论文部分内容阅读
运用基于T-S-K模型的方法,进行故障诊断的研究,已经成为近年来控制领域的热点.本文利用T-S-K模型可用局部线性化的线性模型来描述非线性系统的方法,分别设计了模糊检测观测器和模糊控制器,并将设计的观测器以及控制器对一级倒立摆模型进行仿真,仿真结果验证了该方法的有效性.
模糊控制在非线性系统中的研究
【摘 要】
：
运用基于T-S-K模型的方法,进行故障诊断的研究,已经成为近年来控制领域的热点.本文利用T-S-K模型可用局部线性化的线性模型来描述非线性系统的方法,分别设计了模糊检测观测器和模糊控制器,并将设计的观测器以及控制器对一级倒立摆模型进行仿真,仿真结果验证了该方法的有效性.
【机 构】
：
华东理工大学 信息科学与工程学院 上海200237
【出 处】
：
中国人工智能学会第十三届学术年会
【发表日期】
：
2009年6期
其他文献
支持向量机(SVM)是一种新型的基于统计学习理论的机器学习方法,已经成功的应用于模式识别和函数估计等问题中.已有的加权支持向量机方法大都是从样本重要程度的角度来考虑问题,本文提出了两种基于样本属性重要度的加权SVM方法,包括基于增益比率和基于Gini指标的属性重要度加权SVM方法.这两种方法分别通过计算各个属性的增益比率和Gini指标来评估样本属性的重要度.并把这两种方法与已有的基于信息增益的属性
基于无监督决策树的层次聚类是一种通过建立无监督决策树来聚类的方法,但是该方法对每个数据子集的势以及子集间的距离考虑的不全面.为了克服这一缺点,本文提出了两种新的启发式进行结点分裂,并在四个数据库上验证了新方法的可行性和有效性.
模式分类系统中,往往需要从大量的特征中选择最优的特征子集,人工选择特征的方法往往费时费力,本文介绍了基于改进离散粒子群(improved binary particle swarm optimization,IBPSO)和支持向量机(support vector machine,SVM)封装模式IBPSO-SVM的特征子集选择方法.首先随机产生若干种群(特征子集),然后用IBPSO算法优化随机产生
笔迹鉴别由于书写不稳定性,常致使一些简单而有效的属性不能稳定地发挥作用,然而基于属性间的关联规则却符合人认知判断的逻辑准则.本文提出一种基于改进CAIM(class-attribute interdependence maximization)离散算法的非限定离线手写笔迹鉴别方法,该方法采用CAIM准则对字符连续属性值进行区间离散化.针对笔迹鉴别中类别多而训练样本少的情况,我们对原始CAIM算法作
属性的合理分割是决策树构造与规则(拍)取中的关键问题,直接影响决策树构造的效果.针对这个问题,本文首先提出了二维化属性区间分割分析的新方法,这种分析方法既简化了分析的复杂度,也提高了属性合理分割处理的有效性.在此基础上,基于结构风险最小化理论,提出了属性区间分割优化的新模型,该模型有效地度量了属性区间边界合理性,充分体现了属性区间分割对边界距离的最大化与均匀化的要求.提出了不可判别区域的概念,给出
提出了一种基于贝叶斯滤波器和适航地图的跟踪算法(BF-Hmap),(哭)解决间断观测下的无人机地面目标跟踪问题.采用贝叶斯滤波器在线地更新目标状态的后验概率分布.通过快速道路提取算法生成目标适航地图,该图描述了地面目标与当前地形相关的运动能力,并在贝叶斯滤波的预测阶段考虑适航地图的影响.BF-Hmap算法是一种一般性的目标踞踪算法,能够处理非线性、非高斯的目标/传感器模型,并能结合非解析的环境信息
单纯依靠一种特征往往使得目标踞踪性能不佳.为了在复杂背景及光照突变等情况下实现对目标稳定而准确的跟踪,本文提出一种基于颜色直方图和边缘直方图特征相结合的跟踪方法,并在粒子滤波框架下,实现一种以目标特征直方图特征波和熵为依据,判断各特征有效性,从而合理分配粒子数的方法.实验结果表明本文方法较传统单纯依靠一种特征进行目标跟踪的粒子滤波方法能够更为稳定可靠地跟踪目标.
针对CCD智能车的图象特点,建立了有效视野范围内的路径难度预估方案.通过对转向角控制中的两个重要参数的分析,得出两参数对转向角控制的权重因子,并建立偏差权重函数.根据该函数,设计了模糊控制器,优化了转向角控制和速度控制策略.并在此基础上设计了CCD智能车试验系统,并做了不同算法控制下的转向和速度控制效果对比试验.结果表明,新型控制器具有良好的学习功能与抗干扰性,新型控制系统跟随给定路径快速平稳,误
本文针对电子技术实验无法进行多芯片同时测试的问题,提出了一种基于FPGA和上下位机联动配置技术的智能式多芯片测试仪.文中介绍了Verilog硬件描述语言编程下载和上位机控制方法与实现技术,对于提高高校电子技术基础实验的水平和效率具有重要的实用价值.
提出了一种面向智能交通识别的圆形交通标志检测算法.结合圆形交通标志的颜色和形状特征,算法首先采用彩色分割和非彩色分解技术分离出圆形交通标志,并去除部分背景；然后采用链码的形式存储边缘,采用边缘长度、圆形度、展弦比等指标进一步去除背景区域；最后采用曲线拟合技术确定准确的圆形交通标志.多种天气和光照情况下的圆形交通标志检测实验验证了本文算法的有效性.