基于自适应模糊PID的二级倒立摆控制方法

为了提高平面二级倒立摆模型控制过程的动态、静态性能及对控制器参数的自适应整定能力和抗干扰能力,提出一种将PID控制与模糊控制相结合的自适应控制算法.应用拉格朗日方程建立平面二级倒立摆数学模型.根据实际经验确定模糊隶属度函数并建立模糊规则表.通过计算误差和误差变化率设计自适应模糊PID控制器.为设计的控制器建立仿真模型,...     

分块自适应加权改进大规模概率模糊聚类

为解决传统基于贝叶斯理论的概率模糊聚类(Bayesian Fuzzy Clustering,BFC)算法在处理大规模数据集聚类时的时间开销和存储代价瓶颈,提出基于数据分块的单程自适应加权BFC算法,算法在大规模数据集分块的基础上,设计了基于数据加权的改进BFC算法,用于数据分块内数据聚类,以挑选出对聚类贡献最具代表的标识数据及其自适应权值,在块间迭代聚类过程中,将标识数据及其权值合并到下一数据块中并参与聚类,从而将上一数据块的聚类信息有效地传递到下一数据块中,最后分析算法的收敛性和时间复杂度.实验结果表明,算法在继承传统BFC算法良好聚类性能基础上,减少计算复杂度,有效提高聚类效率,适用于大规模数据集聚类.     

联合势场与蚁群算法的机器人路径规划

针对全局静态环境下传统蚁群算路径规划时,易陷入局部最优、前期路径有效性差等问题,提出了基于改进人工势场局部搜索和改进蚁群算法全局搜索的机器人路径规划算法.在地图环境栅格化基础上,算法首先利用有效障碍物检测和临时中间目标点改进人工势场算法,以优化其死锁和欠优问题,通过改进人工势场优化蚁群算法的初始路径搜索,避免其早期的交叉等问题,同时构建与收敛相关的负反馈通道,调节全局与局部信息素的自适应更新,以平衡算法的收敛速度与全局搜索能力.简单环境与复杂环境的仿真实验结果表明,所提算法具有较好的全局搜索能力,收敛速度和搜索能力优于已有改进蚁群算法,验证了算法的有效性.     

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.     

二次型极小化问题带误差的迭代算法

证明了二次型极小化问题带误差的迭代算法的有效性,所得结果推广了关于二次型极小化问题迭代的收敛性。     

信息化战争条件下海军作战理论探析

信息化战争是由信息化军队在陆、海、空、天、电等领域用信息化武器装备进行的,以信息和知识为主要作战力量的战争。作为信息时代一种全新的战争形态,其必将对未来海军作战理论产生深远的影响,本文认为,一体化联合作战是未来海军的主导作战样式;复杂自适应指挥是未来海军的作战指挥;体系化全维对抗将成为未来海军的主要作战对抗。     

中国航空工业急需扩展市场容量

中近期(15年)内对中国航空工业发展有现实牵动作用的是支线航空和通用航空,培育了这两个市场也就是培育了中国的航空工业,所以围绕这两个市场的扩容而提出下述政策建议。民航业界的“支线”是指非枢纽间的航线,800公里或500海里(合926公里)以下的航线,国外一般称作区域航线。工业界的“支线飞机”则是指载客较少的民航机,100座以下或70座以下,航程则有长有短。     

“复杂自适应”：信息化作战指挥的发展方向

综观作战指挥史的沿革,指挥可分为混沌指挥、有序指挥和复杂指挥。不言而喻,混沌指挥是指原始部落之间那种模糊、不明确的指挥方式,有序指挥是指冷、热兵器时期,乃至机械化战争时期遵循固定规律的指挥方式,而复杂指挥则是为了满足信息化战场的需要,而采取的自适应指挥。混沌指挥是一种随机指挥,无模式、无组织,有序指挥则导致程序化、死板化,而复杂指挥是自我调节型的指挥方式,高速、多变。由此可见,混浊和有序都将被信息化作战指挥所淘汰,只有“复杂自适应”才是信息化作战指挥发展的方向。一、“复杂自适应”的突变现象是信息化作战指挥的…     

基于二进小波变换的噪声图像自适应增强新算法

针对图像增强算法通常会放大原图像中噪声分量的问题,提出了一种基于二进小波变换的图像增强新算法。该算法充分利用了二进小波变换的平移不变性和各尺度上小波系数间的相关性,有效改善了增强过程中噪声放大和边缘失真问题。此外,算法具有高度的自适应能力,适用性更强。实验结果表明,与目前已有的各类多尺度图像增强算法相比,该算法在抑制噪声和凸显图像特征两方面均有明显改进。