摘要：列车运行过程是一个典型的非线性过程,并且随着列车速度的增加,非线性特性越来越强,这就给自动驾驶系统的设计提出更高的要求。本文针对高速列车自动驾驶系统设计多模型广义预测控制器。首先针对高速列车的非线性特性,利用聚类有效性评价指标确定最优的多模型个数,然后采用减法聚类方法建立多模型集合。接着针对每个聚类集合,利用递推最小二乘方法建立相应的线性模型。最后针对模型参数不确定性和未建模部分,设计多模型广义预测控制器进行控制。仿真结果证明了该方法的有效性。

摘要：提出了任意组分体系溶剂萃取串级分离工艺的精确算法。并推导了溶剂萃取串级分离萃取平衡和物料平衡关系,给出了两端出口组分组成的最简通用计算公式,解决了静态算法设计的关键问题。利用萃取平衡和物料平衡关系进行静态递推,实现了任意组分体系静态精确设计。这一方法可以解决目前任意组分体系两出口串级分离的理论优化设计问题。

摘要：针对高速列车运行过程的模型不确定性问题,提出了高速列车的自适应子空间预测控制方法.首先,由列车观测数据集得到高速列车初始子空间预报模型,并利用快速LQ分解方法实现列车观测数据集的在线滑动窗口更新,从而获得列车自适应预报模型;然后,提出了融合当前时刻与过去时刻的加权误差信息的列车模型自适应切换策略,进而设计了高速列车自适应子空间预测控制器;最后,进行了高速列车运行的数值仿真实验,结果表明提出的方法具有较好的列车跟踪性能.

摘要：根据城市交叉口交通流的特点,给出了一种交叉口多相位自适应控制算法,综合考虑相邻车道上的车队长度,利用多层BP神经网络实现了道路交叉口多相位模糊控制.仿真结果表明,文中所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误,具有较强的学习和泛化能力,是实现交通系统智能控制的一条新途径.

摘要：提出高速列车非线性模型的极大似然(Maximum likelihood,ML)辨识方法,适合于高速列车在非高斯噪声干扰下的非线性模型的参数估计.首先,构建了描述高速列车单质点力学行为的随机离散非线性状态空间模型,并将高速列车参数的极大似然(ML)估计问题转化为期望极大(Expectation maximization,EM)的优化问题;然后,给出高速列车状态估计的粒子滤波器和粒子平滑器的设计方法,据此构造列车的条件数学期望,并给出最大化该数学期望的梯度搜索方法,进而得到列车参数的辨识算法,分析了算法的收敛速度;最后,进行了高速列车阻力系数估计的数值对比实验.结果表明,所提出的辨识方法的有效性.

摘要：　针对城市交叉口交通流的分布特点,给出了一种自适应交叉口多相位控制算法,考虑相邻车道上的车辆排队长度,利用多层BP神经网络实现了道路交叉口多相位模糊控制.仿真结果表明,文章所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误,具有较强的学习和泛化能力,为实现交通系统智能控制提供了一条新途径.

摘要：随着列车运行速度的提高,列车与接触网、轨道、空气的动力作用加剧,给高速列车的建模与控制提出更高的要求。本文提出数据驱动的高速列车子空间预测控制方法:构建基于状态框架的高速列车多变量动力学系统;由输入输出数据设计高速列车的子空间预报模型;详细分析高速列车子空间预测控制器的设计方法,并给出相应的预测控制算法。高速列车的数值仿真实验结果证明所提出控制方法的有效性。

摘要：针对复杂工业过程中故障变量特征提取效率低,分类数量较少且故障识别率较低等问题,提出基于非对称卷积核(asymmetric convolutions)的卷积神经网络(CNN)的工业过程故障识别模型。采取故障变量重构对故障数据进行预处理;引入非对称卷积核模型对重构后的输入故障变量进行特征提取,提高特征提取的效率;根据CNN模型改进得到具有AC架构的AC-CNN模型,识别TE(田纳西-伊斯曼)过程故障的在线测试集样本,实验结果表明,所提方法对TE过程故障数据集的识别效果明显,验证了模型的有效性和优异性。

摘要：针对传统列车固定模型难以描述和控制具有时变、非线性等特征的高速列车运行过程问题,本文提出时变遗忘因子的高速列车自适应子空间预测控制方法。首先基于列车状态空间模型描述构建列车的增量式子空间预报模型;接着融合子空间辨识与反馈校正的思想得到时变遗忘因子的列车自适应模型,进而分析高速列车自适应子空间预测控制器的设计方法,并给出相应的控制算法。最后进行高速列车运行过程控制的仿真对比实验,结果表明本文控制方法在高速列车正常运行及强干扰情况下的预测跟踪控制性能是有效的。

摘要：根据城市交叉口交通流的特点 ,给出了一种交叉口多相位自适应控制算法 ,综合考虑相邻车道上的车队长度 ,利用多层BP神经网络实现了道路交叉口多相位模糊控制。仿真结果表明 ,所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误 。