基于实时变量逆矩阵求解的非线性MIMO解耦ADRC控制方法

非线性多输入多输出(MIMO)系统的解耦控制方法在控制理论和控制工程中都具有重要意义.非线性MIMO解耦自抗扰控制(ADRC)可以有效地解决这一问题,但它需要实时求解被测信号变量或高阶矩阵的逆.逆矩阵的求解是首要问题.在非线性MIMO解耦自抗扰控制中,将逆矩阵的求解问题总结为二阶、三阶、非方阵及变量高阶矩阵几类,并逐一给出解决方法.针对被测信号为变量的高阶矩阵,提出了一种基于高斯消元法的LU矩阵分解方法,可实时求解其逆矩阵.利用一个耦合系统的例子来测试这种方法的控制效果.仿真结果表明,采用逆矩阵法解耦的自抗扰控制器信号可以使控制系统快速达到平衡点.提出一种针对变量高阶矩阵的有效求逆方法,该方法既简单又能达到实时控制的效果,同时具有坚实的数学支持,完善了非线性MIMO解耦自抗扰控制的理论和方法,使其成为一种有效的非线性MIMO解耦控制方案.     

采用局域像素匹配的随机抽样一致改进算法

为提高图像拼接的配准精度和稳健性,提出基于局域像素匹配的随机抽样一致改进算法。在完成尺度不变特征变换算子或其他算子图像特征提取、特征匹配之后,利用独立于特征匹配点的局域像素,通过参考图像局域像素与映射的待拼接图像局域像素匹配,优选4对最佳特征匹配点,确定最佳单应矩阵。实验结果表明:与随机抽样一致经典算法相比,该方法未明显增加计算耗时,单应矩阵更准确,图像拼接稳健性更好。     

多时滞不确定线性系统H∞鲁棒稳定控制

研究了多时滞不确定性系统的鲁棒稳定和H∞控制器.给出了系统结构参数为约束不确定性情形的控制器设计结果.该结果建立在业已成熟的线性矩阵不等式(LMI)解技术基础上,用MATLAB工具包很容易求解.     

GPS应用中的坐标转换技术

首先介绍两种转换公式,然后介绍求解转换参数的方法和求解线性方程组的数值 解法。     

LiDAR点云纹理特征提取方法

针对图像纹理应用于LiDAR点云分类过程中存在的多义性问题,提出点云纹理特征的概念。该特征属性反映了点与其邻域点的属性值分布情况,提取过程基于KD树数据检索结构和灰度共生矩阵算法。分析搜索邻域、移动步长和灰度等级等参数对点云纹理特征的影响,并利用支持向量机分类方法验证点云纹理特征,可以有效地辅助高程和强度信息以改善LiDAR点云的地物分类结果。实验还证明了相比于栅格格式的图像纹理特征,点云纹理特征约束的地物分类具有更高的分类精度,并且点云纹理特征在微小地物的甄别和水陆的区分方面具有突出的能力。该特征的这些优秀特性可以为海岸带机载LiDAR数据的精细化分类、海岸带高精度DEM构建和海岸线提取等工作发挥重要作用。     

基于模型的系统级故障诊断与预测推理技术

针对装备状态监控和故障预测推理的需求,提出不同的诊断推理模型。首先,提出了基于二值相关性模型的快速推理算法,采用Vx Works平台对方法进行了验证评估。然后,针对应用过程中存在的时延、故障耦合等现象,提出了动态诊断模型。在此基础上,提出了考虑故障预测的诊断和预测一体化诊断推理模型,对推理运算方法进行了阐述,开发了仿真验证软件。以某卫星电源系统为例进行了验证,结果显示模型具有故障诊断和预测能力,能实现故障诊断和预测的一体化推理。     

一种基于知识矩阵的地面目标探测数据融合仿真方法

在作战仿真系统中,为实现数据融合仿真,提出了一种基于知识矩阵的数据融合建模仿真方法.该方法首先用六个维度基准知识定量表示一个探测的质量,通过去老化处理,目标接近度和识别一致性、同一目标识别与探测数据质量判定等三个步骤确定是否能够将两次探测进行融合,最后再进行相应的融合处理.该方法在某平台级作战仿真系统中得到应用,取得了良好效果,验证了该方法的可行性.     

基于直觉模糊对称交互熵C-means聚类的反导目标识别方法研究

在不确定信息反导目标识别的背景下,针对不确定信息处理和现有的基于欧几里得距离的模糊C-means聚类算法的性能问题,首先采用直觉模糊集对其进行描述与分析,同时,将聚类目标函数中的欧几里得距离替换为模糊对称交互熵距离,提出了一种基于直觉模糊对称交互熵C-means聚类(Intuitionistic fuzzy symmetric cross entropy C-means,IFSCECM)算法,通过采用IRIS数据集算例分析对比,证实该算法的可行性和有效性.其次,根据弹道目标识别的特性,将IFSCECM算法应用于反导目标识别中,并采用多特征综合识别方法对来袭弹道目标威胁群进行分类识别研究.最后,通过仿真实验和对比分析表明该反导目标识别方法的可行性、有效性和优越性,具有较高的应用价值.     

基于单类集成分类器的JPEG通用隐写分析

针对JPEG图像通用隐写检测问题,提出了一种基于单类集成分类器的新方法。算法提取图像DCT块内、块间和小波层内、层间的共生特征以及小波子带系数的直方图特征对图像进行描述,并计算检测图像及其原始估计图像所提共生矩阵和直方图分布的对称交互熵作为隐写分析特征;然后,随机构造若干个特征子空间,利用bootstrap方法构造载体图像训练子集,分别进行单类训练得到数个基分类器;最后,将基分类器的分类结果按多数投票法进行融合作为单类集成分类器的分类结果。实验结果表明,单类集成分类器能显著提高算法的检测效果,而且,本方法相比基于多超球面OC-SVM分类器的单类隐写分析方法,具有更高检测率。     

基于shearlet与PCNN的多聚焦图像融合方法

针对传统脉冲耦合神经网络(PCNN)模型在多聚焦图像融合领域应用中面临的参数繁杂等问题,提出一种基于剪切波(shearlet)变换与改进型PCNN的多聚焦图像融合方法。相比以往的变换域方法,shearlet具有理想的图像信息捕捉性能以及较低的计算复杂度,因此,可利用shearlet将待融合图像进行多尺度多方向分解。其次,对经典PCNN模型加以改进,综合运用清晰度水平以及协调矩阵完成低频子带图像以及一系列高频子带图像的融合过程。最后,运行shearlet反变换得到最终融合图像。仿真实验选取了若干组待融合图像进行仿真,验证了该方法在主、客观评价两方面的优越性。