一、高斯混合模型和自调整模糊控制器在ICA算法中的应用（论文文献综述）
曹宏利[1]（2020）在《非结构化动态环境中机器人接触交互柔顺控制策略与实验研究》文中提出工业机器人出现的半个多世纪以来,机器人技术已经从最初的自动化萌芽发展到现在的增强智能阶段,在制造业、服务业、国防以及航空航天等领域扮演着越来越重要的角色,代表了一个国家的核心竞争力。为了让机器人成为人类有效的合作者,机器人必须能够在为人类设计的非结构化动态环境中可靠地执行复杂的交互任务。然而,到目前为止,即使是最先进的机器人在执行此类受约束的操作任务时,比人类更慢,甚至十分不可靠,这一科学问题引起了大批国内外研究机构的关注。若能从根本上解决机器人在非结构化动态环境中接触交互柔顺控制问题,将会打破智能机器人、机器设备以及人之间的物理约束,让机器人成为人类有效的合作者,实现“共融共生”。本文旨在解决机器人自适应柔顺控制策略在非结构化动态环境中的接触交互性能问题,重点开展以下研究工作:（1）研究机器人接触交互柔顺控制框架。构建机器人动力学模型、接触动力学模型是研究柔顺控制的基础,同时也是研究机器人与物理环境交互系统中许多关键性问题的前提。在此模型基础上,研究经典的柔顺控制原理与实施方法,以机器人柔顺接触交互数学模型、物理模型和控制原理构建机器人柔顺控制框架。（2）研究基于动态更新速率的自适应阻抗控制原理。针对自适应混合阻抗控制方案在机器人接触力控制任务中不能同时兼顾接触超调抑制和精确跟踪的两难问题,设计基于动态更新速率的自适应混合阻抗控制策略。分析阻抗控制器瞬态系统响应行为和稳态跟踪性能,并以此设计更新速率动态调整方法;分析阻抗控制器的稳定性和边界条件,阐明保证系统稳定性的必要条件,通过仿真验证控制策略的控制效果。（3）研究基于PID和分数阶复合增强的自适应阻抗控制原理。为进一步提升自适应阻抗控制的性能,采用基于前置PID和分数阶的两种及其组合优化控制工具来改进阻抗控制策略。通过引入前置PID控制器改变系统的固有频率,使得阻抗控制器拥有更快的响应能力;分析由前置PID引起的更新速率边界扩大带来的动态调整问题,应用模糊逻辑控制对更新速率进行在线推断。通过引入分数阶计算工具提高阻抗控制器的稳定性和鲁棒性,使得控制器能够更有效地抑制接触超调和振动行为;对于分数阶阻抗控制所带来的复杂计算问题,设计百分比系数简化计算,实现从分数阶次到整数阶次的转换而不影响控制效果,仿真验证控制策略的控制效果。（4）研究基于传感-执行模式的动态自适应切换阻抗控制原理。分析机器人阻抗控制策略对环境适应的动态物理特性,汲取自然界蚂蚁与环境共融的灵感,仿生其功能和行为特点,设计基于传感-执行模式的自适应切换混合控制策略来实现机器人在非结构化动态环境的柔顺交互控制。首先,设计类似蚂蚁触角功能的集成传感-执行操作为一体的无需力、位移等传感器的环境自传感探测装置,通过自传感电路和估计算法对环境特征参数进行在线识别;设计自适应信号分离算法弥补电路电桥测量方式所带来的测量精度不足的问题。其次,通过比较基于动力学和基于位置的阻抗控制对不同特性环境的适应性所产生的跟踪性能差异,设计混合阻抗控制策略;分析混合控制器在开关切换过程的稳定性,由此设计参数切换准则。最后,针对非结构化动态环境中刚度等参数非线性突变造成的接触超调问题,通过建立接触过程的能量耗散和转化模型,设计弹性缓和控制器在突变位置切换期望刚度以抑制这种极具破坏的接触超调行为,优化分析控制参数动态切换方式,保证参数切换时系统的稳定性。（5）实验研究机器人柔顺接触交互控制策略。构建基于现场工业总线和CODESYS运行时的具有可扩展功能模块和全开放特点的机器人运动控制系统,开展机器人与非结构化动态环境进行接触交互相关的实验研究。构建非结构化动态支撑环境,实验验证本文所提出的柔顺策略的有效性。
韩海兰[2]（2016）在《智能四轮独立驱动轮毂电机电动汽车自适应转向研究》文中研究指明现如今,汽车正日益向电动化、智能化方向发展,四轮独立驱动轮毅电机电动汽车作为汽车发展的重要方向,其控制已成为研究的热点,但目前研究工作大多只针对汽车本身的底盘系统,没有考虑驾驶员特性。论文基于“智能四轮独立驱动轮毂电机电动汽车自适应转向研究”这一国家自然科学基金青年基金项目（51305190）,对考虑驾驶员转向特性的四轮独立驱动轮毂电动汽车控制进行研究。首先对驾驶员转向特性分类方法进行研究,基于驾驶模拟器实验,设计了具有多个直角转弯实验路况,选取具有一定驾驶经验的驾驶员,采集能够反映驾驶员转向特性的数据,采用模糊C均值聚类方法将驾驶员转向特征数据分为谨慎型、一般型和激进型3类。其次,在对驾驶员转向特性合理分类的基础上,利用BP神经网络建立驾驶员转向特性辨识模型,选取驾驶员在转弯时的特征值作为模型的输入量,驾驶员转向特性类型作为模型的输出量,设计网络结构,训练特性辨识模型,并对模型辨识准确度进行验证。在此基础上,通过驾驶模拟器实验采集三类人的实验数据,采用RBF神经网络方法建立不同转向特性的驾驶员转向特性参考模型,设计网络结构,训练参考模型,并对参考模型的预测精度和可行性进行验证。然后研究通过四轮驱动力控制产生横摆力矩满足驾驶员喜好转向特性的四轮驱动力控制方法。基于自适应模糊控制理论,设计了横摆力矩参数自调整模糊控制器,控制得出的附加横摆力矩采用四轮驱动力规则分配方法。最后基于驾驶模拟器,将离线训练出的驾驶员转向特性辨识模型和参考模型嵌入到驾驶模拟器整车模型系统中,选取不同类型的驾驶员在驾驶模拟器上进行实验,对驾驶员转向特性辨识的准确性、匹配参考模型后的四轮驱动力控制效果进行在线验证。验证结果表明：所研究的方法能够实现对驾驶员转向特性的准确辨识、自动匹配转向特性参考模型,通过四轮驱动力矩控制实现了满足驾驶员喜好转向特性的电动汽车自适应转向控制。研究成果可为电动汽车智能控制提供理论基础和技术支持。
黄洪全,何子述,方方,龚迪琛,丁卫撑[3]（2010）在《多重谱峰的分解方法》文中进行了进一步梳理利用高斯混合模型（GMM）良好的逼近能力对能谱进行精确描述,并从统计学角度采用期望最大化（EM）迭代算法以4个重叠的伽马谱峰为例,进行了重叠峰的分解。该方法可对由更多谱峰叠加的重叠峰进行分解,并能保证较小的统计误差,对放射性核素的定量和定性分析具有较大参考价值。
吴鹏[4]（2004）在《高斯混合模型和自调整模糊控制器在ICA算法中的应用》文中研究表明盲信号分离（BSS）是在不知道传输信道特性的情况下从多个检测信号中分离识别出多个源信号的实际问题中被提出的。独立分量分析（ICA）算法作为盲信号分离的传统算法,有着广泛的应用。本文的主要工作就是围绕 ICA 算法展开的。首先本文系统讲述了盲信号处理（BSP）近年来的研究与发展,总结了 BSS 的一些算法。 在盲信号分离中,常用的方法假设源信号的密度函数已知或由某一类带参数的函数来逼近,一旦假设的密度函数和真实的密度函数不一致或源信号不是同一分布,所用的方法就不能正确地分离出源信号。针对 ICA 算法中源信号概率密度函数（pdf）难以确定的情况,提出了用高斯混合模型（GMM）来逼近任意分布的源信号的密度函数,并用期望最大化（EM）算法估计了高斯混合模型的参数。 在 ICA 算法中,迭代公式中步幅的选择是至关重要的。步幅太小时收敛太慢,步幅太大则会造成失调,而对于在线自适应情况则更难作出选择,针对 ICA 算法中步幅难以确定的情况,提出了基于自调整因子α 模糊控制器的步幅自适应,并设计了自调整因子α 模糊控制器。 计算机仿真结果表明,基于高斯混合模型和自调整因子a模糊控制器的步幅自适应的 ICA 算法,不仅能够有效的分离出任意源信号,同时与传统的 ICA 算法相比,有着更快的收敛速度。
付皓[5]（2021）在《自动驾驶汽车弯道转向控制方法研究》文中提出在自动驾驶汽车中,驾驶员的感观替换为传感器、驾驶员的决策替换为上层控制器、驾驶员的操纵替换为下层控制器。传感器参数的确定性使自动驾驶汽车的性能取决于上、下层控制器上。上层控制器掌握自动驾驶汽车的规划决策,下层控制器掌握自动驾驶汽车的执行控制。因此,决定自动驾驶汽车安全性、稳定性、舒适性的是下层控制器。基于车辆的控制方式,下层控制器可分为横向控制器和纵向控制器。其中横向控制器通过控制车辆的转向盘来实现车辆的横向运动,且车辆的横向运动往往决定车辆的安全性、稳定性和舒适性。自动驾驶汽车在弯道时进行持续的横向运动,更能表现车辆的性能。本文对弯道上自动驾驶汽车的转向控制方法进行研究,以模型预测控制、神经网络控制两种算法实现车辆的转向控制,主要研究工作包括:（1）构建车辆三自由度动力学模型作为控制对象,在Pre Scan软件中搭建道路模型和传感器模型,以罗技G29硬件作为驾驶员输入,联合建立人-车-路模型,搭建模拟驾驶平台。通过实车和仿真对比测试,验证车辆动力学模型的准确性,为后续算法的建立奠定基础。（2）构建基于模型预测控制的车辆横向控制器。针对三自由度动力学模型没有考虑车辆侧倾性的缺点,对车辆模型进行改进并建立横摆动力学模型。以转向盘转角为控制输入量,以侧向位移,横摆角偏差,横向距离偏差,横摆角速度为状态矢量建立预测模型。设计性能指标,结合目标函数和系统约束,构建带约束的二次型规划问题并进行求解。经过仿真测试以及与熟练驾驶员的对比分析,确定MPC控制器能够较好的实现车辆横向控制,且能够适应多种环境。（3）针对MPC控制器的复杂性和机械性,提出一种基于熟练驾驶员数据的控制策略,通过采集大量驾驶员数据进行学习,使控制器能够模拟熟练驾驶员的操纵行为。在建立控制器之前,需要对熟练驾驶员数据进行采集、分析、评价、筛选,得到驾驶性能较好的驾驶员数据。在模拟驾驶平台上对熟练驾驶员数据进行采集;从驾驶员的转向能力,车道保持能力和车辆稳定性三个方面对驾驶员的转向行为进行分析;基于层次分析法和模糊综合评价法建立评价模型并设计评价指标,得到驾驶员转向行为的评价结果。（4）基于神经网络算法建立驾驶员数据学习的车辆弯道转向控制器。针对BP算法的缺点,以LM算法对BP神经网络进行改进。设计以车速、道路曲率、横摆角速度为输入,转向盘转角为输出的神经网络控制器;以筛选后的驾驶员数据进行神经网络的学习。对神经网络控制器进行仿真测试和实车验证,通过与熟练驾驶员的数据对比分析可得,在特定的道路上神经网络控制器能够模拟熟练驾驶员的对车辆的转向控制,并能够保证车辆的稳定性。
云坡[6]（2020）在《考虑高阶矩属性风险传染的碳金融资产定价研究》文中研究表明温室气体排放剧增是导致全球环境负外部性的直接诱因。将碳排放权赋予商品属性,依靠市场化金融手段解决碳减排问题,已成为国际社会应对气候变化、抑制温室气体排放的主要手段。碳金融市场的创建立足于国际社会履行减排责任的各项公约和协议,发展于各国推进碳金融市场运行的政策措施。作为碳金融市场的核心,有效的碳金融资产定价机制将推动碳金融市场机制的成熟和完善、市场效率的提升,更好地服务于碳减排落实。碳金融资产定价研究不仅需要遵循一般金融资产的基本定价方法,还要反映碳价特殊的驱动特征。而现有碳金融资产定价研究,聚焦从收益率低阶矩视角研究碳金融资产的价格信息传递和风险波动溢出等,忽略从更高阶矩属性,研究市场非对称信息和极端冲击等因素对碳金融资产收益的影响。特别是随着全球资本流动的增强,碳金融市场与资本市场和能源市场等在发生低阶矩属性联动关系的同时,也会产生因市场非对称信息和极端事件冲击而导致的偏度和峰度等高阶矩属性的风险传染现象。而基于高阶矩属性风险传染理论,显着性的高阶矩属性风险传染能够对市场非理性协同运动和极端冲击所导致的价格变动提供有效解释,这一解释视角契合碳金融资产所具备的市场非对称性和极端冲击敏感性等特殊性特征。因此,将高阶矩属性风险传染关系纳入碳金融资产定价框架,符合碳金融资产的特殊性特征,能够从新的证据因子解释碳金融资产的溢价波动。基于此,本文研究创新和结论如下:（1）构建考虑高阶矩属性风险传染关系的碳金融资产定价框架。首先,将二元资产高阶矩CAPM资产定价框架拓展至多因子,形成基于高阶矩的碳金融资产多因子定价框架。其次,基于碳金融资产高阶矩属性风险传染理论,对定价框架中碳价及其定价因子间的风险传染关系进行检验和识别,研究市场波动趋势异质性下的风险传染关系和传染强度,从市场非理性协同运动和极端冲击角度解释碳金融资产溢价波动。第三,将识别的高阶矩风险传染关系反馈到拓展高阶矩碳金融资产定价框架中,形成考虑高阶矩属性风险传染的碳金融资产定价框架。该理论框架遵循“一般到特殊”的构建思想,将融合碳金融资产特征的高阶矩属性风险传染关系纳入定价框架中,为碳金融资产溢价波动提供新的证据解释。（2）使用非参数统计计量模型检验基于波动趋势异质性的碳金融资产及其定价因子间的高阶矩属性风险传染关系。市场收益波动隐含了碳金融资产对遭受极端冲击或非对称信息冲击的市场反映,研究基于市场波动趋势差异的风险传染关系符合碳金融市场波动异质性特征。研究发现:（1）碳金融资产及其定价因子间不仅存在低阶矩属性的风险传染关系,而且还存在协偏度、协峰度和协波动率等高阶矩属性渠道的风险传染关系。这表明从高阶矩属性出发,考虑碳金融资产及其定价因子间因市场非对称信息和极端事件冲击而导致的风险传染关系,已经成为影响碳金融资产价格驱动机制的新的因子证据。（2）快速波动趋势下的风险传染强度大于缓慢波动的强度。不同风险波动趋势的传染强度差异,本质上是碳金融资产收益及其蕴含的风险和收益对应关系的一种表征。结论为筛选具有高阶矩属性风险传染关系的碳定价因子,开展定价模型的拟合与预测提供分析基础。（3）构建多层多变量LSTM模型实现碳金融资产定价框架的拟合与预测。根据所识别的具有高阶矩属性风险传染关系的碳价及其定价因子,构建基于碳金融资产定价框架的实证模型,构造处理金融时间序列具有优势的多层多变量长短期记忆神经网络（multi-layer and multi-variable Long Short-Term Memory Network,Multi-LSTM）对定价框架进行拟合。通过实验手段确定最优的网络结构和参数,提高模型拟合和泛化能力,实现有效收敛。研究发现,相比不考虑高阶矩属性的碳金融资产定价框架,考虑高阶矩属性风险传染的定价框架能够对碳金融资产收益,特别是较长期限（12个月）的收益进行较好的精度预测和模型拟合,Multi-LSTM模型的预测效果和稳定性显着优于其他深度网络模型（Multi-GRU,RNN,MLP）、波动率模型（Garch-M）以及神经网络模型（BP）等分类器,印证了定价模型的优越性以及机器学习方法的拟合优势。研究在理论上证明了所构建的考虑高阶矩属性风险传染的碳金融资产定价框架,能对碳金融资产溢价提供有力解释,表明将高阶矩属性风险传染关系纳入碳资产定价框架的合理性和有效性,拓展了碳金融资产定价理论和方法;在实践上,为碳金融资产定价机制的成熟和完善、减排作用的发挥以及不确定环境下碳金融市场的投融资决策提供参考。
王目树[7]（2019）在《基于模式运动的一类复杂生产过程建模、分析与控制》文中研究表明近年来,针对一类具有统计运动规律的复杂生产过程,很多学者深入研究了基于模式运动的系统动力学描述方法。对于该方法虽然取得了一定的研究成果,但是关于系统稳定性、工况模式的类别划分对系统性能的影响以及确定初始控制（预测）模型结构的方法尚未涉及。本文采用模式类别中心对模式类别变量度量,分析并建立了系统工况模式的类别划分与系统的稳定性、调节性能间的关系,并根据基于模式运动的系统动力学描述方法的特点,提出了基于模式分类的系统建模与控制方法。主要研究成果如下:①为了研究系统工况模式样本的类别划分对系统稳定性的影响,定义了模式类别划分特征,在模式运动状态空间研究了该特征与系统稳定性的关系。首先,由初始控制（预测）模型,推导并建立了系统在欧氏空间内非线性状态空间模型。根据类别划分方法,定义了工况模式类别划分特征。然后,给出了模式运动状态空间的定义,并在其内定义并分析了系统的稳定性,进而建立了系统渐近稳定与类别划分特征间的关系。最后,针对无输入时滞与带输入时滞控制系统,给出了设计状态反馈控制器的方法。②为了研究工况模式聚类参数对系统调节性能的影响,提出了基于粒子群优化的最大熵聚类方法,分析并建立了聚类参数与系统调节性能间的关系。首先,提出了最大熵聚类算法,解决了k-means与ISODATA算法中初始聚类中心及其个数难以确定的问题,且能保证聚类结果概率分布更接近真实样本分布,包含足够多的系统动态信息。然后,定义并提取了系统调节性能指标,包括系统的动态调节性能指标与产品质量调节性能指标。最后,基于覆盖算法提出了构造型分类神经网络,并利用该网络建立聚类参数与调节性能指标间的关系。③为了解决在复杂过程建模中系统初始模型的结构难以估计、参数不易辨识的问题,由基于模式运动的系统动力学描述方法的特点,提出了新的基于模式分类的系统建模与控制方法。首先,分别对系统输入输出数据进行类别划分。通过分析输出类别的条件熵,获取模型的输入输出阶数,进而构造描述系统当前运行状态的模式（简称系统模式）。然后,将当前时刻系统模式所对应的下一时刻的输出类别作为该模式的类别标签,采用覆盖算法建立了系统一步预测模型（分类模型）,并给出了系统的控制方法。该方法将系统建模问题变成模式识别问题。最后,采用构造型分类神经网络对系统模式进行模式分类,实现对系统输出的预测。
曲天雷[8]（2019）在《基于驾驶员行为辨识的电动轮汽车转矩协调分配策略研究》文中研究说明目前,纯电动汽车以其低碳节能、结构简单等优点成为汽车发展的重要方向。其中,四轮独立驱动电动轮汽车（以下简称电动轮汽车）因具备集成度更高且四轮转矩独立可控等诸多优势,近些年一直是纯电动汽车控制技术领域的研究热点。本文针对电动轮汽车,对基于驾驶员行为辨识的转矩协调分配策略进行了深入研究,其主要内容如下:（1）应用系统动力学建立电动轮汽车整车七自由度动力学模型;分析轮胎的力学特性,在此基础上建立Pacejka轮胎数学模型;以Burckhardt模型为基础,建立基于模糊控制算法的路面识别模型,为后续控制策略的研究奠定基础。（2）在对驾驶员行为意图进行深入分析的基础上,针对车辆的动力性和稳定性因素,将驾驶员行为意图分为动力性需求、转向灵敏度需求和轨迹保持需求,确定三种需求对应的模糊规则,并根据驾驶员的状态进行参数自适应调整,运用变论域自适应模糊控制算法辨识驾驶员行为意图。（3）将辨识出的转向灵敏度需求和轨迹保持需求融入到横向稳定性控制算法中,以基于驾驶员需求修正后的横摆角速度和质心侧偏角作为联合控制量构建切换面,通过动态滑模变结构控制算法控制车辆横向稳定性;其次,在降低车轮纵向力对路面附着能力利用率的基础上,以提高车辆动力性和稳定性为优化目标,以横摆力矩、动力性需求和路面附着极限作为约束条件,通过灰色粒子群优化算法进行多目标函数优化,实现四轮驱动力的优化分配;最后,对车轮滑转特性进行分析,以车轮角加速度为控制目标,结合优化分配的四轮驱动力,采用动态滑模变结构控制算法控制四轮电机转矩。（4）将MATLAB/Simulink与Carsim结合,建立基于驾驶员行为辨识的电动轮汽车转矩协调分配策略的联合仿真模型,并针对高速小转弯、中速中转弯和低速大转弯三种行驶工况进行仿真测试。综上所述,通过对基于驾驶员行为辨识的电动轮汽车转矩协调分配策略的研究,能够为四轮独立驱动电动车驱动力分配技术的发展以及促进轮毂电机在电动车上的应用提供理论与技术支持。
徐通[9]（2016）在《基于改进词袋模型的图像分类算法研究》文中进行了进一步梳理近年来,随着对Bag of visual words（Bo VW）模型的不断研究,使得其在图像处理领域得到广泛的应用。由于图像在人们生活工作中发挥着不可或缺的作用,因此如何在庞大的图像数据库中,快速准确地查找到人们所需要的图像信息是至关重要的。论文主要研究基于视觉词袋模型的图像分类方法,针对视觉词袋模型中存在的问题做出了相应的改进。论文研究的主要问题概括为以下三个方面:1.提出一种基于角点和图论的感兴趣区域分割算法,自动确定图像中感兴趣区域。首先对图像进行角点提取,然后对角点构造无向图,依据图论的方法对角点进行筛选,确定感兴趣区域。论文选取Caltech 100数据集中的数据作为实验对象,证明了算法的有效性。2.在改进的词袋模型的基础上,引入模糊隶属度函数对词袋模型进行优化。在图像直方图向量构建过程中,引入不同的模糊隶属度函数,构造图像的模糊直方图向量表示,再结合SVM算法,进而完成对查询图像的分类过程。实验结果表明采用改进后的方法分类得到的图像结果有了明显的提高。3.引入多核并行计算技术,对视觉词袋模型算法进行并行优化,进而提高算法的执行效率。依据视觉词袋模型和多核并行计算的原理对算法进行优化,包括特征提取、特征聚类和图像直方图生成三个部分。实验结果证明了并行多核计算提高了算法的效率和其在图像分类中的实用性。
罗耀耀[10]（2013）在《航空伽玛能谱稳谱技术研究》文中研究说明航空伽玛能谱测量是将航空γ能谱仪安装在飞机上探测陆地介质放出的γ射线，进而确定地表介质中U、Th、K的含量。航空γ能谱测量技术是放射性矿产勘查、地质填图、辐射环境调查和核应急等领域的主要支撑技术。航空伽玛能谱稳谱的实现是提高航空伽玛能谱系统的稳定性和航空伽玛能谱测量数据的质量的重要保证。论文选题来源于“十一五”863计划重大项目课题“航空伽玛能谱勘查系统研发”（课题编号：2006AA06A207）和国家自然科学基金项目“核地球物理学天然伽玛辐射场研究”（基金编号：40774063）。论文以航空伽玛能谱勘查系统的谱漂为研究对象，在分析航空伽玛能谱测量过程中谱漂产生原因的基础上，通过理论研究、物理实验、数值模拟和生产试验，论文设计并实现了新的硬软件相结合的PID自动稳谱技术。论文成果具有重大的实用价值和科学意义。论文对国内外航空伽玛能谱测量技术和伽玛能谱稳谱方法技术进行了广泛调研、分析与总结。在此基础上开展了航空伽玛能谱稳谱技术研究，研究内容涉及：，1)较深入地探讨了航空伽玛能谱仪仪器谱的形成机理和仪器谱谱漂产生的原因。以大晶体NaI（Tl）闪烁计数器为伽玛射线探测器，开展伽玛能谱温漂实验和温漂规律研究，为航空伽玛能谱的稳谱提供理论与实验基础；2)将比例-积分-微分（PID）控制调节技术应用于航空伽玛能谱的稳谱，研究PID算法中稳谱参数的整定方法，包括稳谱参数的定义，基于模糊控制的自整定方法，多种PID算法比较等，为航空伽玛能谱测量提供一种新的软硬件结合的稳谱技术；3)开展软件稳谱方法技术研究。其中包含数字平移方法、抽样率转化以及GMM模型的谱线校正方法，为仪器谱的软件稳谱方法提供数学模型；4)开展光滑，降噪、扣本底、谱漂提取等仪器谱数据处理技术研究，为稳谱技术的实现提出高质量的仪器谱；5)开展航空伽玛能谱测量的应用试验，检验稳谱效果。论文的主要研究成果与创新点如下：1)在分析航空伽玛射线仪器谱形成的基础上，探讨了仪器谱漂移产生的原因。在航空伽玛能谱测量过程中，航空NaI（Tl）闪烁计数器的温度效应是航空伽玛能谱产生漂移的主要因素；通过室内物理实验表明，航空NaI（Tl）闪烁计数器温度效应可以产生能谱的正向漂移，采用3阶多项函数进行描述，其拟合系数优于0.99。为航空伽玛能谱的稳谱提供理论依据和实验基础。2)在理论研究和数值模拟的基础上，提出了硬件、软件相结合的模糊自整定PID稳谱技术。建立了采用比例（P）环节和微分（D）环节实现根据谱漂进行判断，产生超前校正；采用积分（I）环节减小航空能谱仪谱漂的负反馈校正方法。根据模糊控制算法，由谱漂以及谱漂的变化率实现对比例系数，积分系数和微分系数的自整定。3)为有效获取航空伽玛射线仪器谱特征峰净峰面积，提出小波多次迭代扣本底技术。该方法利用小波多分辨率的思想，采用多次迭代的方法实现了对本底的扣除。对模拟的谱线数据表明：峰的强度（峰高）发生变化的时候，会影响对本底扣除的效果，当高斯峰的强度由20到5的时候，其峰面积的变化与实际峰面积的变化相比均小于5%；当峰固定为20的时候，外加噪声从1倍单位噪声（从0到1的高斯分布的随机噪声）到4倍噪声的时候，理论本底与估计本底的偏差低于5%，该方法在扣除本底的过程中，不会在谱线数据中出现无物理意义的负数。4)提出了基于信号处理的稳谱方法，实现对已采集仪器谱的自稳谱。分别采用数字平移，抽样率转换与小高斯函数拟合的方式，实现了谱线的校正。当航空能谱仪处于256道分辨率，谱漂为11道的条件下，经过校正后的谱线的K峰（1.46MeV）和Th峰（2.62MeV）的能量特征峰的变化在±1道范围内；与在同一条件下测量的标准谱线（未发生谱漂的谱线）比较，其K道，Th道和总道的峰面积的相对偏差均优于5%。5) PID稳谱技术已应用于AGS-863航空伽玛能谱仪。经静态试验和动态试验结果表明，经过29秒可以使40K-1.46MeV的能量特征峰稳定在±1道（256道）；人工使谱线漂移16道之后，航空能谱系统能在180秒以内稳定在±2道（1024道），在240秒之内稳定在±1道（1024道）。AGS-863航空伽玛能谱仪在内蒙某试验区开展了20000测线公里的试生产性飞行，获得了高质量的航空伽玛能谱数据，成功地圈定了试验区的地层。
二、高斯混合模型和自调整模糊控制器在ICA算法中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、高斯混合模型和自调整模糊控制器在ICA算法中的应用（论文提纲范文）
（1）非结构化动态环境中机器人接触交互柔顺控制策略与实验研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 柔顺控制 |
| 1.2.2 经典控制融合的阻抗控制 |
| 1.2.3 智能控制融合的阻抗控制 |
| 1.2.4 环境感知 |
| 1.2.5 接触过渡控制 |
| 1.3 论文研究工作及创新点 |
| 2 机器人接触建模及柔顺控制框架研究 |
| 2.1 引言 |
| 2.2 机器人动力学及控制 |
| 2.2.1 机器人动力学分析 |
| 2.2.2 机器人动力学控制 |
| 2.3 机器人接触建模及柔顺控制 |
| 2.3.1 接触过程模型 |
| 2.3.2 基于动力学的阻抗控制 |
| 2.3.3 基于位置的阻抗控制 |
| 2.3.4 混合控制 |
| 2.4 机器人交互柔顺控制框架研究 |
| 2.5 本章小结 |
| 3 基于动态更新速率的自适应阻抗控制研究 |
| 3.1 引言 |
| 3.2 问题描述和控制目标 |
| 3.3 经典柔顺控制策略 |
| 3.3.1 混合阻抗控制 |
| 3.3.2 自适应混合阻抗控制 |
| 3.3.3 控制性能分析 |
| 3.4 基于动态更新速率的自适应混合阻抗控制器设计 |
| 3.4.1 动态更新率设计 |
| 3.4.2 权重参数设计 |
| 3.4.3 稳定性和边界分析 |
| 3.4.4 控制器算法实施 |
| 3.5 仿真研究 |
| 3.5.1 仿真参数设置 |
| 3.5.2 仿真结果 |
| 3.6 本章小结 |
| 4 基于PID和分数阶的平滑自适应阻抗控制研究 |
| 4.1 引言 |
| 4.2 控制目标 |
| 4.3 基于PID的平滑自适应阻抗控制器设计 |
| 4.3.1 前置PID控制器设计 |
| 4.3.2 稳定性和边界分析 |
| 4.4 基于分数阶的平滑自适应阻抗控制器设计 |
| 4.4.1 自适应分数阶阻抗控制器设计 |
| 4.4.2 分数阶计算 |
| 4.4.3 前置PID分数阶阻抗控制器设计 |
| 4.4.4 模糊逻辑控制器设计 |
| 4.4.5 稳定性及边界分析 |
| 4.5 控制效果分析 |
| 4.6 仿真研究 |
| 4.6.1 基于PID的平滑自适应整数阶阻抗控制仿真结果 |
| 4.6.2 基于PID的平滑自适应分数阶阻抗控制仿真结果 |
| 4.6.3 分数阶阻抗控制振动抑制分析 |
| 4.7 本章小结 |
| 5 基于传感-执行模式的自适应切换阻抗控制研究 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 基于传感-执行模式的自适应切换控制策略 |
| 5.4 环境自感应装置、信号电路和估计算法设计 |
| 5.4.1 自感应测量装置设计 |
| 5.4.2 桥接信号电路设计 |
| 5.4.3 估计算法设计 |
| 5.5 混合控制器设计 |
| 5.5.1 精度/鲁棒性问题 |
| 5.5.2 混合控制器设计 |
| 5.5.3 稳定性分析 |
| 5.6 缓和控制器设计 |
| 5.6.1 接触缓和策略 |
| 5.6.2 稳定性分析 |
| 5.7 仿真研究 |
| 5.7.1 仿真参数设置 |
| 5.7.2 自适应切换控制仿真结果 |
| 5.7.3 自适应信号提取仿真 |
| 5.8 本章小结 |
| 6 机器人接触交互柔顺控制实验研究 |
| 6.1 引言 |
| 6.2 机器人控制实验平台 |
| 6.3 机器人接触力控制实验结果 |
| 6.3.1 基于动态更新速率的自适应阻抗控制实验结果 |
| 6.3.2 基于PID的平滑自适应阻抗控制实验结果 |
| 6.4 本章小结 |
| 7 结论和展望 |
| 7.1 全文总结 |
| 7.2 展望及后续工作 |
| 参考文献 |
| 附录 |
| A.机器人运动控制系统程序代码 |
| B.作者在攻读学位期间发表的论文目录 |
| C.作者在攻读博士学位期间参与研究的课题目录 |
| D.学位论文数据集 |
| 致谢 |
（2）智能四轮独立驱动轮毂电机电动汽车自适应转向研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 本文研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 四轮独立驱动轮毂电机电动汽车控制研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 驾驶员特性与行为意图研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 本文研究的主要内容 |
| 2 基于驾驶模拟器的驾驶员转向特性分类 |
| 2.1 驾驶模拟器硬件在环实验平台介绍 |
| 2.1.1 驾驶模拟器功能 |
| 2.1.2 驾驶模拟器软硬件组成 |
| 2.1.3 驾驶模拟器性能指标 |
| 2.2 实验平台工作原理 |
| 2.3 实验平台操作流程 |
| 2.4 实时车辆仿真模型建立 |
| 2.5 驾驶员转向特性分类 |
| 2.5.1 驾驶模拟器实验设计 |
| 2.5.2 基于模糊C均值聚类的驾驶员转向特性分类 |
| 2.6 本章小结 |
| 3 驾驶员转向特性辨识与参考模型建立 |
| 3.1 神经网络简介 |
| 3.2 驾驶员转向特性辨识模型建立 |
| 3.2.1 BP神经网络结构 |
| 3.2.2 BP神经网络辨识模型建立 |
| 3.2.3 辨识模型的验证 |
| 3.3 驾驶员转向特性参考模型建立 |
| 3.3.1 RBF神经网络介绍 |
| 3.3.2 RBF神经网络参考模型建立 |
| 3.3.3 参考模型验证 |
| 3.4 本章小结 |
| 4 电动汽车横摆力矩参数自调整模糊控制 |
| 4.1 车速估算 |
| 4.1.1 三自由度车辆模型 |
| 4.1.2 扩展Kalman滤波原理 |
| 4.1.3 基于扩展Kalman滤波的车辆状态估计 |
| 4.1.4 实验验证 |
| 4.2 横摆力矩控制结构原理 |
| 4.3 横摆力矩决策控制器设计 |
| 4.3.1 参考模型 |
| 4.3.2 参数自调整模糊控制器设计 |
| 4.4 驱动力分配器设计 |
| 4.5 仿真实验验证 |
| 4.6 本章小结 |
| 5 自适应转向控制驾驶模拟器实验验证 |
| 5.1 四轮轮毂电机电动汽车自适应转向控制原理 |
| 5.2 驾驶员转向特性在线辨识 |
| 5.3 转向特性参考模型匹配 |
| 5.4 自适应转向控制在线验证 |
| 5.5 本章小结 |
| 6 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读硕士期间发表学术论文情况 |
| 致谢 |
（3）多重谱峰的分解方法（论文提纲范文）
| 1 高斯混合模型 |
| 2 高斯混合模型对函数的逼近 |
| 3 高斯混合模型的参数估计 |
| 1) 初始化: |
| 2) E-步: |
| 3) M-步: |
| 4 重叠谱峰的分解 |
| 4.1 高斯混和函数的随机抽样 |
| 4.2 离散直接抽样法 |
| 4.3 重叠谱峰的分解实例 |
| 1) 例1:重叠峰分解的数值模拟 |
| 2) 例2:实例分析 |
| 5 结论 |
（4）高斯混合模型和自调整模糊控制器在ICA算法中的应用（论文提纲范文）
| 第一章 绪论 |
| 1.1 盲信号处理近年来的研究与发展 |
| 1.1.1 盲信号处理背景及其现状 |
| 1.1.2 盲信号的分离问题 |
| 1.1.3 盲解卷与盲均衡问题 |
| 1.2 盲信号分离的几种算法 |
| 1.2.1 ＩＣＡ 算法的研究 |
| 1.2.2 因子分析(ＦＡ)和独立因子分析算法的研究 |
| 1.2.3 盲信号抽取(ＢＳＥ)方法的研究 |
| 1.3 本文的主要工作 |
| 第二章 ＩＣＡ 算法 |
| 2.1 ＩＣＡ 算法的基本知识 |
| 2.1.1 源信号的 ｐｄｆ 的描述 |
| 2.1.2 源信号与混合阵的等价尺度变换 |
| 2.1.3 解的等价性 |
| 2.1.4 Ｋｕｌｌｂａｃｋ Ｌｅｉｂｌｅｒ 发散度 |
| 2.1.5 随机向量各分量统计独立性的衡量 |
| 2.1.6 线性变换下两价目pdf之间的关系 |
| 2.1.7 非线性变换下两个 ｐｄｆ 之间的关系 |
| 2.1.8 信号源不可分的原因 |
| 2.2 ＩＣＡ 算法的目标函数 |
| 2.2.1 最大似然目标函数 |
| 2.2.2 统计独立性目标函数 |
| 2.2.3 信息最大化(最大熵)目标函数 |
| 2.2.4 ICA算法的目标函数形式 |
| 2.3 ＩＣＡ 算法的学习算法 |
| 2.3.1 相对梯度学习算法 |
| 2.3.2 相对梯度学习算法的等价变化性 |
| 2.3.3 自然梯度学习算法 |
| 第三章 基于高斯混合模型的 ＩＣＡ 算法 |
| 3.1 ＩＣＡ 算法中的 ｐｄｆ 的确定一般方法 |
| 3.1.1 ＩＣＡ 中常用的 p?i(?)及相应的?i(?) |
| 3.2 高斯混合模型 |
| 3.3 用 ＥＭ 算法确定高斯混合模型的参数 |
| 3.3.1 最大似然函数 |
| 3.3.2 ＥＭ 算法的基础知识 |
| 3.3.3 通过 ＥＭ 算法求高斯混合模型联合密度函数的参数 |
| 3.4 高斯混合模型在 ＩＣＡ 算法中的应用 |
| 3.4.1 高斯混合模型的对数似然函数及其参数确定 |
| 3.4.2 高斯混合模型在 ＩＣＡ 学习算法中的应用 |
| 3.5 基于高斯混合模型 ＩＣＡ 算法的仿真 |
| 3.5.1 高斯混合模型对密度函数逼近 |
| 3.5.2 基于高斯混合模型ＩＣＡ算法的仿真 |
| 3.6 结论 |
| 第四章 基于步幅自适应的 ＩＣＡ 学习算法 |
| 4.1 基本遗传算法及其实现 |
| 4.1.1 遗传操作 |
| 4.1.2 遗传算法的实现 |
| 4.2 基于自调整因子a模糊控制器的设计 |
| 4.2.1 模糊控制器结构的设计 |
| 4.2.2 输入输出语言变量的设计 |
| 4.2.3 模糊控制规则的建立 |
| 4.2.4 精确量的模糊化及模糊量的清晰化 |
| 4.2.5 用遗传算法实现可调因子a的寻优 |
| 4.2.6 步幅自适应学习过程 |
| 4.3 基于自调整因子a模糊控制器的步长自适应 ＩＣＡ 算法的仿真 |
| 4.4 结论 |
| 第五章 总结 |
| 参考文献 |
| 发表论文及参加科研情况说明 |
| 致谢 |
（5）自动驾驶汽车弯道转向控制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.2 驾驶员行为分析国内外现状 |
| 1.3 自动驾驶车辆横向控制国内外现状 |
| 1.3.1 基于经典控制理论的车辆横向控制 |
| 1.3.2 基于现代控制理论的车辆横向控制 |
| 1.3.3 基于智能控制的车辆横向控制 |
| 1.4 本文研究内容 |
| 第2章 试验平台和车辆模型 |
| 2.1 车辆动力学模型 |
| 2.2 仿真测试平台 |
| 2.2.1 仿真软件Pre Scan简介 |
| 2.2.2 模拟驾驶平台搭建 |
| 2.3 实车试验平台 |
| 2.3.1 车辆信息 |
| 2.3.2 硬件设备 |
| 2.4 车辆动力学模型验证 |
| 2.5 本章小结 |
| 第3章 基于模型预测的车辆横向控制 |
| 3.1 模型预测控制原理 |
| 3.1.1 预测模型 |
| 3.1.2 滚动优化 |
| 3.1.3 反馈校正 |
| 3.2 车辆转向控制器设计 |
| 3.2.1 横摆动力学模型 |
| 3.2.2 模型离散化 |
| 3.2.3 约束建立 |
| 3.2.4 优化求解 |
| 3.2.5 反馈校正 |
| 3.3 仿真测试 |
| 3.3.1 测试工况1:高附着路面,不同车速下的控制效果 |
| 3.3.2 测试工况2:同样车速,不同附着系数路面下的控制效果 |
| 3.3.3 测试工况3:相同工况下MPC控制器和熟练驾驶员 |
| 3.4 本章小结 |
| 第4章 驾驶员转向行为评价 |
| 4.1 驾驶员数据采集与分析 |
| 4.1.1 场景设计与数据采集 |
| 4.1.2 数据处理与分析 |
| 4.2 评价体系建立 |
| 4.2.1 评价指标体系构建 |
| 4.2.2 评价方法选择 |
| 4.3 层次分析法实现 |
| 4.4 模糊综合评价算法与实现 |
| 4.4.1 模糊综合评价算法 |
| 4.4.2 模糊综合评价模型建立 |
| 4.5 本章小结 |
| 第5章 基于BP神经网络的车辆弯道转向控制 |
| 5.1 控制器框架 |
| 5.2 BP神经网络 |
| 5.2.1 BP神经网络算法 |
| 5.2.2 LM算法原理 |
| 5.3 横向控制器设计及仿真测试 |
| 5.4 实车验证 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 全文总结 |
| 6.2 不足与展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（6）考虑高阶矩属性风险传染的碳金融资产定价研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景、目的与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目标 |
| 1.1.3 研究意义 |
| 1.2 相关文献综述 |
| 1.2.1 基于矩属性风险传染的金融资产定价研究 |
| 1.2.2 碳金融资产价格波动特征研究 |
| 1.2.3 碳金融资产定价方法研究 |
| 1.2.4 研究述评 |
| 1.3 研究内容 |
| 1.4 研究方法与技术路线 |
| 1.5 研究创新点 |
| 1.6 本章小结 |
| 第二章 考虑高阶矩属性风险传染的碳金融资产定价理论框架构建 |
| 2.1 碳金融资产定价相关概念 |
| 2.1.1 碳金融资产的基本内涵 |
| 2.1.2 碳金融资产阶矩属性内涵 |
| 2.1.3 基于高阶矩属性的碳金融资产风险传染内涵 |
| 2.2 金融资产定价相关理论基础 |
| 2.2.1 投资者理性预期的金融资产定价理论 |
| 2.2.2 投资者有限理性的金融资产定价理论 |
| 2.3 矩属性视角下碳金融市场风险传染理论 |
| 2.3.1 基于市场联动的碳金融市场低阶矩风险传染 |
| 2.3.2 基于投资者有限理性的碳金融市场“净传染”理论 |
| 2.4 考虑高阶矩属性风险传染的碳金融资产定价框架研究 |
| 2.4.1 基于有限理性的碳金融市场效率理论 |
| 2.4.2 多元框架下碳金融资产拓展高阶矩CAPM定价理论研究 |
| 2.4.3 高阶矩资产定价框架下的碳金融市场风险传染研究 |
| 2.4.4 高阶矩属性风险传染的碳金融资产多因子定价框架构建 |
| 2.5 本章小结 |
| 第三章 考虑高阶矩属性风险传染的碳金融资产定价模型设计 |
| 3.1 碳金融资产高阶矩属性风险传染测度模型 |
| 3.1.1 碳金融市场波动趋势异质性分析 |
| 3.1.2 基于波动趋势异质性的碳金融资产风险传染模型构建 |
| 3.2 考虑高阶矩属性风险传染的碳金融资产定价模型设计 |
| 3.2.1 二元框架CAPM碳金融资产定价模型构建 |
| 3.2.2 基于风险传染关系的碳金融资产多因子定价模型设计 |
| 3.3 基于Multi-LSTM模型的碳金融资产定价框架拟合 |
| 3.3.1 LSTM模型的碳价拟合优势 |
| 3.3.2 基于LSTM的碳金融资产定价模型结构与训练 |
| 3.3.3 基于LSTM模型的碳金融资产定价效果评价标准 |
| 3.4 本章小结 |
| 第四章 考虑高阶矩属性风险传染的碳金融资产定价的实证研究 |
| 4.1 研究样本与基础统计分析 |
| 4.1.1 研究样本 |
| 4.1.2 基本统计分析与数据预处理 |
| 4.2 碳金融资产高阶矩属性风险传染的测度与分析 |
| 4.2.1 碳金融市场波动趋势分析 |
| 4.2.2 基于波动趋势异质性的碳金融资产协高阶矩统计分析 |
| 4.2.3 基于波动趋势异质性的碳金融资产高阶矩属性风险传染分析 |
| 4.3 基于Multi-LSTM模型的碳金融资产定价测度 |
| 4.3.1 基于高阶矩属性风险传染的碳金融资产定价模型重构 |
| 4.3.2 基于Multi-LSTM模型的碳价拟合结构优化 |
| 4.3.3 基于Multi-LSTM模型的碳金融资产定价模型效果分析 |
| 4.4 本章小结 |
| 第五章 研究结论与展望 |
| 5.1 研究结论 |
| 5.2 管理启示 |
| 5.3 研究展望 |
| 参考文献 |
| 攻读博士学位期间的学术活动及成果情况 |
（7）基于模式运动的一类复杂生产过程建模、分析与控制（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 符号清单 |
| 1 引言 |
| 1.1 课题的研究背景与意义 |
| 1.2 基于模式的系统建模与控制综述 |
| 1.2.1 基于模式的建模与状态估计 |
| 1.2.2 基于模式的故障诊断与缺陷辨识 |
| 1.2.3 基于模式的系统控制 |
| 1.2.4 基于模式运动的系统建模与控制 |
| 1.3 论文的研究内容 |
| 1.4 论文的组织结构 |
| 2 基于模式运动的系统建模与控制框架 |
| 2.1 引言 |
| 2.2 基本概念 |
| 2.2.1 模式运动 |
| 2.2.2 统计性变量 |
| 2.3 基于模式运动的建模与控制框架 |
| 2.3.1 系统运行子空间与工况特征子空间 |
| 2.3.2 模式运动“空间”与模式类别变量 |
| 2.3.3 基于模式运动的系统建模与控制 |
| 2.4 木章小结 |
| 3 系统稳定性与工况模式类别划分 |
| 3.1 引言 |
| 3.2 系统非线性状态空间模型 |
| 3.3 系统稳定性定义与分析 |
| 3.3.1 系统稳定性定义 |
| 3.3.2 系统稳定性分析 |
| 3.4 无输入时滞系统控制 |
| 3.5 带输入时滞系统控制 |
| 3.6 仿真验证 |
| 3.6.1 无输入时滞系统建模与控制 |
| 3.6.2 带输入时滞系统控制 |
| 3.6.3 输出类别划分对原控制系统的影响 |
| 3.6.4 关于非线性部分的讨论 |
| 3.7 本章小结 |
| 4 系统调节性能与工况模式类别划分 |
| 4.1 引言 |
| 4.2 基于粒子群的最大熵聚类算法 |
| 4.2.1 粒子群寻优算法 |
| 4.2.2 基于粒子群的最大熵聚类算法 |
| 4.3 调节性能与类别划分 |
| 4.3.1 状态反馈控制方法 |
| 4.3.2 生产过程调节性能描述 |
| 4.4 构造型分类神经网络 |
| 4.4.1 构造型分类神经网络 |
| 4.4.2 分类神经网络训练 |
| 4.4.3 泛化能力分析 |
| 4.4.4 提高网络泛化能力方法 |
| 4.5 数值仿真 |
| 4.5.1 最大熵聚类方法 |
| 4.5.2 模式运动“空间”构造 |
| 4.5.3 聚类参数对调节性能影响 |
| 4.5.4 聚类参数与调节性能间的映射 |
| 4.5.5 神经网络泛化能力分析 |
| 4.6 本章小结 |
| 5 基于模式分类的系统建模与控制 |
| 5.1 引言 |
| 5.2 基于模式分类的系统建模 |
| 5.2.1 基于模式分类的系统模型 |
| 5.2.2 系统模型阶数辨识 |
| 5.2.3 基于覆盖分类的系统建模 |
| 5.2.4 覆盖分类器在线更新 |
| 5.3 基于覆盖分类模型的系统控制 |
| 5.3.1 基于预测模型的系统控制 |
| 5.3.2 控制系统稳定性分析 |
| 5.4 基于构造型分类神经网络的输出预测 |
| 5.4.1 基于构造型分类神经网络的输出预测 |
| 5.4.2 网络的训练与在线更新 |
| 5.5 仿真研究 |
| 5.5.1 基于覆盖分类的系统建模 |
| 5.5.2 基于覆盖分类的系统控制 |
| 5.5.3 基于构造型分类神经网络的输出预测 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 论文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（8）基于驾驶员行为辨识的电动轮汽车转矩协调分配策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 背景及意义 |
| 1.2 驾驶员行为意图辨识的国内外研究现状 |
| 1.3 电动轮汽车转矩分配的国内外研究现状 |
| 1.3.1 电动轮汽车转矩分配的国外研究现状 |
| 1.3.2 电动轮汽车转矩分配的国内研究现状 |
| 1.4 主要研究内容 |
| 第2章 电动轮汽车动力学建模 |
| 2.1 整车动力学模型 |
| 2.2 Pacejka轮胎模型 |
| 2.3 电机数学模型 |
| 2.4 路面识别模型 |
| 2.4.1 车轮动力学特性分析 |
| 2.4.2 路面识别原理分析 |
| 2.4.3 路面识别模糊算法 |
| 2.5 本章小结 |
| 第3章 驾驶员行为意图辨识方法研究 |
| 3.1 驾驶员行为意图分析 |
| 3.1.1 驾驶员动力性需求分析 |
| 3.1.2 驾驶员稳定性需求分析 |
| 3.2 驾驶员行为意图辨识方法 |
| 3.2.1 变论域自适应模糊控制理论 |
| 3.2.2 参数自调整设计 |
| 3.3 驾驶员行为意图辨识模型 |
| 3.3.1 驾驶员动力性需求辨识 |
| 3.3.2 驾驶员稳定性需求辨识 |
| 3.4 驾驶员行为意图辨识方法仿真分析 |
| 3.5 本章小结 |
| 第4章 基于驾驶员行为辨识的转矩协调分配策略 |
| 4.1 总体方案设计 |
| 4.2 横向稳定性控制策略 |
| 4.2.1 动态滑模变结构控制理论 |
| 4.2.2 横向稳定性控制算法 |
| 4.3 基于驾驶员行为辨识的转矩协调分配策略 |
| 4.3.1 路面峰值附着系数对驱动力分配的影响 |
| 4.3.2 车轮纵向驱动力分布对横摆力矩分配的影响 |
| 4.3.3 四轮驱动力分配策略 |
| 4.3.4 驱动转矩控制策略 |
| 4.4 本章小结 |
| 第5章 基于驾驶员行为辨识的转矩协调分配策略仿真分析 |
| 5.1 电动轮汽车仿真模型的建立 |
| 5.1.1 基于MATLAB/Simulink的控制策略仿真模型 |
| 5.1.2 基于MATLAB/Simulink与 Carsim的联合仿真建模 |
| 5.2 仿真结果与分析 |
| 5.2.1 高速小转弯工况仿真测试 |
| 5.2.2 中速中转弯工况仿真测试 |
| 5.2.3 低速大转弯工况仿真测试 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
（9）基于改进词袋模型的图像分类算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及研究意义 |
| 1.2 研究目标和主要研究内容 |
| 1.3 论文结构 |
| 第2章 基于传统视觉词袋模型的图像分类 |
| 2.1 词袋模型 |
| 2.1.1 词袋模型简介 |
| 2.1.2 视觉词袋模型 |
| 2.1.3 图像视觉特征提取 |
| 2.2 分类器分类方法 |
| 2.2.1 分类器SVM简介 |
| 2.2.2 核函数 |
| 2.3 基于视觉词袋模型算法的图像分类 |
| 2.3.1 图像分类的评价准则 |
| 2.3.2 基于BoVW的图像分类算法 |
| 2.4 实验结果及分析 |
| 2.5 本章小结 |
| 第3章 基于角点和图论的感兴趣区域分割算法 |
| 3.1 角点特征检测 |
| 3.1.1 Harris角点检测算法 |
| 3.1.2 Shi-Tomasi角点检测算法 |
| 3.2 图论算法 |
| 3.2.1 图论的基础概念 |
| 3.2.2 图与图像的对应关系 |
| 3.3 基于角点和图论的感兴趣区域分割算法 |
| 3.4 实验结果及分析 |
| 3.5 本章小结 |
| 第4章 结合模糊理论的视觉词袋模型算法 |
| 4.1 模糊理论 |
| 4.1.1 模糊集合的概念 |
| 4.1.2 模糊集合运算及隶属度函数 |
| 4.2 图像的直方图向量表达 |
| 4.2.1 传统直方图向量表达生成 |
| 4.2.2 结合模糊理论的图像直方图向量 |
| 4.2.3 利用改进的视觉词袋模型分类图像 |
| 4.3 实验结果及分析 |
| 4.4 本章小结 |
| 第5章 结合多核并行技术的词袋模型算法 |
| 5.1 多核并行技术 |
| 5.1.1 fork-join并行编程模型 |
| 5.1.2 OpenMP程序的内存模型 |
| 5.2 结合多核并行计算的视觉词袋模型算法优化 |
| 5.2.1 视觉特征提取并行优化 |
| 5.2.2 特征聚类并行优化 |
| 5.2.3 图像直方图生成并行优化 |
| 5.2.4 并行调度策略 |
| 5.3 实验结果及分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 创新内容 |
| 6.3 进一步的工作 |
| 参考文献 |
| 致谢 |
| 附录 |
| 附录 1：攻读硕士学位期间已发表或待发表的论文 |
| 附录 2：攻读硕士学位期间参与的科研项目 |
| 附录 3：攻读硕士学位期间参与的竞赛 |
（10）航空伽玛能谱稳谱技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 选题依据与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 航空伽玛能谱测量技术的研究现状 |
| 1.2.2 航空伽玛能谱测量稳谱技术的研究现状 |
| 1.3 主要研究内容与创新 |
| 1.3.1 主要研究内容 |
| 1.3.2 创新点 |
| 第2章 航空伽玛能谱测量的物理基础 |
| 2.1 伽玛射线的来源与分布 |
| 2.1.1 天然伽玛射线的来源 |
| 2.1.2 天然放射性核素在自然界中的分布 |
| 2.2 航空伽玛能谱定量分析 |
| 2.3 航空伽玛能谱稳谱的必要性 |
| 第3章 航空伽玛能谱仪器谱特征与谱漂原因探讨 |
| 3.1 航空伽玛射线仪器谱的形成及影响因素 |
| 3.1.1 航空伽玛射线的测量原理 |
| 3.1.2 航空伽玛射线仪器谱的复杂化 |
| 3.1.3 航空伽玛射线仪器谱特征 |
| 3.2 航空γ能谱仪谱漂产生的原因 |
| 3.2.1 NaI（TI）闪烁体受温度的影响 |
| 3.2.2 光电倍增管的温度效应 |
| 3.2.3 元器件的影响 |
| 3.2.4 高压变化的影响 |
| 3.2.5 地磁场变化产生的影响 |
| 3.3 单晶体温度效应实验 |
| 3.3.1 温度效应实验平台 |
| 3.3.2 长期工作的温漂试验 |
| 3.3.3 NaI(T1)闪烁探测器的温漂规律研究 |
| 第4章 航空伽玛能谱 PID 稳谱技术 |
| 4.1 PID 算法的原理和优点 |
| 4.2 数字式 PID 控制算法 |
| 4.3 PID 稳谱方法的实现 |
| 4.4 PID 稳谱的数值模拟 |
| 4.4.1 谱漂状态转移模拟 |
| 4.4.2 参数的工程整定模拟 |
| 4.5 基于模糊控制 PID 自整定方法 |
| 4.5.1 模糊控制的 PID 参数的自整定的原理 |
| 4.5.2 模糊规则建立 |
| 4.5.3 模糊 PID 控制算法分析 |
| 4.5.4 模糊控制的参数模拟整定与结果分析 |
| 4.6 谱漂的获取 |
| 4.6.1 谱线的光滑与降噪 |
| 4.6.2 本底扣除 |
| 4.6.3 谱线的寻峰 |
| 4.6.4 谱漂的提取 |
| 4.7 PID 稳谱的硬件实现 |
| 4.7.1 稳谱电路的结构 |
| 4.7.2 数控增益放大器模块的设计[74] |
| 4.8 系统的评价 |
| 4.8.1 系统误差的讨论 |
| 4.9 本章小结 |
| 第5章 基于信号处理的稳谱技术 |
| 5.1 基于数字平移的校正方法 |
| 5.2 基于抽样率转化的谱线校正方式 |
| 5.3 基于 GMM 模型的校正方法 |
| 5.4 谱线校正的应用与评价 |
| 第6章 航空伽玛能谱稳谱技术的应用 |
| 6.1 AGS-863 航空伽玛能谱勘查系统 |
| 6.1.1 系统的组成 |
| 6.1.2 系统的性能技术指标 |
| 6.2 航空伽玛能谱稳谱效果分析 |
| 6.2.1 室内实验室稳谱效果测试 |
| 6.2.2 车载稳谱实验分析 |
| 6.2.3 测区工作时稳谱状态 |
| 6.3 航空伽玛能谱测量应用效果 |
| 6.3.1 测量范围 |
| 6.3.2 试验区地质构造特征 |
| 6.3.3 空地伽玛能谱测量结果比对 |
| 6.3.4 航空伽玛能谱反映的地层 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
四、高斯混合模型和自调整模糊控制器在ICA算法中的应用（论文参考文献）
- [1]非结构化动态环境中机器人接触交互柔顺控制策略与实验研究[D]. 曹宏利. 重庆大学, 2020
- [2]智能四轮独立驱动轮毂电机电动汽车自适应转向研究[D]. 韩海兰. 辽宁工业大学, 2016(07)
- [3]多重谱峰的分解方法[J]. 黄洪全,何子述,方方,龚迪琛,丁卫撑. 原子能科学技术, 2010(09)
- [4]高斯混合模型和自调整模糊控制器在ICA算法中的应用[D]. 吴鹏. 天津大学, 2004(01)
- [5]自动驾驶汽车弯道转向控制方法研究[D]. 付皓. 南昌大学, 2021
- [6]考虑高阶矩属性风险传染的碳金融资产定价研究[D]. 云坡. 合肥工业大学, 2020(01)
- [7]基于模式运动的一类复杂生产过程建模、分析与控制[D]. 王目树. 北京科技大学, 2019(07)
- [8]基于驾驶员行为辨识的电动轮汽车转矩协调分配策略研究[D]. 曲天雷. 吉林大学, 2019(11)
- [9]基于改进词袋模型的图像分类算法研究[D]. 徐通. 上海师范大学, 2016(02)
- [10]航空伽玛能谱稳谱技术研究[D]. 罗耀耀. 成都理工大学, 2013(10)