作为该人脸的模式特征。然后,对经典的最近邻分类器算法进行了改进,并采用模式特征之间的欧式距离作为相似性度量,从而完成对未知人脸的识别。采用ORL(OlivettiResearchLaboratory)人脸库对本文提出的人脸识别方法进行验证,获得了100.00%的识别率。实验结果表明,本方法优于现有的基于奇异值分解的人脸识别方法,且对表情、姿态变换等具有一定的鲁棒性。

RBF网络基函数中心选取算法的研究

首先介绍RBF网络基函数中心的随机选取算法 ,然后研究自组织学习算法选取RBF基函数中心方法 ,最后给出一种最近邻聚类学习算法。通过系统辨识的实例仿真 。

RBF神经网络的混合学习算法

针对RBF神经网络的最近邻聚类学习算法存在的学习精度不理想和固定网络结构的梯度下降训练学习算法存在的中心不易确定、训练时间长等问题,提出一种基于最近邻聚类中心选取和梯度下降训练的RBF神经网络混合学习算法,解决了RBF网络径向基函数的中心取值问题,提高了网络的学习精度和训练速度.将该算法应用于非线性系统的在线辨识与二维函数的逼近,仿真实验结果证明了该方法的有效性.

无线传感器网络动态最近邻协作目标跟踪算法

针对现有的目标跟踪算法不能兼顾精度和能耗的问题,提出了一种动态最近邻协作目标跟踪算法。本算法动态构建目标跟踪簇以更好地适应目标位置的实时变化,从而获取最佳的跟踪精度。当目标进入监控区域后,多个传感器节点感知到目标则自动成簇最小二乘方法初始移动目标的最初位置。引入预测机制,根据目标的未来位置,基于最近邻协作准则选择下一时刻的簇头节点。目标跟踪簇头节点在其邻居范围内选择任务节点观测目标位置,并采用集中卡尔曼滤波完成目标的状态估计。仿真结果表明:提出的目标跟踪算法具有跟踪精度高,节点间的单跳通信距离能够有效减少能耗。

独立分量分析在模式识别中的应用

模式识别中关键的两个环节是模式的特征提取及利用分类器分类识别。采用独立分量分析进行特征提取 ,并比较了最近邻分类器和cos分类器的分类识别性能。利用ORL人脸图像数据库进行实验 ,结果表明独立分量分析与cos分类器相结合可得到更好的识别结果。