Fuzzy Adaptive Control of Stochastic Nonlinear Systems with Unknown Virtual Control Gain Function

The problem of track control is studied for a class of strict-feedback stochastic nonlinear systems in which unknown virtual control gain function is the main feature. First, the so-called stochastic LaSalle theory is extended to some extent, and accordingly, the results of global ultimate boundedness for stochastic nonlinear systems are developed. Next, a new design scheme of fuzzy adaptive control is proposed. The advantage of it is that it does not require priori knowledge of virtual control gain function sign, which is usually demanded in many designs. At the same time, the track performance of closed-loop systems is improved by adaptive modifying the estimated error upper bound. By theoretical analysis, the signals of closed-loop systems are globally ultimately bounded in probability and the track error converges to a small residual set around the origin in 4th-power expectation.

基于深度神经网络的多聚焦红外图像非线性增强

当红外图像中含有多个聚焦目标主体时,会导致红外图像质量下降,部分区域出现模糊,因此,提出基于深度神经网络的多聚焦红外图像非线性增强方法。在引导滤波的作用下,从红外图像中获取细节层图像和背景层图像,在细节层图像中建立局部清晰度评价函数,得到清晰的细节层和背景层并融合二者。利用构建的深度神经网络结构,建立非线性增益函数,通过设定阈值和调整子带系数,实现对多聚焦红外图像的非线性增强。测试结果表明,所提方法在增强图像过程中,并没有改变原始图像的亮度和纹理波动;增强后的图像信息熵比原图像提高了57%左右,图像抗噪性能值更高,平均为7.4 dB,图像更清晰,SSIM值更趋近于1,平均为0.98,增强后的图片与原图片图像相似度更高,更接近于真实图像。

基于RBFNN的智能车辆转向系统的预设性能控制

针对存在模型非线性和参数不确定性的智能车辆转向系统的预设性能跟踪控制问题,采用径向基函数神经网络对转向系统中的不确定非线性进行在线逼近,结合障碍Lyapunov函数技术为智能车辆的线控转向系统设计预设性能控制器。在控制器设计中,采用动态增益技术补偿控制增益未知对系统控制性能的影响。利用Lyapunov方法分析系统的稳定性,证明在控制器作用下,前轮转角的跟踪误差在预设的时间内收敛至原点预设的邻域;通过数值仿真和整车实验验证了控制方法的合理性。

非线性互联系统状态观测器设计方法研究

非线性互联系统广泛应用于各类工业生产中。随着科学技术的迅速发展,控制系统的复杂程度越来越高,同时各子系统之间的互联性也变得越来越强。因此,针对日益复杂的非线性互联系统进行研究,已成为一个非常重要的课题。针对非线性互联系统观测器的设计方法进行研究,通过设计状态观测器实现对互联系统中状态向量的鲁棒估计。首先,基于李雅普诺夫函数给出广义互联系统状态观测器存在的充分条件。其次,将非线性广义互联系统观测器的存在条件进行推广,得到正常非线性互联系统观测器存在的充分条件。观测器的存在条件均通过Schur补引理,以线性矩阵不等式的形式给出,简化了观测器增益矩阵的求解,得到了互联系统观测器的设计方法。最后,利用MATLAB软件计算出观测器的增益矩阵。两个算例仿真结果验证了所提方法的可行性与有效性。

人工蜂群优化的非下采样Shearlet域引导滤波图像增强

针对现有图像增强算法边缘保持性能不佳、抗噪性弱的问题,提出了一种改进的引导滤波图像增强算法——ABCO-NSST-GF。通过非下采样Shearlet变换(NSST)将图像分解成低频和高频2部分,利用引导滤波来增强低频系数,避免了高频噪声的放大;对图像的高频系数进行非线性增益函数变换,在增强边缘及细节的同时抑制噪声。最后,对处理后的低频和高频系数实施NSST反变换,重构出最终的增强图像。由于引导滤波中的盒滤波半径与正则化参数对增强结果有较大影响,采用了混沌蜂群算法搜索其最佳值,确保增强结果达到最优。针对约70幅实际工程图像进行了实验,结果表明,ABCO-NSST-GF算法能够明显改善图像视觉效果,与NSCT自适应阈值法等4种算法相比,所得图像清晰度、对比度和信息熵平均提高25.2%,与空域引导滤波算法相比,P峰值信噪比平均提高20.9%。

改进的直方图均衡化和NSCT变换的红外图像增强

针对红外图像对比度低、噪声大等特点,提出一种基于改进的直方图均衡化和NSCT变换(nonsub sampled contourlet transform)相结合的的红外图像增强方法。首先对红外图像进行NSCT变换,得到多尺度多方向的高频子带系数和一个低频子带系数。高频子带首先采用自适应降噪函数降低高频系数的噪声同时很好地保护边缘信息,然后采用非线性增益函数调整高频分量;在低频分量上采用改进的直方图均衡化方法进行增强。最后经NSCT逆变换得到增强图像。实验结果表明,提出的算法可以有效地提高红外图像的对比度,抑制图像的噪声,增强图像对比度,突出图像的边缘轮廓信息。

基于混沌粒子群优化的Contourlet域红外图像自适应增强

为进一步增强红外图像的对比度、提高清晰度并抑制噪声,提出了一种基于混沌粒子群优化(PSO)的Contourlet域红外图像自适应增强方法。首先对红外图像进行Contourlet变换,调整低通图像和细节图像在原始图像中的比例,并经灰度线性拉伸增强图像对比度;然后通过非线性增益函数调整含噪带通方向子带系数;利用兼顾对比度、清晰度和信噪比3个指标的定量综合评价函数作为混沌PSO的适应度,寻找基于Contourlet的空间域增强和带通方向子带系数调整的非线性增益函数所涉及的最优参数。大量实验结果表明:与近年提出的4种图像增强方法相比,该方法能使红外图像的对比度和清晰度提高,噪声降低,整体视觉效果更佳。

Curvelet变换域侧扫声纳图像增强算法

针对海底侧扫声纳图像对比度低、纹理弱、噪声严重等问题,提出了一种基于第二代Curvelet变换的声纳图像增强算法。首先对原始声纳图像进行多尺度、多方向的Curvelet变换分解,得到低频子带和高频子带;然后引入非线性S型函数对低频系数进行处理,提高图像整体的对比度;采用一种可以避免过度增强的新型非线性函数对各尺度的高频子带系数进行处理,提高图像整体的对比度,增强图像边缘和纹理细节,并通过估计噪声水平设定阈值进行阈值降噪。最后经Curvelet逆变换得到增强图像。实验表明,该方法不仅改善了海底侧扫声纳图像对比度低的问题,而且降低了噪声,突出了声纳图像的边缘和纹理细节。

应用统计方法综合评估核函数分类能力的研究

应用统计方法对支持向量机方法中核函数选择问题进行了研究.文中将"纠正重复取样t测试"引入到核函数选择中,通过其与k-折交叉验证、配对t测试等多种统计方法的综合应用,对9个常用核函数的分类能力进行了定量研究.同时,文中还提出了基于信息增益的评估核函数模式识别能力的定量评估准则,证明了该准则是传统评估准则的非线性函数.数值实验表明,不同模型评估准则之间存在差异,但应用统计方法可以从这些差异中发现一些规律.同时,不同统计方法之间也存在显著差异,且这种差异对模型评估的影响要大于由于评估准则的不同而产生的影响.因此,只有应用综合的评估方法和准则才能对不同核函数的分类能力进行客观评估.

引信指标增益型线性加权评价模型应用分析

在指出普通线性加权评价模型缺点的基础上 ,对所构造的增益型线性加权评价模型进行了结构和实用性分析 ,指出增益型模型较好地体现了奖优罚劣的评价原则 ,适合引信指标的综合评价。对评价模型中各结构参数对评价值的影响及其相互关系作了较深层的论述 ,举例叙述了模型中各有关参数 a、s、k和

一种非线性PID控制器及其参数分析

利用凸组合方法构造非线性PID控制器,并对有关参数进行了分析.通过简单地调节非线性函数的有关参数,这种非线性PID控制器可以形成灵活的增益策略.采用这种控制器,能够使性能指标互为冲突的双方同时取得较好的控制效果.为检验这一方法的有效性和全面性,本文分别对一个延时过程和一个三阶伺服系统进行了仿真,仿真结果表明,这种控制器具有较好的性能.

基于混合神经网络的非线性预测函数控制

针对基本预测函数控制只能用于线性对象的控制这一不足,提出了基于混合神经网络的非线性预测函数控制.混合神经网络由BP网络和线性神经网络串连组成.采用混合神经网络对可用Hammerstein模型描述的非线性对象进行有效的辨识.其中,BP网络反映了非线性静态增益,线性神经网络反映了线性动态子系统.利用BP网络求出非线性静态增益的逆并与非线性对象串联,抵消非线性对象中的非线性静态增益部分,将非线性对象的控制问题转化为对线性对象的控制问题,实现了对非线性对象的预测函数控制.当被控对象的特性发生变化时,可对混合神经网络权值及时进行修正并调整控制器参数使控制系统始终保持良好的控制性能.仿真结果表明,此控制系统具有良好的控制效果.

非线性PID自学习控制方法研究

针对非线性、多变量、强耦合系统的控制问题,提出一种基于双曲函数的非线性PID自学习控制方法。在PID控制过程中,用双曲函数构造比例、积分、微分3个增益参数分别随误差变化的规律曲线,将传统线性PID控制律转化为非线性PID控制律的控制思想,并使用自学习算法实时调整3个非线性增益函数的增益系数,实现基于双曲函数的非线性PID自学习控制。仿真实验结果表明,与其他控制方法相比,该方法具有更强的鲁棒稳定性和抗扰动能力,是一种有效的控制方法,在非线性控制领域具有重要的应用价值。

一种非线性PD控制器设计

为了提高PD控制器的性能,提出了一种非线性设计方法。利用电容极间电场和PD控制器的控制作用之间存在的一些相似性,构造了一种非线性函数,并以此形成一种非线性PD控制器,这种控制器能为系统的运行状态提供灵活的增益策略;利用系统的运行状态信息,在相平面中实时旋转该电容结构,可以减少这种非线性PD控制器的设计参数。通过对一个机械手系统进行仿真,结果表明,这种控制方式能够获得较好的系统动态响应速度和参数鲁棒性能。

一类离散非线性切换系统的稳定性

基于公共Lyapunov函数描述了在离散时间下一类不确定的切换非线性系统的L2增益分析以及控制合成问题,运用Lyapunov函数理论以及线性矩阵不等式,给出了一类不确定离散切换系统在任意切换律下的稳定性条件,并构造了反馈控制律使系统达到干扰衰减及内稳定性.

一种非线性观测器和能量结合的反馈控制系统

文中利用高增益观测器和状态反馈控制器设计的分离性原理,提出了一种结合非线性观测器和能量的基于估计状态的反馈控制系统.针对垂直欠驱动具有旋转激励的平移振荡器非线性系统,首先,利用高增益观测器,选取合适的增益,使得观测值迅速收敛到系统的状态,其次,从系统能量的角度出发,选取一个恰当的李雅普诺夫函数,证明了所得到的反馈控制系统的渐进稳定性,系统分析及仿真结果表明该方法在动态性方面优于采用高增益观测器和滑模相结合的控制方法,便于工程实现.

用航向偏差的正弦函数驱动的自动舵控制算法

常规的闭环控制是以设定值与输出的误差为反馈信号,提出以设定值与输出之差的正弦函数为反馈信号驱动控制器,在不改变控制律的基础上,以较小的控制器输出取得相同的控制效果。以"育龙"轮为例,给出了用航向偏差的正弦函数驱动的自动舵控制算法的仿真结果,最大初始舵角下降了40%,而控制效果几乎与原控制效果相同,本算法具有节能、安全的优点。

一种控制增益函数未知的自适应模糊控制

针对一类控制增益函数未知的、含有不确定项的非线性系统,为实现其跟踪控制目标,提出了一种鲁棒直接自适应模糊控制方法.该方法仅要求控制增益函数为有界函数,用广义模糊双曲正切模型逼近一个与控制增益函数无关的新颖的等价控制器,并为消除系统中的不确定项和逼近误差设计了一个双曲形式的鲁棒补偿控制项,从而保证了系统跟踪误差收敛到原点的一个小的邻域内,且所有的变量一致有界,控制输入平滑没有抖振.利用Lyapunov函数证明了该算法的有效性,并用倒立摆仿真实例进行了验证.

带有未知虚拟控制增益符号的自适应输出反馈控制

针对带有未知虚拟控制增益符号的一类非线性系统,采用基于参数的坐标变换和参数重定义,将该系统转化为参数输出反馈形式,从而将未知的虚拟控制增益归入高频控制增益中.由于该高频控制增益符号未知,将N ussbaum增益技术融入自适应B ackstepp ing方法中设计自适应输出反馈控制器.采用调节函数法设计参数自适应律以避免过参数估计.该方法所设计的自适应输出反馈控制器可确保闭环系统的所有信号一致有界,且跟踪误差渐近收敛.仿真研究表明了该设计方法的有效性.

一种新的NSCT域图像增强算法

针对实际应用中所采集的部分图像对比度低、边缘细节模糊的问题,提出一种基于非下采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)的多尺度Retinex与非线性增益函数相结合的图像增强算法。使用改进的多尺度Retinex算法对低频子带系数进行处理,以提升图像的灰度动态范围并改善图像的亮度均匀性;采用非线性增益函数和贝叶斯萎缩阈值相结合的方法对各个高频子带系数进行处理,在提升图像纹理细节的同时抑制噪声。实验结果表明:该算法能够有效提升图像对比度和清晰度,增强图像细节信息,有效改善视觉效果。