基于MAS的高性能网络拥塞控制研究

本文针对以ATM为代表的高速通信网络非实时业务的拥塞控制问题 ,提出了一种基于MAS的、通过分布在各网络节点的Agent各自对自身环境的独立学习和决策 ,实现网络拥塞控制的策略框架及其基本算法 ;通过分析和仿真实验 ,说明了这种自下而上的网络拥塞控制策略对复杂动态环境和控制对象具有较好的学习适应能力及鲁棒性 ,并且比传统自上而下的集中式控制策略更易于在工程中实现     

电弧炉电极系统双模控制策略研究及应用

针对交流电弧炉电极控制系统具有非线性时变、多变量、强耦合及存在随机干扰的特点,采用基于最近邻聚类方法的径向基函数(RBF)神经网络快速学习算法,通过实时在线辨识,建立电弧炉电极系统的精确逆模型并用于控制,实现了将具有强耦合特性的多变量输入/输出(MIMO)系统解耦成单个独立的伪线性对象,并提出一种基于RBF神经网络逆控制与比例微分(P/D)控制相结合的双模控制策略。应用结果证实了该控制策略具有快速适应对象和过程变化的能力及较强的鲁棒性。     

电子膨胀阀双神经元预测控制

提出了用双神经元预测控制算法对电子膨胀阀进行控制的方法，一个神经元用于在线实时估计对象动态特性，以获取对象的一步预测模型。通过学习减小模型的预测误差；另一个神经元用于在线实时控制，仿真与应用表明该算法有良好的动态响应和较强的鲁棒性，能够对电子膨胀阀进行有效的控制。     

基于多智能体和模糊控制的道路交叉口建模与仿真

利用Agent技术对道路交叉口进行建模,着重介绍了交叉口Agent的内部结构和控制策略.在交叉口控制中应用模糊理论和蚁群算法,提出了一种具有自学习机制的交叉口信号模糊控制方法.对模糊控制规则应用蚁群算法进行优化,使得交叉口Agent具有自学习能力.编制交叉口Agent的仿真程序,将所研究模型的控制效果与传统模糊控制模型的效果进行了比较.仿真实验的结果表明:具有自学习机制的交叉口信号模糊控制方法的效果明显优于传统的模糊控制方式.     

基于径向基函数网络的非线性通用模型控制

为了克服通用模型控制器要求过程一阶微分模型应该有显式解的局限性,提出了一种基于神经网络的通用模型控制方法,将非线性过程模型应用逆系统的方法在控制算法中直接嵌入过程模型,从而保证通用模型控制策略的可实现性。其参考轨迹是一条典型的二阶曲线,由于径向基函数网络具有许多优点,该控制策略中的神经网络为径向基函数网络。该控制器参数具有明显的物理意义,参数整定方便。仿真实验验证了该控制策略的有效性。     

基于PID与模糊控制的切削加工过程双模控制

为了克服在切削加工过程中单一的控制策略建立的控制系统性能不理想的情况,采用了多个系统并联的切削加 工过程模型。结合了PID控制和模糊控制两者各自的优点,设计实现了对切削加工过程的双模控制。利用MATLAB对 该控制策略进行响应仿真并调试参数,求解出了较优的基于PID控制与模糊控制的切削加工过程双模控制的控制器,有 效地提升了对切削加工系统的控制性能。     

污水处理过程的多变量预测控制

提出了一种针对活性污泥法污水处理系统的多变量预测控制策略,并将该策略应用到污水处理的脱氮上,对污水中氨氮与硝酸氮浓度实施多变量预测控制。通过对国际水质协会活性污泥1号模型(A SM 1)的闭环计算机仿真表明,应用该算法可实现对污水中氮含量浓度的有效控制,减小系统输出的波动,稳定最终输出。     

变附着系数路面的紧急避撞控制研究

针对汽车避撞过程中路面发生突变导致传统控制策略失效的问题,提出一种基于路面实时识别的自适应紧急避撞控制策略。首先利用递推最小二乘法(RLS)对路面附着系数进行实时在线识别;然后依据纵向安全距离模型将路面突变分为2种形式:一种为安全距离以内路面发生突变;另一种为汽车当前位置到安全距离临界点这一段路面发生突变,并针对此2种工况设计自适应控制策略。在搭建的Pre Scan与Matlab/Simulink联合仿真平台中验证了该控制策略的有效性。结果表明:该控制策略能很好地完成路面突变条件下传统单一制动控制失效情况下的紧急避撞。研究结果为汽车的主动安全控制提供理论支持。     

基于卡尔曼滤波和MRAC的卷绕张力控制

针对纱线收卷系统张力控制存在非线性和时变性以及存在测量噪声等问题，课题组提出了一种卡尔曼滤波和模型参考自适应相结合的张力控制方法。为提高卷绕系统的抗干扰性和稳定性，在张力测量环节通过参考模型设计卡尔曼滤波器有效抑制测量噪声。在纱线张力控制上，采用基于Lyapunov稳定性原理的模型参考自适应的控制策略对张力实时补偿。MATLAB仿真结果表明：基于卡尔曼滤波和Lyapunov MRAC的卷绕张力控制系统具有良好的鲁棒性、自适应性。该控制方法具有一定的应用前景。     

结合了命题逻辑与系统动力学的混合控制

针对多变量多目标控制系统中解决控制目标优先顺序方面的困难 ,引入命题逻辑 ,结合系统动力学而构成混合系统 ,并将其与预测控制结合 ,得到一种新的混合预测控制策略。进行控制时 ,通过 MIQP来求解多目标优化。工业现场实例仿真研究表明了该方法的有效性     

基于联想记忆神经网络的控制方法

提出了一种新型联想记忆神经网络结构和学习算法,通过反馈通道将网络输出反馈至输入层,并在通道中引入联想记忆因子,提高了X寸非线性系统的辨识能力,能够简单有效的建立起电阻炉的数学模型。采用具有逆辨识结构的神经网络控制方法对电阻炉进行实际控制,逆控制器的参数通过神经网络逆辨识模型得到,神经网络采用3层2—8—1结构形式。与常规PID控制相比较表明,此方法对大滞后非线性系统具有良好的控制效果和较强的抗干扰能力。     

一类非线性过程的自适应神经模糊控制（英文）

本文应用神经模糊技术解决了一类非线性系统的建模与控制问题,对系统的主要假设是最小相位性,文中给出了一个仿其例子说明该方法的有效性．     

自我评估的研究

自我评估作为一种有效的管理工具能够促进团队工作并构成一个学习过程;自我评估能够促进管理体系的成熟度的提高,而管理体系的成熟度又决定自我评估带来的学习的类别;自我评估的实施方法和管理方式对能否实现组织学习产生重大影响。     

机器人装配作业双向联想记忆的研究

联想记忆（或存储）是人工神经网络领域中的一个重要分支，双向联想记忆是该分支的一个十分重要的研究方向。本文概述了用于机器人装配作业的双向联想记忆的基本原理，详细分析了双向联想记忆的结构与联想过程；扼要阐述了它的稳定性及其它性质。从应用角度出发，本文还给出了双向联想记忆的一个程序模拟算法及其计算机仿真结果。     

英语词汇记忆策略的自我监控实验研究

自我调节学习循环模式被认为是一种能够培养出聪明的学习者的学习模式。它强调学生对学习策略进行自我监控,对学习结果进行自我评价,并在聪慧的同伴、教师的建议下改进或调整自己的学习策略以提高学业成就。本文以英语学习中的词汇记忆为研究点,通过让学生参加为期7周的自我调节学习实验,发现:(1)学生对词汇记忆策略的自我监控能促进词汇信息的长期保持;(2)合适的记忆目标与时间分配是提高词汇记忆水平的重要环节;(3)联想法和上下文法是比较有效的两种词汇记忆方法。     

语言学习中的心理结构分析

人们学习和使用语言的过程牵涉到使用者的心理机制,这一机制由一套信息处理系统组成,即感觉记忆、工作记忆(短时记忆)和长时记忆,这三个组成部分是以持续时间为基础的信息存储类型,他们在存储时间的持续、信息的容量以及编码和功能作用方面各不相同,因此,不同的学习者在学习语言时需要采取不同的学习策略,方可提高学习效率,收到令人满意的学习效果。     

基于动态补偿的矩形广义系统模型预测控制

针对线性矩形广义系统,研究了基于动态补偿的有限时域模型预测控制问题,给出了存在合适维数的动态补偿器使得闭环系统正则、无脉冲、稳定的充要条件.在有限时域性能指标中引入一个终端有限权矩阵来保证稳定性,并利用矩阵不等式和Lyapunov方程求解优化问题,将提出的Lyapunov方程转化为双线性矩阵不等式形式(BLMI),以便采用路径算法最小化性能指标,保证了闭环系统是容许的.数值算例验证了方法的有效性.     

词典插图与联想性学习

在一般词典中,插图主要是为了便于理解定义。学习词典配置了大量联想插图,不但有助于定义的理解,还可以发挥其它作用,其中之一就是便于联想性学习。联想性学习就是用联想的方法进行学习,包括接近性联想、类似性联想、对比性联想等。联想插图分为结构插图、场景插图和组合插图,它们可以体现不同的语义关系,可以促进联想性学习。     

基于贝叶斯神经网络的非参数回归

提高神经网络模型推广能力的关键是控制模型的复杂度。该文探索了贝叶斯神经网络的非参数回归的建模方法,通过融入模型参数的先验知识,在给定数据样本及模型假设下进行后验概率的贝叶斯推理,使用马尔可夫链蒙特卡罗算法来优化模型控制参数,实现了对神经网络模型中不同部分复杂度的控制,获得了模型参数的后验分布及预测分布。在5个含噪二维函数回归问题上的应用显示了模型的复杂度能根据数据的复杂度而自适应调整,并给出了较好的预测结果。