基于模型参考自适应的一类二维系统形状渐近跟踪控制

针对二维线性系统,探究可实现其状态轨迹形状与参考系统状态轨迹间形状渐近跟踪的控制方法。首先,利用刚体运动描述系统状态轨迹的形状渐近跟踪概念,然后对传统模型匹配条件进行扩展。在该条件下,采用Lyapunov稳定性与模型参考自适应相结合的方法,设计形状渐近跟踪控制器。实验表明,该控制器可保证被控系统与参考系统状态轨迹达到形状渐近跟踪。与传统方法相比,所给出的模型匹配条件及形状渐近跟踪控制器适用范围更广。最后,对模型进行仿真实验,证明了该控制方法的有效性。

一种基于双网络模型的图像识别新方法

针对基于复杂网络图像识别方法建模复杂度过高问题,提出一种基于双网络模型的灰度图像识别新方法。首先将像素点作为复杂网络节点,基于灰度乘积构建图像的结构平衡网络模型以及基于欧氏距离构建复杂网络模型,然后分别计算两种网络模型的拓扑特征参量,形成最终的图像特征识别参量。相比现有基于复杂网络的图像识别方法,该方法在理论上能够降低图像建模复杂度,提高图像识别速度。使用YALE人脸数据库进行仿真对比实验,结果表明,该方法的图像识别速度为传统复杂网络方法的35%,正确率提高了4%。