基于神经网络理论的非线性系统自适应比例积分控制方法

    公开(公告)号:CN106647271A

    公开(公告)日:2017-05-10

    申请号:CN201611206707.3

    申请日:2016-12-23

    Applicant: 重庆大学

    CPC classification number: G05B13/042

    Abstract: 本发明公开了一种基于神经网络理论的非线性系统自适应比例积分控制方法,包括:步骤一、建立非线性系统的数学模型;步骤二、利用光滑的函数逼近非光滑的执行器饱和函数;步骤三、设计神经网络自适应PI控制器进行控制;本发明针对具有输入饱和的非线性系统,利用光滑函数逼近执行器饱和函数;引用BLF,可保证神经网络的输入保持在有界紧集范围内,保证了神经网络的正常运行;并且与传统的PI增益调节相比,本发明提出的调节方法还具有:1)PI控制器的比例积分增益不是固定的常数而是时变的;2)比例增益和积分增益不是单独设计的,而是通过一定系数联系起来,有利于系统的分析;3)针对系统存在的不确定性及输入饱和都有一定的鲁棒性。

    一种基于单幅图像的道路消失点检测方法

    公开(公告)号:CN107977664B

    公开(公告)日:2019-12-31

    申请号:CN201711294984.9

    申请日:2017-12-08

    Applicant: 重庆大学

    Abstract: 本发明公开了一种基于单幅图像的道路消失点检测方法,包括如下步骤:对输入的道路图像尺寸大小进行调整,转换为灰度图,对灰度图进行中值滤波去噪;在灰度图上提取图像的二维Log‑Gabor纹理和方向特征信息;根据图像尺寸确定有效候选目标区域;选取所有满足条件的纹理特征点作为候选投票点集;在候选投票点集上采用基于主方向的快速投票方式检测道路消失点。本发明采用了基于Log‑Gabor纹理特征表达方式,设计了一种快速有效的方向投票方法,能提高道路消失点的检测精度和检测速度,适用于实时交通监控系统、智能驾驶汽车等相关计算机视觉领域。

    基于神经网络理论的非线性系统自适应比例积分控制方法

    公开(公告)号:CN106647271B

    公开(公告)日:2019-07-26

    申请号:CN201611206707.3

    申请日:2016-12-23

    Applicant: 重庆大学

    Abstract: 本发明公开了一种基于神经网络理论的非线性系统自适应比例积分控制方法,包括:步骤一、建立非线性系统的数学模型;步骤二、利用光滑的函数逼近非光滑的执行器饱和函数;步骤三、设计神经网络自适应PI控制器进行控制;本发明针对具有输入饱和的非线性系统,利用光滑函数逼近执行器饱和函数;引用BLF,可保证神经网络的输入保持在有界紧集范围内,保证了神经网络的正常运行;并且与传统的PI增益调节相比,本发明提出的调节方法还具有:1)PI控制器的比例积分增益不是固定的常数而是时变的;2)比例增益和积分增益不是单独设计的,而是通过一定系数联系起来,有利于系统的分析;3)针对系统存在的不确定性及输入饱和都有一定的鲁棒性。

Patent Agency Ranking