半导体泵浦固体激光器智能温控策略与算法研究

针对半导体泵浦固体激光器温度控制过程中存在的非线性、大滞后特性,提出一种基于仿人智能策略的前馈组合控制器.前馈控制部分通过在线优化滞后参数估计值以获得被控对象的静态逆模型,逆模型辨识与直接逆控制由两个神经网络分别实现,可以在线调整网络权值.基本模糊控制器可在模糊PID和模糊PD控制算法之间进行转换,适用于控制系统的各工作状态.仿人智能控制策略根据输出误差变化的不同阶段调整所使用的控制组合,并具有自寻优功能.仿真表明,该方法可取得较好的控制效果.     

基于神经网络逆复合控制器的MDF施胶系统的控制设计

根据神经网络逆控制原理,提出了一种新的中密度纤维板(MDF)施胶系统控制器设计方法。将MDF施胶系统作为被控对象,利用静态神经网络和若干积分器组成的动态神经网络构造出被控系统的逆系统,该逆系统与被控系统串接在一起所组成的系统是伪线性的。通过将PID控制器与神经网络逆系统结合在一起,构建出神经网络逆复合控制器。仿真结果表明:神经网络逆复合控制器能使系统获得优良的跟踪性和抗干扰能力,可以很好地实现对MDF施胶系统的控制目的。     

免疫NPID控制器及其在热磨机料位控制系统的应用

借鉴生物免疫系统反馈调节机理,将免疫控制器与传统PID控制器串联,提出了一种免疫非线性PID控制方法;应用波波夫稳定判据分析了免疫非线性PID控制器的稳定性,并将其应用到热磨机的料位控制系统。这一算法保证了闭环系统的稳定性和快速的跟随性能,又抑制了模型摄动及外部干扰对系统的影响,提高了系统响应的快速性,保证了系统的鲁棒性能。仿真研究进一步验证了免疫非线性PID控制方法的可行性和有效性。     

基于神经网络PID的纤维板调施胶控制系统的设计

基于神经网络的优点,设计了神经网络作为主控制器的对系统进行辨识的纤维板调施胶控制系统和神经网络作为辅助控制器来修正PID控制器的纤维板调施胶控制系统.分析了两种神经网络控制器的性能优劣.仿真表明,神经网络作为辅助控制器调节PID比神经网络作为主控制器的超调小,系统稳定时间更短.     

基于DRNN的木材干燥窑智能控制系统

利用对角回归神经网络对木材干燥系统的模型进行辨识,并根据辨识的Jacobian信息动态整定PID控制器参数,从而实现木材干燥控制系统的智能控制。仿真结果表明:控制器能取得满意的控制效果,同时具有较强的抗干扰能力。     

基于模糊自整定PID的温室温度控制系统设计及仿真

温室温度系统是一个大时滞、非线性的复杂系统,传统的控制方法效果不甚理想。因此,本研究设计一种基于模糊自整定PID控制方法的温室温度控制系统,可根据温度偏差和温度偏差变化率实时整定PID控制器的参数。控制系统以STC89C52单片机为控制核心,采用DS18B20温度传感器实现对温室温度的采集,通过控制电加热炉的加热功率来调节温室的热量输入,起到控制温室温度的作用。并在Matlab 11.0/Simulink环境下,建立模糊自整定PID控制器的仿真模型,通过仿真发现该方法比常规PID控制方法具有更好的鲁棒性,能够实现良好的控制效果。     

自抗扰控制器在人工气候箱中的应用

人工气候箱作为非线性耦合滞后系统,采用经典PID控制难以得到满意的控制效果。为了提高控制系统的动态性能和鲁棒性,设计人工气候箱的自抗扰控制方案。论述以MSP430单片机为核心控制器的硬件实现方法,并进行控制算法的仿真。实验结果表明,自抗扰控制器对人工气候箱的大迟延,大惯性和不确定性具有较强的适应性和鲁棒性,控制系统具有优良的动态性能,能比较精确控制系统的温湿度。     

酶法农残检测的Smith模糊PID恒温控制仿真

酶活性易受温度影响,导致酶法检测农残精度不高。本文研究了一种控制农残检测仪内部温度的恒温控制系统,以便为酶法农残检测提供最佳检测温度。根据控制理论设计了恒温控制系统框架,运用传热学原理建立了被控温度的数学模型,针对该模型具有大惯性、大滞后的特点。将Smith预估器与模糊PID控制器相结合,设计了一种Smith模糊PID温度控制器。在给定相同的幅值为1的阶跃信号下,分别对PID控制器、模糊PID控制器、Smith PID控制器和Smith模糊PID控制器进行Matlab仿真试验,得出各种控制器的性能指标(超调量、调节时间、稳态误差)分别为:PID控制器(19%、250 s、0.0001)、模糊PID控制器(11%、450 s、0.0001)、Smith PID控制器(0%、500 s、0)、Smith模糊PID控制器(0%、140 s、0);在1180~1230s增加一个幅值为5的干扰信号测试系统的抗干扰性,PID控制器和模糊PID控制器均出现较大的波动,而Smith PID控制器和Smith模糊PID控制器均无波动,得出各控制器的恢复时间分别为:PID控制器(200 s)、模糊PID控制器(300s)、Smith模糊PID控制器(120 s);利用调整时间常数和延迟时间测试系统鲁棒性,得出各控制器性能指标分别为PID控制器(38%、450s、0.0001)、模糊PID控制器(23%、880 s、0.00025)、Smith模糊PID控制器(1%、150 s、0)。由试验结果可知,Smith模糊PID控制器性能指标均优于其它几种控制器,而且在系统鲁棒性和抗干扰能力上,Smith模糊PID控制器较强于其它控制器。本文所设计的Smith模糊PID恒温控制系统能够实现仪器内部温度的精确控制,能够为酶法农残检测提供最佳恒温。     

自适应模糊控制在物位测控系统中的应用

文中介绍了采用自适应模糊控制物位高度的研究方法,给出了控制器的设计,并对控制规则的修正作了改进.该控制器根据现场采集的数据及给定的性能指标实时自动调整模型规则.仿真结果表明该控制器与传统PID控制相比,有较强的自适应性和鲁棒性.     

仿竹型筒式立体停车结构的环箍层布置研究

作为航空飞行器的动力装置,冲压发动机以其高推比性能日益应用广泛,其控制系统的好坏直接影响着其工作性能。推力控制系统是冲压发动机控制系统的重要组成部分,良好的推力控制器使其在复杂环境和比较宽的马赫数下获得很好的鲁棒性。本文利用MATALB仿真软件的Simulink工具箱建立推力控制系统的仿真模型,采用模糊PID控制方法对冲压发动机推力回路进行控制,通过调节参数,设计出高性能的控制器。其后对设计出的模糊PID控制器进行动稳态性能、鲁棒性、抗干扰性以及跟踪性的测试,并将其控制结果与设计的传统PI控制以及鲁棒控制的结果进行对比分析。仿真结果表明,设计的模糊PID控制器在动稳态性能、鲁棒性、抗干扰性以及跟踪性能方面,都可以达到很好的性能。     

基于Android手机的树木叶片识别系统

为了准确高效地识别树木叶片,开发了一款基于Android操作平台的树木叶片设别系统.该系统提取13种树木叶片特征描述子,选择支持向量机作为分类器.该系统包括图像获取、图像处理、特征提取、分类识别和结果展示5个模块.选取来自15个树种的1 500片树叶进行了试验,结果表明,该系统的平均识别率可以达到94.44％,优于BP神经网络的91.56％,达到了令人满意的效果.该系统特征描述子的筛选、提取以及分类器算法还可以进一步优化,以更好地满足用户需求.     

基于Android手机的树木叶片识别系统

为了准确高效地识别树木叶片,开发了一款基于Android 操作平台的树木叶片设别系统。该系统提取13 种树木叶片特征描述子,选择支持向量机作为分类器。该系统包括图像获取、图像处理、特征提取、分类识别和结果展示5 个模块。选取来自15 个树种的1 500 片树叶进行了试验,结果表明,该系统的平均识别率可以达到94.44%,优于BP 神经网络的91.56%,达到了令人满意的效果。该系统特征描述子的筛选、提取以及分类器算法还可以进一步优化,以更好地满足用户需求。     

改进的图半监督支持向量机用于P2P网络流识别

对于机器学习在P2P网络流识别中需要大量标记训练数据的问题，提出一种基于改进图半监督支持向量机的P2P流识别方法。采用自动调节的高斯核函数计算少量标识数据和大量未标识训练样本之间的相似距离以构建图模型，并在标记传播过程中嵌入训练样本局部分布信息以获取未标记样本的标识；在此基础上使用所有已标记样本对SVM训练实现P2P网络流识别。实验结果表明该方法能够兼顾整个训练样本集的信息，在提高SVM识别精度的同时，极大降低了人工标记训练样本的成本。     

基于MATLAB的黄瓜叶片病害等级识别系统设计

为解决作物病害图像识别准确率低的问题，本研究以黄瓜叶片病害图像为研究对象，首先建立SVM模型，利用数据集训练取得模型并本地化，然后基于MATLAB平台搭建了黄瓜叶片病害等级识别系统。结果表明，通过输入图片，系统可自动识别黄瓜叶片病害等级并输出，平均预测准确率为91.25%。本研究可为农作物病害识别技术的发展提供参考。     

一种基于改进型ELGamal数字签名的身份认证方案

本文在ELGamal体制基础上构造了一种新的用户身份认证方案,它减少ELGamal体制中的模逆运算次数,使得该方案保证了较高的安全性和较好的效率.     

基于近红外光谱与 KPCA-SVM鉴别淡水鱼肉

为实现淡水鱼品种的快速鉴别,采用近红外光谱分析技术建立7种淡水鱼鲜肉的快速鉴别模型。试验采集了鲢、草鱼、乌鳢、鲫、鲤、青鱼、鳙7种淡水鱼共772个鲜鱼肉样品的近红外光谱数据,分别考察标准正态变换(standard normalized variate,SNV)、多元散射校正(multiplicative signal correction,MSC)的预处理方法及核主成分分析(kernel principal component analysis,KPCA)和主成分分析(principal component analysis,PCA)的特征提取方法对支持向量机(support vector machine,SVM)判别模型的影响。结果显示,经SNV预处理和KPCA提取特征变量后,对未知样品的整体正确判别率达到92.68%。因此,采用近红外光谱技术结合化学计量学方法所建SVM模型可以实现淡水鱼品种的快速鉴别。     

水稻害虫图像识别技术研究

[目的]解决水稻害虫传统识别方法的低时效性问题。[方法]采用数字图像处理方法对水稻害虫进行图像识别和分类,对水稻害虫的虫体面积、虫体周长、偏心率、形状参数、似圆度、叶状性、球形性等几何形状特征进行提取和研究,并采用支持向量机(SVM)分类器对水稻害虫二化螟、三化螟、稻飞虱、卷叶螟进行分类。[结果]利用所建立的6个特征判别函数对4种水稻害虫进行判别分类,识别率达到96.67%,说明这6个经过筛选的特征具有很强的判别性。[结论]支持向量机分类器的识别方法很好地解决水稻害虫传统识别方法的低时效性问题。支持向量机以风险最小化为原则,兼顾训练误差与测试误差的最小化,具体体现在分类模型的选择和模型参数的选择上。     

基于颜色和纹理特征的大麦主要病害识别研究

为提出一种在自然环境条件下基于采集图像的颜色一阶与二阶矩和纹理LBP算子改进模式综合特征参数的大麦病害识别方法,以甘肃河西地区发生的大麦白粉病、云纹病和条锈病为研究对象,采用颜色矩和LBP算子均匀模式综合特征参数来提取大麦病斑的颜色和纹理特征,并将该特征向量作为输入向量构建以径向基为核函数的支持向量机(SVM)分类器模型。利用SVM分类模型对采集到的355幅病害图像进行实例分析,结果表明当径向基参数时,大麦病害整体识别正确率达84.7458%。本研究为农田大麦病害诊断提供了有效的分析手段,验证分类模型在大麦病害研究中的可行性,并可为其他农作物病害诊断提供借鉴和参考。     

不确定时滞系统的自适应支持向量机Smith预估控制

针对不确定时滞系统提出了一种自适应支持向量机Smith预估控制新方法．首先采用支持向量机对被控对象进行建模，然后设计了一个自适应支持向量机Smith智能预估器，解决了传统Smith预估控制需要预先知道被控对象精确数学模型的问题，克服了基于神经网络的Smith预估控制的不足．仿真实验结果表明，自适应支持向量机Smith预估控制方法充分利用了支持向量机的非线性映射能力，在被控对象数学模型未知的情况下对不确定时滞对象进行控制，具有良好的控制品质，特别是当对象特性发生变化时，还具有良好的适应性。