摘要：提出一种新的基于近邻竞争模型的鲁棒语音确认方法。该方法通过引入目标模型的鲁棒近邻信息以提高在环境不匹配情况下的似然比确认性能。实验结果表明,在纯净语音环境下,该方法的性能与似然比方法相当,在高斯白噪声环境下,与似然比、在线垃圾模型方法相比,该方法的错误率分别下降1.2%和4.2%,在其他噪声环境下,该方法也能获得较好的确认效果。

摘要：针对火力发电热工过程控制中PID整定复杂困难的问题,提出一种基于系统响应特征量近邻等效的PID“拉回”式整定方法。该方法分为离线训练和在线整定两部分:离线训练部分,在原期望系统(含被控对象与控制器结构与参数)的基础上,改变PID参数以及对象纯延迟时间,进行闭环设定值单位阶跃响应仿真试验,并提取上升时间、超调等响应特征量,形成训练集;在线整定部分,基于当前系统的响应特征量,根据欧氏距离最短原则,在训练集中锁定与当前系统响应特征量最近的邻域样本,将当前系统因对象变化造成的系统响应特征量变化等效为对象不变控制器参数变化引起的等效响应特征量变化,并根据期望系统与最近邻样本系统控制器参数的差异,“反向”调整当前系统的控制器参数,将当前系统的控制性能“拉回”至期望系统工况。该方法不需要精确辨识被控对象模型,不依赖于复杂的专家知识与整定规则。仿真结果表明,该方法具有较好的精度且大大简化了PID整定流程。