基于控制器动态线性化的数据驱动ILC

针对未知非线性非仿射重复离散时间系统,将迭代域的动态线性化技术应用于非线性被控系统和未知非线性理想学习控制器,提出一种新的数据驱动迭代学习控制方案。通过设计一种改进的无模型自适应迭代学习控制算法对理想学习控制器的增益进行估计,该方案仅利用非线性系统的输入输出数据,便可自动调整迭代学习控制律。数值仿真和对高速列车模型的仿真验证了该方法的有效性和适用性。     

基于迭代学习控制的四旋翼飞行器轨迹跟踪

为实现四旋翼飞行器对给定轨迹的精确跟踪,提出了一种四旋翼飞行器的迭代学习轨迹控制算法。首先,建立了四旋翼飞行器的动力学模型,并基于小扰动方法对模型进行了线性化处理;其次,提出基于飞行器模型反演推导的轨迹跟踪外环控制以及基于迭代学习控制算法的高度与姿态内环控制,通过在迭代对控制输入的迭代优化,使得四旋翼飞行器不断逼近期望的轨迹,从而达到高精度的控制目标。最后,通过理论分析以及计算机仿真实验,验证了所提算法的有效性。     

基于自训练EM算法的半监督文本分类

为了提高计算效率,提出基于自训练的改进EM算法STEM。在每步迭代的E-step中,将中间分类器最有把握对其类别进行预测的未标注样本转移至标注样本集,并应用到M-step中进行下一个中间分类器的训练,从而引入了利用中间结果的自训练机制。文本分类实验表明STEM算法在大部分情况下的分类准确性都高于EM,并通过减少迭代提高了分类器学习的计算效率。     

基于SAR目标识别的深度学习方法

研究了DBN和SDAE在SAR雷达目标识别领域的应用,并在此基础上提出了一种双通道单隐含层的深度学习模型—DBN-SDAE。该模型的优势在于采用双通道的单隐含层模型对图像数据进行学习,提取图像特征,避免了传统深度学习方法随着隐含层和神经元数量的增加计算复杂度增长过快的缺点;同时采用加权融合方法融合两个通道所学习的特征,既保留了数据的细节信息,又保留了数据的结构信息,一定程度上解决了特征利用不充分的问题。实验结果表明,所提方法在NN迭代次数远远小于DBN中NN的迭代次数;且在识别准确率上最高可达98.640%,较SDAE和DBN分别高0.511%和1.701%。     

关于非线性方程的迭代法的一个注记

对于非线性方程 f(x)=0求近似根的问题,迭代法是逐次逼近的基本方法。现行的教材中对迭代函数的选择已有比较完善的结论,同时提出了迭代函数的不唯一性,选择适当的迭代函数则迭代序列收敛,如果迭代函数选择不当则迭代序列发散。本文就非线性方程给出了产生任一迭代函数都可采用适当的方法,使迭代序列收敛。扩大了迭代函数的选择范围。     

多兵种交战中作战指数迭代计算方法及收敛性研究

对于大规模多兵种交战,作战指数评估是进行军事决策的重要依据.针对传统作战指数评估方法依赖专家经验知识的问题,借鉴强化学习理论,提出了多兵种交战兰彻斯特方程中作战指数迭代计算方法,利用作战指数和火力分配策略的递推关系,循环更新作战指数直至结果收敛,重点考察了固定更新率、梯度指数递减方法和动量梯度方法对迭代收敛性的影响,通过调节更新率、递减强度和动量强度等超参数取值,显著提高了迭代收敛速度和稳定性.     

基于迭代学习观测器的卫星姿态滑模容错控制

为解决卫星上反作用飞轮存在安装偏差、故障及外部干扰情况下的姿态控制问题,提出了一种基于迭代学习观测器的姿态容错控制方法。该方法通过设计迭代学习观测器,以较小的计算量实现对执行机构发生的故障以及安装偏差进行精确的估计。并利用观测器的观测结果设计滑模控制器,使处于外部干扰条件下的卫星系统在执行机构发生故障的情况下可以快速稳定地完成姿态机动任务。进一步基于Lyapunov稳定性定理证明了迭代学习观测器及控制器的全局渐近稳定性。针对反作用飞轮存在不确定性及故障的情况下进行仿真,仿真结果表明,与同类容错控制方法相比,所提方法可以更加快速精确地对故障进行估计并完成姿态控制。     

基于改进粒子群算法的火炮内弹道多参数符合计算

为了研究火炮在发射过程中膛内火药燃烧规律以及弹丸运动规律,需要建立火炮内弹道数学模型并进行数值求解,在此过程中对部分内弹道参数进行符合计算是优化内弹道模型的重要途经之一.在经典内弹道方程组的基础上,阐述了经典内弹道计算原理,并对基本粒子群算法进行了改进,使改进后的粒子群算法在迭代初期有较大的惯性权重ω和学习因子c1以及较小的学习因子c2,而在迭代后期有较小的惯性权重ω和学习因子c1以及较大的学习因子c2,从而有效地避免粒子群陷入局部最优而导致收敛精度低的缺陷.将改进后的粒子群算法应用于火炮内弹道多参数符合计算,算例结果表明该方法完全满足工程实际要求,具有收敛速度快、符合精度高的特性,是火炮内弹道多参数符合计算的理想算法之一.     

基于交叉熵最小化的 Turbo 码迭代译码停止准则

根据Turbo码最优译码算法及迭代译码的基本原理 ,在保证迭代收敛的条件下 ,利用交叉熵最小化原则推导出Turbo码译码过程中停止迭代的准则 ,并给出了一种降低计算复杂性和减少存贮空间的简化算法 ,最后通过仿真证明了此迭代停止准则及其简化算法的有效性。     

基于迭代学习观测器的无人机故障鲁棒控制

针对无人机在飞行时存在执行机构故障和外界干扰问题,建立了无人机的动力学模型和系统发生执行器故障时的模型,提出了一种将迭代学习观测器和鲁棒自适应控制相结合的容错控制方法.利用迭代故障观测器去观测无人机控制系统的状态并通过迭代实时跟踪执行器故障,给出了该观测器的收敛性分析,并在此基础上设计基于自适应增益的趋近律,实现系统鲁棒自适应控制.进一步基于Lyapunov方法从理论上证明了设计的容错控制器的鲁棒稳定性.使用无人机控制系统对方法进行验证,仿真结果验证了方法的有效性.