摘要：为改善流程工业控制质量,减少噪声对控制决策规则的影响,根据专家控制操作的经验,提出了3种基本仿人智能控制(HSC)方式。通过详细分析被控系统的误差特征,提出了仿人智能控制的决策规则,并采用智能积分实现了位置学习。由于控制决策规则对噪声非常敏感,改进设计了一种基于误差大小的仿人智能控制规则。针对仿人智能控制在实际应用中参数多,不易设置的问题,对多种不同的工业过程模型,采用行域可变的差分进化(RVDE)算法对仿人智能控制器的参数进行优化。优化结果与以往优化结果以及常规控制方法的结果进行了比较,改进仿人智能控制算法对控制系统性能有明显改善。

摘要：为了实现锁相环的快速锁定和稳定的带宽调节,提出了一种采用快速锁定辅助鉴别鉴相器锁相环的频率合成器。首先,通过对传统锁相环中的鉴相器的线性与非线性特性分析,设计了一种新的非线性特性鉴相器;然后,在此基础上实现了构成PLL频率合成器的辅助鉴别鉴相器,并给出了PLL频率合成器的各模块电路实现。实验结果表明,提出的PLL频率合成器不但能够减少PLL的捕捉时间,提高开关速度,而且能有效地保持噪声带宽。在100 kHz偏移时的输出相位噪声为-91 dBc/Hz,峰-峰值抖动为110 ps,实测芯片尺寸为30 mm×2 mm,功耗为100 mW。

摘要：针对多目标跟踪中存在的小目标易漏检和遮挡问题造成的身份切换等问题,沿用经典的基于检测跟踪(tracking-by-detection)框架,提出了一种基于深度学习的数据关联方法.利用深度学习特征提取的能力,在基于行人检测基础上设计了层级特征提取相似性估计的多目标跟踪器.通过端到端的方式提取跟踪物体的层级特征,并计算不同帧物体间特征的相似性,得到相似性矩阵.再利用匈牙利算法根据相似性矩阵完成最优指派问题,实现数据关联部分.实验结果表明,所设计跟踪器缓解了目标跟踪过程中由于遮挡问题带来的跟踪物体身份切换问题,并且在MOT16数据集上取得了较好的效果.

摘要：现代互联网应用数据量大,并发高,对响应速率等要求极高。Redis作为高性能的分布式非关系型数据库,在互联网应用中表现极佳。现今Redis集群方案Redis Cluster有很多优越性,越来越多的项目都期望从Redis迁移到Redis cluster上,但如果直接迁移,工作量和复杂性极高。因此在研究对比当今流行的Redis集群系统架构设计和系统优化方案后,通过自研代理中间件Vc_redisproxy在代理中间件中利用主从Reactor线程模型对原生Redis内部单一的NIO多路复用模型进行优化,使用MainReactor处理连接请求,然后将连接交由SubReactor,由SubReactor来处理读写请求。然后使用线程池,通过增加IO线程数来充分发挥多核CPU的优势,同时在代理中维护一张数据路由映射表,保证IO效率最大化。基于Redis cluster使用Java语言优化并实现了一种Redis集群系统。最后使用Redis-benchMark工具对系统进行压力测试。结果表明,单个Vc_redisproxy性能相对于Codis代理性能提升了17%,同时采用优化后的系统框架后,部署两个Vc_redisproxy代理性能相比部署两个Codis代理性能提升了15%。

摘要：以无人机六自由度非线性闭环系统模型为基础,选取易受传感器测量误差影响的气流角和机体旋转角速率作为关键系统状态,设计基于扩展卡尔曼滤波器的状态估计器,对强噪声条件下小型无人机闭环飞行控制系统的局部状态进行估计。在某无人机实时仿真平台上对所采用的方法进行了仿真实验,结果表明所提出的方法能够在低成本传感器典型噪声特性条件下实现对系统状态进行有效估计,闭环控制系统对突变指令的响应时间小于1 s,跟踪误差不大于1. 16%。