基于自适应迭代学习控制的列车自动驾驶算法

针对高速列车自动驾驶系统受到时变外部扰动和受限状态的情况，提出一种基于迭代学习控制的自适应控制算法. 基于Lyapunov 函数，利用列车运行过程中的状态偏差，推导出自适应迭代学习控制律和参数学习更新律. 构造类Lyapunov 函数的复合能量函数，通过迭代域的差分，证明其差分负定性和收敛性. 采用所提控制算法对列车跟踪性能进行计算机仿真和实例仿真验证，结果表明，所提出的自适应迭代学习控制算法对列车期望曲线跟踪具有较高的精度和较快的收敛速度，能够在较短的迭代次数实现对期望曲线的精确跟踪.     

����OGRE�ij�������ӦѲ��������ά����

汽车的自适应巡航控制是一种先进的辅助驾驶系统,可实现在高速公路和城市交通的全部速度范围内的辅助驾驶.但目前对车辆自适应巡航控制算法的控制效果的检验一般是通过仿真曲线给出,该方式不够直观.本文基于OGRE图像引擎,搭建了一个效果逼真的三维驾驶仿真平台,该平台能够模拟任意的开车情景,直观有效地检测车辆的自适应巡航控制算法.最后设计了一种最优pd控制算法,实现了车辆的自适应巡航控制,并在此三维仿真平台上得到验证.实验证明,该三维仿真平台能够模拟任意的开车情景,直观有效地检验车辆自适应巡航控制算法.     

一种基于神经网络的模型参考自适应控制的研究

本文将ＢＰ网络的非线性映射特性和联想记忆功能用于模型参考自适应控制中，用以克服传统模型参考自适应控制算法的不足。仿真研究表明，该方法不仅能实现原方法的功能，而且该系统稳定性和抗干抗方面中优于原方法。     

船舶航向非线性系统自适应神经网络控制

提出了一种基于最小参数RBF(径向基)神经网络的船舶航向滑模控制算法.针对船舶运动控制中系统函数非线性不确定性和外界干扰项未知问题,利用RBF神经网络进行逼近.考虑到RBF神经网络权值难以快速调整,采用神经网络最小参数学习法设计设计单个参数的估计代替神经网络权值的调整;最后,借助李雅普诺夫稳定性理论设计出船舶航向RBF神经网络直接跟踪控制律.通过与神经网络控制算法和普通自适应控制算法的仿真比较可知,上述控制算法加快了自适应律的求解速度,控制器结构简单,控制参数少,易于工程设计与实现.     

基于模型参考自适应的自学习悬浮控制策略

针对电磁悬浮列车悬浮控制器因轨道不平顺所引发的未知非线性力和传递函数不确定问题，提出一种基于模型参考自适应的自学习控制方案，控制算法中可调参数根据系统状态、误差和时间调整，使悬浮间隙稳定在恒定数值；学习率根据目标间隙误差大小动态调节，避免可调参数调节过慢，同时保证在稳定悬浮时间隙波动更小；通过李雅普诺夫稳定性判据证明了模型参考自适应控制系统的稳定性；通过MATLAB/Simulink对所提出的控制方案进行仿真.研究结果表明：自学习模型参考自适应控制算法间隙的均方根误差为0.12，设定合适的可调参数初始值并对其限幅能够提升控制器的鲁棒性；在单悬浮架测试时，控制器获取到加速度信号，所提出算法的上升时间和调节时间分别为1.21 s和2.04 s，该方法学习率可动态调节，提升了控制器的适应能力.     

模糊自适应控制理论在公交优先信号控制中的应用

针对城市交通信号控制及公交优先问题,提出了基于模糊自适应控制的公交优先信号控制算法,通过对车辆在交叉口延误时间的估算,对量化因子Ie进行自适应调整。仿真结果表明,自适应模糊控制能有效地减少公交车辆延误,具有较强的自适应能力,提供了一种解决城市交通堵塞问题的途径,可用于未来的信号控制系统中。     

模糊自适应控制理论在公交优先信号控制中的应用

针对城市交通信号控制及公交优先问题,提出了基于模糊自适应控制的公交优先信号控制算法,通过对车辆在交叉口延误时间的估算,对量化因子Ie进行自适应调整.仿真结果表明,自适应模糊控制能有效地减少公交车辆延误,具有较强的自适应能力,提供了一种解决城市交通堵塞问题的途径,可用于未来的信号控制系统中.     

仿人智能控制在脲醛树脂生产过程中的应用

介绍了一个已在脲醛树脂生产过程中得以实现的仿人智能控制系统，着重从控制原理上介绍了在工程中的应用方法，简述了仿人智能控制器的设计和系统的组成及特点，该控制算法具有较强的自适应和抗干扰能力，控制精度完全满足工艺要求，而且具有良好的跟随特性。     

基于模糊神经网络的单交叉口变相序控制

针对城市交通流时变的特点，提出了一种可变相序自适应单交叉口控制算法，该算法根据通行权转移度来决定放行相位及通行时间，并综合考虑了所有相位车辆排队长度以及绿灯相位通行时间。通过多层BP神经网络实现单交叉口多相位模糊控制。结果表明，该控制器具有学习和泛化能力，可以有效的提高绿灯时间利用率并减少车辆平均延误。     

单自由度磁悬浮系统无模型自适应控制的研究

针对单自由度磁悬浮系统的非线性及难以建立精确数学模型的问题，将全格式无模型自适应控制（FFDL-MFAC）方法应用于单自由度磁悬浮系统，首先，采用无模型自适应控制算法、伪梯度估计算法、伪梯度重置算法和单自由度磁悬浮系统的动态化数据模型，设计单自由度磁悬浮系统的控制器；然后，仿真分析MFAC控制参数对单自由度磁悬浮系统控制效果的影响及对阶跃响应信号、干扰信号和噪声信号的响应特性；最后，在磁悬浮球实验装置上进行实验验证. 研究结果表明:全格式无模型自适应控制方法只需采集单自由度磁悬浮系统在工作状态下的I/O数据，无需建立单自由度磁悬浮系统精确数学模型，通过设定全格式无模型自适应控制器参数即可使控制器具备良好的自适应性和鲁棒性，实现高精度稳定悬浮控制；与PID相比，FFDL-MFAC将系统的超调量降低了0.005，稳定悬浮位移的误差均方根减小了0.2607.      

带有不对称饱和非线性环节的自适应控制系统

本文提出了带有不对称饱和非线性环节的线性离散系统的自适应控制算法,该算法 简单易行,仿真实验的结果表明,无论是在确定性场合,还是在随机场合,该算法均能 保证闭环系统大范围渐近收敛。      

The Cooperative Multi-agent Learning with Random Reward Values

This paper investigated how to learn the optimal action policies in cooperative multi-agent systems if the agents‘ rewards are random variables, and proposed a general two-stage learning algorithm for cooperative multiagent decision processes. The algorithm first calculates the averaged immediate rewards, and considers these learned rewards as the agents‘ immediate action rewards to learn the optimal action policies. It is proved that the learning algorithm can find the optimal policies in stochastic environment. Extending the algorithm to stochastic Markov decision processes was also discussed.     

Capacity and QoS based codebook construction for MIMO precoded spatial multiplexing systems with limited feedback

This paper deals with the design and performance analysis of transmit precoder optimization for multiple input multiple output (MIMO) systems with limited feedback of channel state information. A capacity criterion based optimal codebook construction algorithm for MIMO precoded spatial multiplexing systems is pre-sented. The optimal precoder structure combining precoding and power allocation is employed. Simulation results show that the capacity criteria based codebook can achieve higher capacity than that of equally power allocation based codebook of previous research.     

基于RBF神经网络的复杂场景人群目标的识别

大型公共建筑内人群数目及分布的在线监测是有效控制和疏散客流、保障人员安全的重要依据之一．利用公共建筑内现有的闭路电视监视系统,通过计算机视觉技术实现人群数目的自动识别是目前国外普遍采用的一种方式．文中提出了一种基于RBF神经网络的复杂场景人群目标的识别算法,利用包含行人数目信息的前景图像的投影曲线等特征数据,通过训练好的RBF神经网络直接得到该前景图像中包含的人群数目．与其他算法相比,该算法具有较高的识别准确率,在一定误差范围内可以达到较好的效果．     

系统仿真转移矩阵法的另一类算法

本文利用增广矩阵法的一些结果,将数值逼近原理运用于线性定常系统的数字仿真中,给出了 转移矩阵法的另一类算法。此类算法精度较高,计算量较小,且便于应用。      

��ͨ��Ϣ�ɼ���WSN�ִ��㷨�о�

无线传感网是采集实时交通信息的重要工具.因其节点能量有限,必须设计高能效的分簇路由算法以延长网络周期.本文通过建立一种智能交通中无线传感器网络的应用模型,根据其特点和要求分析LEACH协议的优缺点并提出一种能量负载均衡的分簇算法.该算法对LEACH协议当中的簇首机制进行改进,综合考虑候选节点的剩余能量和簇首节点的分布位置;建立簇间多跳路由机制以避免单跳通信的大能量消耗;创造一种簇重构方法,避免过于频繁的簇重构引起的不必要能量消耗.仿真结果表明,能量均衡算法可有效平衡节点能量消耗分布,延长网络生命周期,可很好的应用于基于WSN的ITS当中.     

A Dynamic Job Scheduling Algorithm for Parallel System

One of the fundamental problems in parallel and distributed systems is deciding how to allocate jobs to processors. The goals of job scheduling in a parallel environment are to minimize the parallel execution time of a job and try to balance the user‘s desire with the system‘s desire. The users always want their jobs be completed as quickly as possible, while the system wants to service as many jobs as possible. In this paper, a dynamic job-scheduling algorithm was introduced. This algorithm tries to utilize the information of a practical system to allo-cate the jobs more evenly. The communication time between the processor and scheduler is overlapped with the computation time of the processor. So the communication overhead can he little. The principle of scheduling the job is based on the desirability of each processor. The scheduler would not allocate a new job to a processor that is already fully utilized. The execution efficiency of the system will he increased. This algorithm also can he reused in other complex algorithms.     

A NEW SYSTEM DYNAMIC EXTREMUM SELF-SEARCHING METHOD BASED ON CORRELATION ANALYSIS

Inindustrialprocessesself searchingoptimumcontrolsystemshavebeenwidelyused ,becausetheydonotneedamathematicalmodel,whichhaveblockdiagram (seeFig .1) .Theprincipleistomakethecontrolsystemreachitsoptimumoperatingstatebycontinuousmeasuringandcontrolling.Thenec essaryconditionisthattheplantsmusthaveanex tremumcharacteristic[1 ] .Thekeyofself searchingoptimumcontrolishowtofindthesystemextremum pointautomati cally .Therearemainlytwokindsofself searchingmethods,whicharethecontinuoussearchingandthest…     

A Perturbing Scheme of Digital Chaos

Introduction Inrecentyears,therehasbeengrowinginter-estinginchaoticcryptography.Bothdigitaland analogchaoticencryptionmethodshavebeenpro-posedandanalyzed[1-7].Indigitalciphers,chaotic systemsaremostlyemployedtogeneratepseudo-randombits[3-5].Chaoticsystemshavemanyperfectcharacter-istics,suchasmixingandsensitivitytoinitialcon-ditions,whichcanbeconnectedwiththoseofgood ciphers,suchasconfusionanddiffusion[6-8].Unfortunately,whenchaoticsystemsarereal-izedinfinitecomputingprecision,theirdigitaldy-n…     

基于MPC算法的电力系统负荷频率控制

针对在大规模电力系统互联情况下如何准确、快速控制系统负荷频率的问题,本文结合模型预测控制算法（MPC）,提出了一种多区域电力系统负荷频率控制方法.该方法实现了超前预测、多约束条件滚动优化和反馈校正,克服了传统PI调节方法对系统参数的敏感性,提高了负荷频率控制系统的稳定性和鲁棒性.文中对三区域电力系统进行建模,并在每个系统中设置了MPC控制器和PI控制器.仿真表明,在多区域系统、多约束条件下MPC算法在频率控制的稳定性和快速性方面远优于PI算法;当系统参数偏移10%时,MPC算法仍能保证控制性能.