状态空间模型的双层结构预测控制算法

双层结构预测控制是指先进行设定值优化、再进行设定值跟踪的预测控制.在已有的双层结构动态矩阵控制的基础上,本文给出基于状态空间模型的双层结构预测控制算法.该算法基于干扰模型和新定义的开环预测值,给出了新的开环预测模块.该开环预测模块采用Kalman滤波方法得到操作变量、被控变量的开环动、稳态预测值.基于这些开环预测值,稳态目标计算模块的基本原理同双层结构动态矩阵控制,但是具体细节上遵循状态空间方法.动态控制模块基于稳态目标计算提供的操作变量、被控变量的稳态目标(设定值),采用二次规划算法计算控制作用.仿真算例证实了该算法的有效性.

基于随机网络的在线评论情绪倾向性分类

提出了一种基于随机网络的在线评论情绪倾向性分类模型SCP-X(Shortest covering path-X).首先引入了一种增量式创建词语顺序共现随机网络的方法,并基于此随机网络以及情绪词表,提出了一种基于评论序列最短覆盖路径(Shortest covering path,SCP)的情绪倾向性分类方法.该方法具有以下两个优点:1)能够对相对短小、随意性较强、完整性较差的评论文本展开词语联想,从而对完整性较差的评论数据进行属性值扩展;2)能够对评论文本的冗余属性进行约简,约简后数据的属性规模为一般VSM模型的10%左右.本文最后设计了一组实验,对以下算法进行了对比测试:TC,SVM,SCP-TC,SCP-SVM,SCP-HMM,SCP-Bayes.结果表明本文提出的SCP-X方法对在线评论文本的倾向性分类效果更佳.

双层预测控制中基于操作变量增量的多优先级稳态目标计算

本文给出一种双层结构预测控制(MPC)中多优先级稳态目标计算(SSTC)的描述方法.在可行性阶段,被控变量(CV)和外部目标(ET)的软约束以及操作变量(MV)的硬约束被统一表述为关于MV增量的约束,将软约束(包括ET的期望上下界、CV的操作上下界、以及ET的跟踪)进行放松,保证放松以后MV增量约束集的相容性.在经济优化阶段,在MV增量约束集中寻找经济最优的MV增量值.该算法在已有文献的基础上,对ET/CV的等式/不等式约束统一处理.仿真算例证实了该算法的有效性.

基于微机的主从式机器人场景三维可视化与仿真

文章提出了利用触觉传感信息和视频图像相融合来构造主从式机器人三维数据场的思路,并且在微机上实际构造了仿真环境,文章讨论了基于触觉的三维建模、坐标系转换、融合及绘制等问题,最后通过实际例子展示了三维场景的效果。

双层预测控制中保证动态控制可行的稳态目标计算策略

在双层结构模型预测控制(Model predictive control,MPC)中,稳态目标计算(Steady-state targets calculation,SSTC)层(上层)为动态控制(Dynamic control,DC)层(下层)提供操作变量、被控变量设定值和变量约束.但是,上层可行域和下层吸引域间存在的不一致性可能使得上层给出的设定值无法实现.本文为下层事先选取若干组放松的软约束,并对每一组软约束都离线计算出相应的吸引域,其中最大的一个吸引域包含稳态目标计算的可行域.在控制过程中,根据当前状态所属吸引域在线地决定在DC层采用的软约束组.采用上述方法后,对所有处于最大吸引域的初始状态,在跟踪稳态目标的过程中,下层优化问题都是可行的.仿真算例证明了该方法的有效性.

基于GSM/GPRS用电远程监控系统

设计并实现了一种基于GSM/GPRS无线网络的远程用电监控系统;该系统由若干安装在现场的监控终端和监控中心计算机组成;终端通过PPP协议与远端网关GPRS支持节点(GGSN)协商,建立GPRS底层数据流通讯,在此基础上又用软件TCP/IP协议栈封装和解析数据流,从而实现了与互联网的无缝连接;因此,监控中心可以通过互联网与每台终端建立可靠的双向联系;当网络条件不好时,系统也支持终端和监控中心之间用短消息来通信,该系统可实现远程抄表,实时监控,防窃电,报表打印等功能,并在实际运行中数据准确,可靠。

基于GPRS的电力监控终端网络接入方案

针对目前无线通信技术在电力监控系统中的应用,研究了一种通过GPRS网络将电力监控终端接入互联网的技术方案。该方案利用GPRS无线模块与GPRS网络间的无线信道作为物理层接口,在此之上通过PPP协议实现数据链路层,最后采用uIP软件协议栈实现精简的TCP/IP协议作为网络层和传输层。在应用层采用了自定义规约。由于协议各层次都是纯软件实现,因此本方案具有成本低廉、配置灵活的特点,并且在现场使用,效果良好。

利用复杂网络为自由评论鉴定词汇情感倾向性

词汇情感倾向性(Word sentiment orientation,WSO)的鉴定通常是对文本进行粗粒度意见挖掘的基础.自由评论中存在许多语法噪声,这使得以往基于规范文本提出的WSO鉴定方法不再适合自由评论.自由评论中的情感词汇往往是上下文敏感的,这使得非当前鉴定的情感词汇难以适用于当前自由评论的粗粒度意见挖掘.针对上述问题,提出一种新的利用复杂网络为自由评论鉴定WSO的方法.该方法主要有两个部分:1)为了利用自由评论中词汇之间的上下文信息建模一个能够有效解决上下文敏感问题且具有良好抗噪声能力的情感倾向性关系网络(Sentiment orientation relationship network,SORN),提出了两个算法:金字塔抗噪声信息模型算法和利用抗噪声信息优化调整SORN的算法;2)为了有效利用SORN为自由评论鉴定WSO,提出了基于SORN的WSO鉴定算法.实验表明:对于在线为自由评论鉴定WSO,本文方法不仅在精确度方面远高于Hatzivassiloglou提出的方法,且具有良好的时间效率.