为了提高某随动负载模拟器响应的快速性和准确性,对其进行神经网络滑模控制研究。结合伺服系统的模型,通过非奇异终端滑模控制器对其非线性动态变化做出响应。采用非线性量化小脑模型神经网络控制器输出补偿滑模控制器输出,用梯度下降法更新其权值。非线性量化小脑模型神经网络控制器的泛化能力强、收敛速度快,结合非奇异滑模控制器的鲁棒性强等优点,可以有效降低负载模拟器中非线性因素的影响。仿真实验表明,此方法可以保证系统的稳定性,加快动态响应的速度,提高控制精度。
随动负载模拟器 非线性量化小脑模型 滑模控制 梯度下降法 follow-up load simulator nonlinear quantitative cerebellar model Sliding Mode Control (SMC) gradient descent method
1 武汉大学 电子信息学院，湖北 武汉 430079
2 中国科学院 长春光学精密机械与物理研究所,吉林 长春 130033
利用数字通信的压扩变换原理，提出了12位图像数据到8位数据的16折线等比分区映射方法，来实现在8位显示器上显示12位图像数据的信息。推导出图像信号的线性量化和非线性量化信噪比公式，对3种不同量化方法的信噪比进行了比较。结果显示，在小于35 dB处，8位非线性量化信噪比和12位线性量化信噪比一致；而大于35 dB时，量化信噪比平缓稳定上升。实验表明该方法能有效改善图像的弱信号,在8位显示器上清晰地观察到低亮度图像细节。虽然对图像的高亮度部分进行了压缩，但对图像细节和信噪比影响不大。该方法不仅适用于灰度图像，而且适用于彩色图像，实验效果与理论预期完全一致。
图像显示 色阶映射 非线性量化 压扩变换 image display tone mapping nonlinear quantization companding transformation
