導(dǎo)言：作為寫作愛好者，不可錯(cuò)過為您精心挑選的10篇系統(tǒng)辨識(shí)理論及應(yīng)用，它們將為您的寫作提供全新的視角，我們衷心期待您的閱讀，并希望這些內(nèi)容能為您提供靈感和參考。

篇1

1.系統(tǒng)辨識(shí)的基本理論

系統(tǒng)辨識(shí)是根據(jù)系統(tǒng)的輸入輸出的時(shí)間函數(shù)來確定描述系統(tǒng)行為的數(shù)學(xué)模型，是現(xiàn)代控制理論中的一個(gè)分支。對(duì)系統(tǒng)進(jìn)行分析的主要問題是根據(jù)輸入時(shí)間函數(shù)和系統(tǒng)的特性來確定輸出信號(hào)。它包括確定系統(tǒng)數(shù)學(xué)模型結(jié)構(gòu)和估計(jì)其參數(shù)的方法。系統(tǒng)辨識(shí)的流程如圖1所示。

圖1 系統(tǒng)辨識(shí)過程流程圖

2.模型參數(shù)辨識(shí)的方法

系統(tǒng)辨識(shí)包括模型階次辨識(shí)和參數(shù)辨識(shí)。經(jīng)典參數(shù)辨識(shí)的方法主要有他包括脈沖響應(yīng)法、階躍響應(yīng)法、頻率響應(yīng)法、最小二乘法、相關(guān)分析法、譜分析法和極大似然法等，其中最小二乘法是最基本和最經(jīng)典的，也是其他方法基本的思想的來源。比如輔助變量法。

2.1 最小二乘法辨識(shí)

考慮如下CAR模型：

（1）

參數(shù)估計(jì)的任務(wù)是根據(jù)可測量的輸入和輸出，確定如下個(gè)參數(shù)：

對(duì)象（1）可以寫成如下最小二乘形式：

（2）

現(xiàn)有L組輸入輸出觀測數(shù)據(jù)：

利用最小二乘法得到系統(tǒng)參數(shù)的估計(jì)值為：

（3）

2.2 輔助變量法辨識(shí)

當(dāng)為有色噪聲時(shí)，利用最小二乘法進(jìn)行參數(shù)辨識(shí)時(shí)往往得不到無偏一致的參數(shù)估計(jì)量。在這個(gè)時(shí)候可以引入變量，然后利用最小二乘法進(jìn)行辨識(shí)就可得到無偏一致的參數(shù)估計(jì)量。

因此，對(duì)于線性或本質(zhì)線性系統(tǒng)，其過程的模型都可以化成最小二乘形式，考慮如下所示的模型方程：

（4）

將上式寫成最小二乘格式，則得：

假定存在一個(gè)輔助變量矩陣，維數(shù)與H相同，它滿足以下極限特性：

式中Q是非奇異矩陣。

如果輔助變量滿足上述條件，則有：

（5）

圖2 系統(tǒng)仿真圖

3.建模實(shí)例

3.1 非參數(shù)模型辨識(shí)

某被控對(duì)象的數(shù)學(xué)模型可以表示為：，式中：

;

為白噪聲，編制MATLAB程序，分別對(duì)上述對(duì)象進(jìn)行ARX建模和輔助變量法建模，并比較兩種方法得到的脈沖響應(yīng)。

程序：

clf;

A=[1 -0.5 0.7];B=[0 1 0.5];

tho=poly2th（A，B）

u=idinput（300，'rbs'）;

y=idsim（[u，randn（300，1）]，tho）;

z=[y u];

ir=iv4（z，[2 2 1]）

Discrete-time IDPOLY model：A（q）y（t）=B（q）u（t）+e（t）

A（q）=1-0.5328 q^-1+0.691 q^-2

B（q）=0.9245 q^-1+0.4155q^-2

Estimated using IV4 from data set z

Loss function 1.04941 and FPE 1.07777

Sampling interval：1

th=arx（z，[2 2 1]）

Discrete-time IDPOLY model：A（q）y（t）=B（q）u（t）+e（t）

A（q）=1-0.4918 q^-1+0.7088 q^-2

B（q）=0.9307 q^-1+0.4477 q^-2

Estimated using ARX from data set z

Loss function 1.03855 and FPE 1.06662

Sampling interval：1

imp=[1;zeros（19，1）];

irth1=idsim（imp，ir）;

irth=idsim（imp，th）;

plot（irth1）

hold on

plot（irth，’r’）

title（‘impulse responses’）

系統(tǒng)仿真圖如圖2所示。

利用GUI圖形用戶界面進(jìn)行辨識(shí)，如圖3所示：

圖3 GUI for identification

在Import輸入輸出數(shù)據(jù)后就可以在主界面的Estimate下拉列表中選擇Parame-terMpdels命令進(jìn)入模型辨識(shí)界面.在模型辨識(shí)界面可以進(jìn)行模型選擇，模型階次的選擇，當(dāng)選擇好參數(shù)后進(jìn)行Estimate，得到辨識(shí)結(jié)果（如圖4、圖5所示）：

圖4 辨識(shí)結(jié)果

圖5 辨識(shí)結(jié)果

可以看到辨識(shí)結(jié)果同直接輸入命令得到的結(jié)果相同，原因在于圖（下轉(zhuǎn)封三）（上接第199頁）形界面調(diào)用的命令和程序代碼調(diào)用的命令是一樣的。

3.2 參數(shù)模型辨識(shí)

對(duì)時(shí)間序列：

分別采用最小二乘法估計(jì)、輔助變量法進(jìn)行AR模型估計(jì)，并繪制頻譜圖.式中為有色噪聲。

程序：

v=randn（501，1）;

y=sin（[1：500]'*1.2）+sin（[1： 500]'*1.5）+0.2*v（[1：500']）+0.1*v（[1：500]）;

thiv=ivar（y，4）;

thls=ar（y，4）;

giv=th2ff（thiv）;

gls=th2ff（thls）;

figure（1）

bodeplot（gls，'--'）

hold on

bodeplot（giv，'r'）

系統(tǒng)仿真圖為：

圖6 系統(tǒng)仿真圖

4.結(jié)論

通過介紹系統(tǒng)辨識(shí)基本理論，最小二乘辨識(shí)和輔助變量辨識(shí)方法。利用MTALAB系統(tǒng)辨識(shí)工具箱進(jìn)行了實(shí)例仿真，通過兩種不同的方法得到了相同的辨識(shí)結(jié)果。引用的例子辨識(shí)結(jié)果較好，如果改變模型參數(shù)，辨識(shí)精度將會(huì)受影響，辨識(shí)結(jié)果受模型結(jié)構(gòu)以及噪聲的影響較為嚴(yán)重，具體內(nèi)容不在本文內(nèi)容研究之內(nèi)。在具體辨識(shí)時(shí)要根據(jù)具體情況采用不同的方法。

參考文獻(xiàn)

[1]潘立登，潘仰東.系統(tǒng)辨識(shí)與建模[M].北京：化學(xué)工業(yè)出版社.

[2]齊曉慧，黃建群，董海瑞，楊志軍.現(xiàn)代控制理論及應(yīng)用[M].北京：國防工業(yè)出版社.

[3]鄭征，田書.基于Matlab的輔助變量法參數(shù)辨識(shí)與仿真[J].計(jì)算機(jī)應(yīng)用與軟件，2004，21（7）：127-129.

篇2

封鎖嫌疑犯的數(shù)學(xué)建模方法

正倒向隨機(jī)微分方程理論及應(yīng)用

數(shù)學(xué)建模與數(shù)學(xué)實(shí)驗(yàn)課程調(diào)查報(bào)告

基于膚色模型法的人臉定位技術(shù)研究

生豬養(yǎng)殖場的經(jīng)營管理策略研究

從數(shù)學(xué)建模到問題驅(qū)動(dòng)的應(yīng)用數(shù)學(xué)

大學(xué)籃球教練能力評(píng)價(jià)的機(jī)理模型

基于WSD算法的水資源調(diào)度綜合策略

關(guān)于地球健康的雙層耦合網(wǎng)絡(luò)模型

多屬性決策中幾種主要方法的比較

塑化劑遷移量測定和遷移模型研究進(jìn)展

基于信息熵的n人合作博弈效益分配模型

混合動(dòng)力公交車能量控制策略的優(yōu)化模型

垃圾減量分類中社會(huì)及個(gè)體因素的量化分析

隨機(jī)過程在農(nóng)業(yè)自然災(zāi)害保險(xiǎn)方案中的應(yīng)用

“公共自行車服務(wù)系統(tǒng)”研究與大數(shù)據(jù)處理

天然氣消費(fèi)量的偏最小二乘支持向量機(jī)預(yù)測

微積分與概率統(tǒng)計(jì)——生命動(dòng)力學(xué)的建模

美國大學(xué)生數(shù)學(xué)建模競賽數(shù)據(jù)及評(píng)閱分析

微積分與概率統(tǒng)計(jì)——生命動(dòng)力學(xué)的建模

在微積分教學(xué)中融入數(shù)學(xué)建模的思想和方法

2015“深圳杯”數(shù)學(xué)建模夏令營題目簡述

字符串匹配算法在DNA序列比對(duì)中的應(yīng)用

差分形式的Gompertz模型及相關(guān)問題研究

小樣本球面地面條件下的三維無源定位算法

數(shù)學(xué)建模思想滲入代數(shù)課程教學(xué)的試驗(yàn)研究

基于貝葉斯信息更新的失事飛機(jī)發(fā)現(xiàn)概率模型

基于人體營養(yǎng)健康角度的中國果蔬發(fā)展建模

關(guān)于數(shù)學(xué)成為獨(dú)立科學(xué)形式的歷史與哲學(xué)成因探討

深入開展數(shù)學(xué)建模活動(dòng),培養(yǎng)學(xué)生的綜合應(yīng)用素質(zhì)

完善數(shù)學(xué)建模課程體系,提高學(xué)生自主創(chuàng)新能力

利用動(dòng)態(tài)貝葉斯網(wǎng)構(gòu)建基因調(diào)控網(wǎng)絡(luò)的研究進(jìn)展

地方本科院校擴(kuò)大數(shù)學(xué)建模競賽受益面的探索

城鎮(zhèn)化進(jìn)程中洛陽市人口發(fā)展的數(shù)學(xué)建模探討

基于TSP規(guī)劃模型的碎紙片拼接復(fù)原問題研究

卓越現(xiàn)場工程師綜合素質(zhì)的AHP評(píng)價(jià)體系研究

基于Logistic映射和超混沌系統(tǒng)的圖像加密方案

嫦娥三號(hào)軟著陸軌道設(shè)計(jì)與控制策略問題評(píng)析

嫦娥三號(hào)軟著陸軌道設(shè)計(jì)與控制策略的優(yōu)化模型

微生物發(fā)酵非線性系統(tǒng)辨識(shí)、控制及并行優(yōu)化研究

含多抽水蓄能電站的電網(wǎng)多目標(biāo)運(yùn)行優(yōu)化研究

連接我們的呼吸:全球環(huán)境模型的互聯(lián)神經(jīng)網(wǎng)絡(luò)方法

垃圾焚燒廠周邊污染物濃度的傳播模型和監(jiān)測方案

以數(shù)學(xué)建模競賽為切入點(diǎn),強(qiáng)化學(xué)生創(chuàng)新能力培養(yǎng)

一種新的基于PageRank算法的學(xué)術(shù)論文影響力評(píng)價(jià)方法

篇3

0 引言

對(duì)于任何仿真測試技術(shù)，模型精度都是整個(gè)系統(tǒng)的關(guān)鍵，只有對(duì)象模型具有足夠的精度，才能保證使用的算法控制參數(shù)具有足夠的可靠性。注塑機(jī)料筒是通過加熱將塑料原料由固態(tài)轉(zhuǎn)化為液態(tài)，最后注射進(jìn)模具的裝置。由于塑料分子在不同的溫度下表現(xiàn)復(fù)雜的特性[1]，所以注塑機(jī)的料筒溫度精確建模特別困難。

1 注塑機(jī)溶膠工藝及料筒溫度特性研究

1.1 注塑機(jī)溶膠工藝

注塑機(jī)溶膠過程就是把堵料融化的過程，塑料原料在注塑機(jī)料筒內(nèi)變?yōu)槿廴跔顟B(tài)一般經(jīng)過三個(gè)階段：固體輸送段，壓縮段、熔融段[2]，注塑機(jī)料筒結(jié)構(gòu)如圖1所示。在塑料原料放入料斗后，進(jìn)入固體輸送段，隨著液壓馬達(dá)的轉(zhuǎn)動(dòng)，螺桿不斷推動(dòng)原料進(jìn)入料筒內(nèi)部。隨著輸送原料的增多，塑料不斷被壓縮，加快了原料的融化速度，同時(shí)原料內(nèi)的空氣被排出。當(dāng)接近熔融塑料到達(dá)料筒頂端部分時(shí)，進(jìn)入熔融段。

通過注塑機(jī)的溶膠工藝可知，注塑機(jī)熔料在每個(gè)階段都有不同的狀態(tài)，要求的溫度也就不同。

1.2 注塑機(jī)溫度特性研究

根據(jù)注塑機(jī)料筒內(nèi)熱量的來源于傳遞原理，由圖2所示可知，對(duì)于加熱段2溫度：

y2=（Q2+QJ2+Q23-Q21-Q20）/（C?m）+y0

其中Q表示熱量。y表示實(shí)際溫度；y0表示初始溫度；C表示比熱容，m表示熔料質(zhì)量。

從圖1-2中可知，對(duì)于單個(gè)加熱段2的熱量的來源和傳遞方向，可得到料筒溫度特性[3]：

（1）非線性。料筒溫度的上升主要依靠加熱片Q2產(chǎn)生的熱傳遞。溫度下降主要是料筒向周圍環(huán)境中自然散熱Q20，升溫和降溫表現(xiàn)為兩個(gè)不同的特性。降溫時(shí)，只能依靠溫度差自然冷卻；升溫時(shí)，可以靠大功率加熱裝置快速升溫，應(yīng)避免過高超調(diào)。

（2）強(qiáng)耦合性。各加熱段設(shè)定溫度不同，相鄰加熱段之間必然存在溫差，就會(huì)導(dǎo)致有熱量交換。相鄰段溫差越大，互相干擾就越強(qiáng)。

（3）時(shí)變性。注塑機(jī)在實(shí)際使用中，四季變換和早晚更迭都存在環(huán)境溫度產(chǎn)生變化，這都會(huì)對(duì)降溫過程的快慢產(chǎn)生影響。從控制對(duì)象數(shù)學(xué)模型特征上來說，滯后時(shí)間常數(shù)不斷在變化。

2 注塑機(jī)溫度建模

2.1 注塑機(jī)溫度理論模型的確立

對(duì)象數(shù)學(xué)模型的建立一般分為：解析法和實(shí)驗(yàn)法。解析法是對(duì)系統(tǒng)運(yùn)行機(jī)理進(jìn)行分析，根據(jù)其物理規(guī)律建立方程公式。實(shí)驗(yàn)法是通過給系統(tǒng)加入測試信號(hào)，記錄其輸出響應(yīng)，并采用合適的數(shù)學(xué)模型逼近，建立對(duì)象傳遞函數(shù)[4]。注塑機(jī)原料在不同溫度下塑料分子間的特性也在變化，根據(jù)熱工原理，注塑機(jī)料筒溫度內(nèi)部機(jī)理無法獲取，則無法利用解析法建模型的對(duì)象。

注塑機(jī)料筒加熱系統(tǒng)實(shí)驗(yàn)法建模通常采用反應(yīng)曲線法來確定，注塑機(jī)每段料筒溫度的數(shù)學(xué)模型可用一階慣性環(huán)節(jié)加純滯后環(huán)節(jié)的形式近似表示：

（2-1）

式（2-1）中： 為放大系數(shù)； 為慣性時(shí)間常數(shù)； 為滯后時(shí)間（單位秒）； 為拉普拉斯變換因子。

2.2 注塑機(jī)溫度數(shù)學(xué)模型參數(shù)辨識(shí)

注塑機(jī)各加熱段間設(shè)定溫度不同，必然存在溫差，就會(huì)互相干擾。為了建立更加準(zhǔn)確的數(shù)學(xué)模型，考慮了干擾存在，在對(duì)每個(gè)加熱段加其總功率30%的階躍響應(yīng)信號(hào)并檢測各段的溫度變化數(shù)據(jù)。采用對(duì)注塑機(jī)設(shè)定為3段加熱的方式，得到每段及其對(duì)相鄰段的影響數(shù)據(jù)如圖3所示。

確定數(shù)學(xué)模型中各辨識(shí)參數(shù)的值是特別重要的。通過設(shè)定注塑機(jī)溫度模型為一階純滯后模型，采用常用的兩點(diǎn)法[5]求取各個(gè)模型參數(shù)。根據(jù)兩點(diǎn)法放大系數(shù)K可由下式（2-2）計(jì)算得到：

式中為測試初始值，為測試最終穩(wěn)態(tài)值，為控制輸入量大小。

然后需要求取被控量的無量綱形式，與一階慣性加純

延遲相對(duì)應(yīng)的階躍響應(yīng)無量綱形式為：

（2-3）

為求取式（2-3）中的T和L，需要選擇兩個(gè)時(shí)刻t1，t2，其中t2>t1>L。則兩個(gè)時(shí)刻對(duì)應(yīng)的值為：

（2-4）

對(duì)式（2-4）取對(duì)數(shù)可得：

（2-5）

以加熱段1為例求取加熱段的傳遞函數(shù)數(shù)學(xué)模型參數(shù)為：

最后可得注塑機(jī)溫度數(shù)學(xué)模型為：。選取t1=4000，t2=5000時(shí)，（4000）=0.7261，（5000）=0.8054。則

從而可得加熱段1的溫度變化數(shù)學(xué)模型為：

同理，可得其他加熱段及其對(duì)相鄰段影響的模型參數(shù)，最終可得3x3階的矩陣傳遞函數(shù)的注塑機(jī)料筒溫度數(shù)學(xué)模型：

3 總結(jié)

通過分析注塑機(jī)溶膠工藝和料筒溫度特性可知，根據(jù)機(jī)理法很難建立精確的數(shù)學(xué)模型，最后采用階躍響應(yīng)模型辨識(shí)法建立了考慮加熱段之間干擾的多輸入多輸出矩陣料筒溫度傳遞函數(shù)數(shù)學(xué)模型。

參考文獻(xiàn)：

[1]孫優(yōu)賢，邵惠鶴.工業(yè)過程控制技術(shù)（應(yīng)用篇）.北京：化學(xué)工業(yè)出版社，2006：131-179.

[2]陳福練.基于非線性分離的注塑機(jī)料筒溫控技術(shù)研究[D].寧波大學(xué)，2009.

[3]湯進(jìn)舉.注塑機(jī)微機(jī)控制系統(tǒng)研究[D].浙江大學(xué)，2002.

[4]畢效輝，于春梅等.自動(dòng)控制理論[M].北京：中國輕工業(yè)出版社，2007：19-100.

篇4

中圖分類號(hào)： TN96?34； TM417 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2016）07?0044?04

Abstract： DSP chip taken as the digital hardware platform is researched to realize the software design of SINS data proces?sing. The kinetic equation of SINS is analyzed. The gyroscope’s drift data was simulated， and modeled with the time series ana?lysis method in system identification. And then Kalman filtering was conducted for it. The hybrid programming method of C language and assembler language is utilized in CC environment to transplant the displacement solution and Kalman filtering programming on development board. The optimization compiler owned by CC environment itself is utilized to optimize the compiled data processing program， which can make the running speed fastest.

Keywords： DSP； strapdown inertial navigation； Kalman filtering； system identification

0 引 言

獲取導(dǎo)彈的飛行姿態(tài)信息和位置信息對(duì)分析其飛行動(dòng)力學(xué)特性具有重要意義。本文的研究內(nèi)容是在火箭彈的3個(gè)軸向上安裝3個(gè)速率陀螺和加速度計(jì)，獲取火箭彈的角速度和線加速度信息，通過導(dǎo)航計(jì)算機(jī)對(duì)得到的信息進(jìn)行解算，得到火箭彈在飛行過程中的姿態(tài)和位置信息。慣性測量元件存在隨機(jī)誤差，這種誤差在工藝上是不可消除的，其中陀螺儀的漂移誤差是導(dǎo)致系統(tǒng)精度下降的重要原因。不管在何種應(yīng)用還是何種形式的陀螺儀，陀螺漂移始終是制約其應(yīng)用系統(tǒng)精度的關(guān)鍵問題。因此，為了提高導(dǎo)航系統(tǒng)的精度，有必要建立陀螺漂移的數(shù)學(xué)模型，對(duì)其進(jìn)行有效濾波，或在系統(tǒng)中進(jìn)行補(bǔ)償。

近些年來，導(dǎo)航計(jì)算機(jī)廣泛應(yīng)用的是Intel80x86系列芯片和MCS?51單片機(jī)，運(yùn)算的實(shí)時(shí)性不容易滿足，針對(duì)這一問題，研究了基于DSP的導(dǎo)航計(jì)算機(jī)數(shù)據(jù)處理技術(shù)，包括仿真陀螺儀和加速度計(jì)的輸出信號(hào)，對(duì)陀螺的漂移進(jìn)行卡爾曼濾波后將數(shù)據(jù)送入以DSP 為處理芯片的導(dǎo)航計(jì)算機(jī)，選擇合適的解算方法解算出火箭彈在飛行過程中的姿態(tài)和位置，并對(duì)程序進(jìn)行優(yōu)化，滿足導(dǎo)航計(jì)算要求的實(shí)時(shí)性和準(zhǔn)確性。

1 捷聯(lián)慣導(dǎo)系統(tǒng)數(shù)據(jù)處理技術(shù)研究

1.1 捷聯(lián)慣導(dǎo)系統(tǒng)的計(jì)算原理

系統(tǒng)第一步通過[Cbp]（姿態(tài)矩陣）推演得到[apib]（游移方位坐標(biāo)系），第二步，根據(jù)加速度計(jì)測量的慣性空間相對(duì)機(jī)體坐標(biāo)系在[abib]分量的比例（機(jī)體坐標(biāo)系軸向上的分量），得出導(dǎo)航位置參數(shù)。進(jìn)一步，通過補(bǔ)償角加速度和重力加速度，對(duì)[apib]用速度方程進(jìn)行積分運(yùn)算得到速度分量[Vpep]。[Vpep]（速度分量）不僅可以作位置速率計(jì)算的輸入，同時(shí)也可以用作系統(tǒng)的輸出，為了得到[ωpep]（位置角速率），可以使用位置速率方程計(jì)算，一方面通過位置微分方程的積分去更新位置矩陣[Cpe，]以便由位置矩陣中的元素[Cij]按照導(dǎo)航位置參數(shù)計(jì)算公式，解算出任意時(shí)刻的導(dǎo)航位置參數(shù)[φ，λ，α；]另一方面又與地球角速率[ωpie]迭加，通過[ωbib]（陀螺輸出的角速率）變換后和[ωbpb]（姿態(tài)矩陣）一起構(gòu)成姿態(tài)角速率，并實(shí)時(shí)更新姿態(tài)矩陣[Cbp，]同時(shí)使用姿態(tài)微分方程的積分運(yùn)算。[Cbp]（姿態(tài)矩陣）不僅可以擔(dān)負(fù)起整體運(yùn)作的作用，同時(shí)還可以進(jìn)行由機(jī)體坐標(biāo)系到游移方位坐標(biāo)系的坐標(biāo)變換。

1.2 用四元數(shù)法進(jìn)行位置解算

所需初始數(shù)據(jù)：積分計(jì)算時(shí)需要的初始數(shù)據(jù)包括初始速度[Vx0，Vy0，Vz0，]初始經(jīng)度[φ0，]初始緯度[λ0，]初始游移方位角[α0，]采樣時(shí)間，積分步長等。在計(jì)算時(shí)，由于積分誤差的存在，破壞了四元數(shù)變換的正交性，使四元數(shù)范數(shù)[N≠1。]因此，需要對(duì)范數(shù)進(jìn)行修正，將四元數(shù)歸一化。四元數(shù)歸一化后即可得到姿態(tài)矩陣[Tij]中的各個(gè)元素，在彈道仿真時(shí)，得到的是在機(jī)體坐標(biāo)系下的加速度計(jì)信息，姿態(tài)矩陣得到后即可將機(jī)體坐標(biāo)系下的加速度信息轉(zhuǎn)換為平臺(tái)坐標(biāo)系下的加速度信息，在位置解算時(shí)直接使用。

2 卡爾曼濾波算法的實(shí)現(xiàn)

2.1 時(shí)間序列分析法建立陀螺儀漂移模型

確定模型信號(hào)具有零均值、平穩(wěn)、正態(tài)分布的特性。陀螺儀隨機(jī)漂移是去掉均值的陀螺漂移信號(hào)，因此具備了零均值特性。對(duì)于通過測試系統(tǒng)測量得到的陀螺隨機(jī)漂移信號(hào)，這時(shí)候系統(tǒng)的正態(tài)性也可以得到進(jìn)一步的保證。因?yàn)槲粗獠凯h(huán)境及內(nèi)部因素存在各種干擾和不確定性，目前很難保證陀螺漂移信號(hào)的平穩(wěn)性。因此在系統(tǒng)建模的時(shí)候，就應(yīng)該通過統(tǒng)計(jì)檢驗(yàn)的科學(xué)數(shù)學(xué)方法，評(píng)判隨機(jī)陀螺漂移信號(hào)的平衡穩(wěn)定性。

系統(tǒng)假設(shè)條件如下：漂移數(shù)據(jù)去除了線性趨勢項(xiàng)、常值項(xiàng)、周期趨勢項(xiàng)，系統(tǒng)以動(dòng)力調(diào)協(xié)式陀螺儀漂移為對(duì)象，得到了零均值、平穩(wěn)、正態(tài)分布的白噪聲序列。這個(gè)序列主要是用來驗(yàn)證模型參數(shù)辨識(shí)和卡爾曼濾波方法的有效性。

2.2 卡爾曼濾波初始值的確定

初始誤差協(xié)方差矩陣[P0]與初始估計(jì)[X0]要求在卡爾曼估計(jì)開始前決定，預(yù)先根據(jù)已確定信息得出，同樣可以通過觀測得出。如果卡爾曼濾波估計(jì)方法應(yīng)用于結(jié)構(gòu)系統(tǒng)的識(shí)別，[X0]和[P0]的初值設(shè)定其實(shí)不會(huì)對(duì)濾波誤差產(chǎn)生影響。此處設(shè)初始估計(jì)[X0]為漂移序列的初始值，初始誤差協(xié)方差矩陣[P0=0。]

2.3 卡爾曼濾波程序的實(shí)現(xiàn)

3 在DSP開發(fā)板上的數(shù)據(jù)程序優(yōu)化過程

在編寫程序時(shí)，必須首先實(shí)現(xiàn)程序應(yīng)該完成的功能，在此基礎(chǔ)上才可以使用優(yōu)化工具。下面同樣以對(duì)位置解算程序的優(yōu)化過程為例。

在C32的開發(fā)環(huán)境中，使用Profiling（剖析）功能，可以設(shè)置斷點(diǎn)進(jìn)行執(zhí)行周期數(shù)的測試。因?yàn)槭褂玫腃32芯片主頻為40 MHz，所以clock setup如圖2所示，操作為profiler>clock setup。對(duì)時(shí)鐘使能，觀察時(shí)鐘運(yùn)行情況。

C32編譯優(yōu)化器的選項(xiàng)分為Optimization Level和Inline Option兩個(gè)大類，他們各自又分為不同的級(jí)別。Optimization Level包括前面所說的優(yōu)化等級(jí)，即Disable，Level 0?Registers Only，Level 1? Local， Level 2? Global， Level 3?File；Inline Option包括Disable，Intrinsic Operator Only，F(xiàn)ull，其中Intrinsic Operator Only 的含義是指將C32特有的內(nèi)聯(lián)函數(shù)功能進(jìn)行行內(nèi)擴(kuò)展，內(nèi)聯(lián)函數(shù)是專門為該芯片具體編寫的，而且是已經(jīng)過優(yōu)化的常用函數(shù)。操作為：project>option…>compiler>optimization level，界面見圖3。

下面對(duì)這些優(yōu)化條件進(jìn)行不同的組合，得到的求解四元數(shù)的核心程序dery的最短運(yùn)行周期數(shù)，如表1所示。從表1中可以看出，若只使用Inline Option 中的Full選項(xiàng)，對(duì)程序的優(yōu)化效果很顯著，而Intrinsic Operator Only無任何效果，這是因?yàn)楸疚闹械膁ery子函數(shù)未使用到C32的內(nèi)聯(lián)函數(shù)。另外，使用Optimization Level而不使用Inline Option時(shí)，在Level?0時(shí)會(huì)有很好的效果，而其他選項(xiàng)的效果并不明顯，這是因?yàn)長evel?0包括了將運(yùn)行調(diào)用變?yōu)樾袃?nèi)擴(kuò)展的功能，與Inline Option的功能相同。

5 結(jié) 論

通過彈道仿真得到了捷聯(lián)慣導(dǎo)系統(tǒng)中陀螺儀和加速度計(jì)的輸出信號(hào)，根據(jù)得到的輸出數(shù)據(jù)，編寫位置解算程序?qū)楏w在空中的位置信息進(jìn)行解算，然后用系統(tǒng)辨識(shí)中的時(shí)間序列分析法對(duì)陀螺儀的漂移建模，通過卡爾曼濾波程序，對(duì)陀螺儀的漂移數(shù)據(jù)進(jìn)行濾波，最后將程序從PC機(jī)上移植到DSP 開發(fā)板上，并利用優(yōu)化編譯器對(duì)位置解算程序進(jìn)行了優(yōu)化。

受C32SS開發(fā)板內(nèi)存空間所限，目前只能存儲(chǔ)彈道仿真程序步長為0.5 ms的數(shù)據(jù)，在今后的研究中，如果能夠解決內(nèi)存限制的問題，或在由實(shí)際的陀螺輸出數(shù)據(jù)的情況下，可以縮短計(jì)算周期進(jìn)行解算驗(yàn)證。本文采用的是最基礎(chǔ)的卡爾曼濾波算法，為了得到更好的濾波效果，使濾波算法更加完善，在以后的工作中，可采用如擴(kuò)展的卡爾曼濾波算法，自適應(yīng)卡爾曼濾波算法等，并要考慮卡爾曼濾波的穩(wěn)定性，對(duì)濾波中的發(fā)散現(xiàn)象進(jìn)行抑制。

參考文獻(xiàn)

[1] 陳哲.捷聯(lián)慣導(dǎo)系統(tǒng)原理[M].北京：宇航出版社，1986.

[2] 孟秀云.導(dǎo)彈制導(dǎo)與控制系統(tǒng)原理[M].北京：北京理工大學(xué)出版社，2003：25?27.

[3] 付夢印，鄧志紅，張繼偉.Kalman濾波理論及其在導(dǎo)航系統(tǒng)中的應(yīng)用[M].北京：科學(xué)出版社，2003：8?10.

[4] VAN CLEVE D P. Weapon interface simulation [C]// Procee?dings of 1999 IEEE Conference on Systems Readiness Techno?logy. San Antonio： IEEE， 1999： 593?597.

[5] 尹勇，歐光軍，關(guān)榮鋒.DSP集成開發(fā)環(huán)境CCS開發(fā)指南[M].北京：北京航空航天大學(xué)出版社，2003.

[6] 曾廣達(dá).系統(tǒng)辨識(shí)與仿真[M].成都：電子科技大學(xué)出版社，1995：66?68.

[7] 林瑞陽，楊東升，邱鋒.Unscented卡爾曼濾波對(duì)目標(biāo)位置預(yù)測[J].現(xiàn)代電子技術(shù)，2014，37（1）：34?37.

篇5

中圖分類號(hào)：G642 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-9324（2012）06-0148-02

一、引言

《隨機(jī)信號(hào)分析與處理》是電子科學(xué)與技術(shù)、信息與通信工程各專業(yè)的重點(diǎn)專業(yè)基礎(chǔ)課。它研究隨機(jī)變化過程的規(guī)律性，其主要內(nèi)容包括：概率論與隨機(jī)過程基本概念、平穩(wěn)隨機(jī)過程及其遍歷性、功率譜密度、線性系統(tǒng)對(duì)隨機(jī)信號(hào)的響應(yīng)、窄帶隨機(jī)過程、隨機(jī)信號(hào)通過非線性系統(tǒng)和特殊隨機(jī)過程。經(jīng)典內(nèi)容多，理論性強(qiáng)，傳統(tǒng)教學(xué)通常都是理論推證組織嚴(yán)謹(jǐn)，而實(shí)踐訓(xùn)練不足，教學(xué)過程設(shè)計(jì)跟不上能力培養(yǎng)需要，導(dǎo)致學(xué)生面對(duì)具體應(yīng)用問題無從下手。為進(jìn)一步提高教學(xué)效果，教學(xué)改革過程中以現(xiàn)代教育教學(xué)理論為指導(dǎo)，以培養(yǎng)學(xué)生的實(shí)踐能力為主線，采用以案例教學(xué)為主要手段，結(jié)合其他教學(xué)方法，從實(shí)際應(yīng)用出發(fā)，合理設(shè)置各種案例，使課程中的抽象問題形象化和具體化，加強(qiáng)學(xué)生對(duì)基本知識(shí)的理解，培養(yǎng)學(xué)生分析問題、解決問題的能力，充分調(diào)動(dòng)學(xué)生的積極性和主動(dòng)性，收到了一定的效果。

二、案例式教學(xué)過程設(shè)計(jì)

1.案例教學(xué)法。在教學(xué)過程中以案例教學(xué)為主線，通過合理設(shè)置案例，使學(xué)生掌握隨機(jī)信號(hào)分析的基本概念和方法；LPC教學(xué)法和傳統(tǒng)教學(xué)法，引導(dǎo)學(xué)生深入理解經(jīng)典隨機(jī)信號(hào)分析方法及存在的不足，激勵(lì)學(xué)生探討研究現(xiàn)代信號(hào)處理的方法。案例教學(xué)法[1，2]興起于上世紀(jì)80年代。案例教學(xué)法是把案例作為一種教學(xué)工具，要重視雙向交流，鼓勵(lì)學(xué)生獨(dú)立思考，注重知識(shí)向能力的轉(zhuǎn)化。其優(yōu)點(diǎn)是能夠?qū)崿F(xiàn)教學(xué)相長，培養(yǎng)學(xué)生分析問題和解決問題的能力。

2.教學(xué)過程設(shè)計(jì)。根據(jù)案例教學(xué)的特點(diǎn)以及該課程的教學(xué)目標(biāo)，我們?cè)诎咐秸n程教學(xué)實(shí)踐中試圖做到如下幾點(diǎn)：①將案例教學(xué)與傳統(tǒng)教學(xué)法相結(jié)合，同時(shí)嘗試引入LPC教學(xué)法[3]（講授（L）、團(tuán)隊(duì)學(xué)術(shù)研討（P）、教師點(diǎn)評(píng)（C）三者結(jié)合的教學(xué)方式），在教學(xué)過程中把教師講授、學(xué)生團(tuán)隊(duì)式互動(dòng)學(xué)術(shù)討論和教師點(diǎn)評(píng)活動(dòng)三者有機(jī)結(jié)合。傳統(tǒng)講授式教學(xué)法能夠系統(tǒng)地向?qū)W生傳授基本概念，只有對(duì)基本概念和基本原理透徹地理解，才能充分開展案例討論；LPC教學(xué)法能夠進(jìn)一步調(diào)動(dòng)學(xué)生學(xué)習(xí)主動(dòng)性，強(qiáng)化學(xué)生能力培養(yǎng)。②案例教學(xué)與專業(yè)特色相結(jié)合。教學(xué)案例以課程內(nèi)容為中心、專業(yè)基礎(chǔ)為背景，同時(shí)與當(dāng)前的相關(guān)研究領(lǐng)域保持同步，不斷更新、完善。本課程面向的是通信與信息系統(tǒng)、信號(hào)與信息處理、計(jì)算機(jī)等專業(yè)的碩士研究生，因此在案例設(shè)計(jì)上要盡量和學(xué)生的研究方向相關(guān)。例如在在信號(hào)與信息處理課程群中，隨機(jī)信號(hào)通過線性系統(tǒng)這部分內(nèi)容時(shí)，采用語音或圖像信號(hào)處理案例，利用噪聲與信號(hào)特性上的差異，通過線性濾波器實(shí)現(xiàn)降噪功能；在通信系統(tǒng)課程群中，討論窄帶隨機(jī)過程的案例時(shí)，則研究擴(kuò)頻通信中窄帶干擾抑制技術(shù)。③案例教學(xué)與課程內(nèi)容、教學(xué)目標(biāo)相結(jié)合，針對(duì)不同教學(xué)模塊的時(shí)間、復(fù)雜程度以及重要性，編寫相應(yīng)的基礎(chǔ)教學(xué)案例，另外還需設(shè)計(jì)涵蓋多個(gè)概念的綜合性案例，涵蓋本課程的若干個(gè)知識(shí)點(diǎn)。④與課程的教學(xué)環(huán)境和學(xué)生的素質(zhì)相結(jié)合。教學(xué)案例應(yīng)當(dāng)難易相當(dāng)、繁簡相宜，概念明確，便于理解和掌握；主題突出，便于知識(shí)拓展，調(diào)動(dòng)學(xué)習(xí)積極性。根據(jù)《隨機(jī)信號(hào)分析與處理》課程內(nèi)容要求，本課程的教學(xué)案例一般包含以下部分內(nèi)容：基本概念和理論知識(shí)；理論聯(lián)系實(shí)際的應(yīng)用；軟件（Matlab）仿真實(shí)踐;討論及評(píng)價(jià)。這些內(nèi)容的實(shí)施貫穿于課前準(zhǔn)備，課堂引導(dǎo)討論及課后實(shí)踐等教學(xué)環(huán)節(jié)中。

3.案例教學(xué)實(shí)例。這里以隨機(jī)信號(hào)的功率譜估計(jì)及其應(yīng)用為例。為便于了解其具體應(yīng)用及軟件實(shí)現(xiàn)方法，以簡單直觀的經(jīng)典功率譜估計(jì)為例。同時(shí)讓學(xué)生了解功率譜分析在實(shí)際工程中的重要應(yīng)用價(jià)值，如在語音信號(hào)識(shí)別、雷達(dá)雜波分析、波達(dá)方向估計(jì)、水聲信號(hào)處理、系統(tǒng)辨識(shí)中非線性系統(tǒng)識(shí)別、物理光學(xué)中透鏡干涉等許多領(lǐng)域。以下是教學(xué)案例實(shí)例：①基本概念和理論知識(shí)，功率譜密度的定義：對(duì)于連續(xù)平穩(wěn)隨機(jī)信號(hào){X（t），t∈T}（或平穩(wěn)隨機(jī)信號(hào)序列x（n））的功率譜密度定義為自相關(guān)函數(shù)Rx（τ）（或自相關(guān)序列rx（k））的傅里葉變換，Sx（ω）=■Rx（τ）e-jωτdτ，Sx（ω）=■rx（k）e-jωτ在此基礎(chǔ)上回顧隨機(jī)信號(hào)相關(guān)函數(shù)及功率譜的概念及性質(zhì)等。②應(yīng)用——經(jīng)典功率譜分析，本部分引導(dǎo)學(xué)生把功率譜的基本理論用于實(shí)際問題中。要求學(xué)生回顧相關(guān)函數(shù)的估計(jì)過程，離散傅里葉變換的條件等相關(guān)知識(shí)。以經(jīng)典功率譜分析中的相關(guān)函數(shù)法（BT法）和周期圖法進(jìn)行功率譜估計(jì)[4]。相關(guān)函數(shù)法先由序列x（n）估計(jì)出自相關(guān)函數(shù)rx（k），然后對(duì)rx（k）加窗后進(jìn)行傅立葉變換，便得到x（n）的功率譜估計(jì)。當(dāng)延遲與數(shù)據(jù)長度相比很小時(shí)，可以有較好的估計(jì)精度。周期圖法功率譜估計(jì)中，取一段有限長的數(shù)據(jù)進(jìn)行傅立葉變換，然后取其幅頻特性的平方并除以序列長度N。③Matlab仿真實(shí)踐，選擇學(xué)生容易理解的應(yīng)用實(shí)例，如在語音分析中具有重要實(shí)用價(jià)值的語音頻域特征識(shí)別。在Matlab軟件平臺(tái)下，利用wavrecord函數(shù)采集語音信號(hào)，對(duì)語音信號(hào)采樣序列進(jìn)行相關(guān)運(yùn)算求出短時(shí)相關(guān)函數(shù)，通過傅里葉變換做出功率譜，并對(duì)功率譜進(jìn)行比較分析。由于研究生大多數(shù)學(xué)過信號(hào)與系統(tǒng)及數(shù)字信號(hào)處理等課程，這種實(shí)踐不難完成。通過實(shí)際例子，加深了學(xué)生對(duì)實(shí)際功率譜的印象，提高了學(xué)生的興趣。④作業(yè)、討論及評(píng)價(jià)。提出問題，學(xué)生課后查閱相關(guān)資料，完成若干課后實(shí)踐作業(yè)，如：A、相關(guān)圖法和周期圖法中如何控制頻譜泄露？經(jīng)典譜估計(jì)加窗會(huì)產(chǎn)生什么不利后果？B、各種窗函數(shù)對(duì)功率譜估計(jì)的影響？C、討論兩種估計(jì)的一致性。D、在數(shù)據(jù)樣本足夠長的情況下，如何減小估計(jì)方差？E、比較實(shí)際中各種隨機(jī)信號(hào)的功率譜，了解matlab中功率譜估計(jì)函數(shù)。要求學(xué)生能夠通過Matlab軟件平成實(shí)踐作業(yè)，給出幾種平穩(wěn)信號(hào)及非平穩(wěn)信號(hào)的功率譜的特征。并在下一次課程中集中討論，最后由教師點(diǎn)評(píng)，給出成績。

4.教學(xué)效果分析。通過案例教學(xué)與其他教學(xué)方法相結(jié)合，學(xué)生之間以及師生之間的互動(dòng)明顯加強(qiáng)，學(xué)生反饋效果好，學(xué)習(xí)興趣很高，為深入學(xué)習(xí)功率譜及現(xiàn)代功率譜估計(jì)打下了良好基礎(chǔ)。

三、結(jié)語

為改進(jìn)傳統(tǒng)教學(xué)中的不足，提高研究生《隨機(jī)信號(hào)分析與處理》課程教學(xué)效果，在教學(xué)實(shí)踐中以案例教學(xué)法為主，結(jié)合LPC教學(xué)法以及傳統(tǒng)教學(xué)法，使學(xué)生以基本理論知識(shí)為中心，將所學(xué)知識(shí)運(yùn)用到各種不同的案例問題中，提高了學(xué)生學(xué)習(xí)的積極性，鍛煉了學(xué)生的能力。教學(xué)實(shí)踐中發(fā)現(xiàn)，運(yùn)用案例教學(xué)法，需要在教學(xué)中注意收集工程技術(shù)中的實(shí)例，并根據(jù)教學(xué)內(nèi)容選擇適當(dāng)?shù)陌咐瑢⒗碚摻虒W(xué)與實(shí)際案例有機(jī)地結(jié)合起來；教學(xué)案例的選擇要求精當(dāng)，通常編制涉及的知識(shí)面寬，對(duì)教師和學(xué)生也提出了更高要求；另外案例教學(xué)法必須和其他教學(xué)方法相結(jié)合，才能更好地發(fā)揮作用，這正是我們努力探索的一個(gè)方向。

參考文獻(xiàn)：

[1]孫華.論案例教學(xué)法在教育學(xué)原理教學(xué)中的運(yùn)用[J].現(xiàn)代教育科學(xué)，2010，（6）：99-101.

[2]方勇，劉凱，黃青華.《隨機(jī)信號(hào)分析》課程案例教學(xué)的實(shí)踐[J].電氣電子教學(xué)學(xué)報(bào)，2009，31（2）：102-104.

篇6

1.引言

駕駛員模型是個(gè)復(fù)雜的控制系統(tǒng)，它包括方向控制、驅(qū)動(dòng)控制、制動(dòng)控制等，其中方向控制是駕駛員模型研究的核心。自上世紀(jì)中期以來，基于傳統(tǒng)控制理論、模糊控制理論、神經(jīng)網(wǎng)絡(luò)控制理論等，人們先后提出了各種駕駛員控制模型。Ashkens I I and Me Ruer D t提出的Crossover模型用來估計(jì)有擾動(dòng)閉環(huán)控制系統(tǒng)的穩(wěn)定性，但不適用于快速駕駛[1]。MarAdam C C提出了一種可以投入到實(shí)際應(yīng)用工程中更靈活、有效的模型，但這些研究結(jié)果也存在弊端，表現(xiàn)在預(yù)瞄的固定時(shí)間無法適應(yīng)車速的變化，導(dǎo)致預(yù)瞄的距離不確定[2]。郭孔輝院士于1982年提出了預(yù)瞄跟隨系統(tǒng)理論[3]，認(rèn)為駕駛員的決策分為預(yù)瞄階段和補(bǔ)償跟隨階段，其駕駛員的校正環(huán)節(jié)依賴于汽車動(dòng)力學(xué)模型，對(duì)整車方向控制至關(guān)重要。

上述這些駕駛員模型都是建立在傳統(tǒng)控制理論基礎(chǔ)上，通過大量的試驗(yàn)或仿真確定汽車的傳遞函數(shù)，然后再根據(jù)汽車的動(dòng)力學(xué)傳遞函數(shù)特性來確定駕駛員模型。然而，對(duì)于汽車這種復(fù)雜的被控對(duì)象，不易建立精確的傳遞函數(shù)，并且在現(xiàn)有試驗(yàn)條件下通過系統(tǒng)辨識(shí)建立的傳遞函數(shù)同樣存在精度低的缺點(diǎn)，甚至不可被用于駕駛員模型，不能滿足車輛控制。模糊邏輯能比較好的解決無法建模的復(fù)雜問題，分析問題時(shí)更加符合人的要求。因此，本文在建立可調(diào)預(yù)瞄時(shí)間函數(shù)的同時(shí)，建立模糊PID控制駕駛員模型，將駕駛員的校正環(huán)節(jié)與汽車動(dòng)力學(xué)模型分開分析。

2.駕駛員模型建立

2.1 道路偏差

駕駛員對(duì)汽車方向的控制源于預(yù)瞄點(diǎn)處道路偏差[4]的存在，在0時(shí)刻，汽車從大地坐標(biāo)系原點(diǎn)處以速度開始做平面行駛，汽車沿大地坐標(biāo)系X軸方向的速度為Vx，沿Y軸方向的速度為Vy，則在任何時(shí)刻：

圖1是車輛行駛軌跡偏差示意圖。

2.2 駕駛員模糊PID控制器設(shè)計(jì)

模糊PID控制器根據(jù)偏差和偏差變化率輸出PID參數(shù)、、，或者PID參數(shù)的增量、、，能夠?qū)崿F(xiàn)PID參數(shù)的在線整合，具有控制靈活及適應(yīng)性強(qiáng)的優(yōu)點(diǎn)，又具有PID控制精度高的特點(diǎn)，能夠?qū)崿F(xiàn)駕駛員模型對(duì)于車輛方向的良好控制。

2.2.1 輸入輸出變量的選取和量化

本文所建立的模糊PID控制駕駛員模型，其模糊控制部分基于預(yù)瞄點(diǎn)處道路偏差反饋，以預(yù)瞄點(diǎn)處道路偏差和偏差變化率為模糊控制器的輸入，PID參數(shù)的增量、、為輸出。輸入、輸出變量的變化范圍，以及它們的量化等級(jí)、量化因子、比例因子見表1所示。選擇各變量的隸屬度函數(shù)為三角形函數(shù)。

2.2.2 模糊規(guī)則設(shè)計(jì)及解模糊

參數(shù)模糊自整定PID控制器在系統(tǒng)運(yùn)行中，實(shí)時(shí)監(jiān)測誤差e及誤差變化ec，并根據(jù)模糊控制原理對(duì)、、三個(gè)參數(shù)實(shí)行在線修改，以使其不斷適應(yīng)時(shí)刻變化的e和ec，使控制器具有一定魯棒性能，且被控系統(tǒng)具有良好的穩(wěn)定性[3]。根據(jù)他人對(duì)PID參數(shù)整定經(jīng)驗(yàn)制定模糊規(guī)則：

（1）當(dāng)偏差較大時(shí)，取較大的，可以加快系統(tǒng)的響應(yīng)速度，并且為了避免偏差e的瞬時(shí)變大可能出現(xiàn)的微分過飽現(xiàn)象，應(yīng)取較小的值；積分飽和會(huì)使系統(tǒng)響應(yīng)出現(xiàn)超調(diào)，限制甚至取消積分作用，可以防止這一現(xiàn)象的發(fā)生。（2）當(dāng)和處于中等大小時(shí)，取較小的值，可以減小系統(tǒng)超調(diào)，的取值要適當(dāng)，并根據(jù)現(xiàn)場情況取合適的，保證系統(tǒng)響應(yīng)速度。（3）當(dāng)較小，接近于設(shè)定值時(shí)，要同時(shí)考慮的影響，應(yīng)取和較大值，以使系統(tǒng)由良好的穩(wěn)態(tài)特性；當(dāng)較小時(shí)，取較大值；當(dāng)較大時(shí)，取較小值，兼顧系統(tǒng)抗振蕩及抗干擾的要求。（4）表征偏差變化的速率，值較大時(shí)，應(yīng)取較小值，應(yīng)取較大值。

通過間接法進(jìn)行模糊推理，在得出模糊控制器的輸出、、后，可實(shí)時(shí)計(jì)算PID的參數(shù)。

其中，Kp0，KI0，KD0為PID參數(shù)初始值。

建立PID控制駕駛員模型，并在一般彎曲道路上進(jìn)行仿真試驗(yàn)，通過不斷調(diào)整使軌跡誤差達(dá)到最小的方法可以得到該初始值

進(jìn)行大量的仿真試驗(yàn)，最終確定：Kp0=7，KI0=0.0002，KD0=0.001。

2.3 預(yù)瞄時(shí)間函數(shù)建立

駕駛員的預(yù)瞄距離因道路曲率的不同而發(fā)生變化，而道路曲率可以簡化為道路偏差，因此有必要建立預(yù)瞄時(shí)間T對(duì)于道路偏差的較為理想的函數(shù)關(guān)系，并分析可調(diào)整預(yù)瞄時(shí)間T對(duì)車輛軌跡跟蹤的影響。駕駛員預(yù)瞄距離調(diào)整過程如圖2所示。

在時(shí)刻，預(yù)瞄距離為，預(yù)瞄點(diǎn)落在大地坐標(biāo)系上的點(diǎn)，此時(shí)，道路偏差由小變大，駕駛員需要對(duì)預(yù)瞄距離進(jìn)行調(diào)整；在時(shí)刻，車輛行駛距離為s，預(yù)瞄距離減小為，預(yù)瞄點(diǎn)落在處，預(yù)瞄距離變化，由圖得：。

對(duì)于調(diào)整后的預(yù)瞄點(diǎn)，可能落在的前方，也可能落在的后方。當(dāng)落在的后方，即，預(yù)瞄距離不變與落在的后方相矛盾，此時(shí)預(yù)瞄距離發(fā)生嚴(yán)重振蕩，因此必須保證落在的前方，即。設(shè)車速為u，預(yù)瞄距離的平均變化率為k，由得：。在車速u一定的情況下，可以用預(yù)瞄時(shí)間T代替預(yù)瞄距離d，當(dāng)?shù)缆菲顣r(shí)，T應(yīng)該是關(guān)于的單調(diào)遞減函數(shù)，并且隨的增大，T逐漸趨于一穩(wěn)定值。符合這些要求的函數(shù)有很多，圖3列舉其中兩種。

圖（a）為sigmoid函數(shù)的變形，圖（b）為概率曲線。圖（a）中T在ep=0不可導(dǎo)，當(dāng)ep由負(fù)變正的過程中，T由增大趨勢迅速變?yōu)闇p小趨勢，即預(yù)瞄點(diǎn)A由遠(yuǎn)離車輛迅速變?yōu)榭拷囕v，易發(fā)生上述的s1

2.4 駕駛員模型完整補(bǔ)償校正

在建立駕駛員模糊PID控制器及預(yù)瞄時(shí)間函數(shù)之后，并且根據(jù)駕駛員神經(jīng)反應(yīng)滯后及手臂、方向盤慣量滯后的特點(diǎn)，可建立駕駛員模型補(bǔ)償校正環(huán)節(jié)，如圖4所示。

其中，輸入為預(yù)瞄點(diǎn)處道路偏差，輸出1為預(yù)瞄時(shí)間T，輸出2為方向盤實(shí)際轉(zhuǎn)角，駕駛員神經(jīng)滯后環(huán)節(jié)，慣量滯后環(huán)節(jié)時(shí)間常數(shù)。

3.動(dòng)力學(xué)仿真

3.1 仿真模型建立

完整的駕駛員模型，包括感知環(huán)節(jié)、預(yù)瞄環(huán)節(jié)、補(bǔ)償校正環(huán)節(jié)[4]。感知環(huán)節(jié)根據(jù)車輛的y方向速度，及預(yù)瞄時(shí)間T，感知在T時(shí)刻后，車輛y方向的位置；預(yù)瞄環(huán)節(jié)根據(jù)當(dāng)前車輛x方位向置，以及車輛方位角，計(jì)算預(yù)瞄距離d處的y坐標(biāo)；補(bǔ)償矯正環(huán)節(jié)根據(jù)預(yù)瞄點(diǎn)處y坐標(biāo)偏差，計(jì)算出補(bǔ)償該偏差的方向盤轉(zhuǎn)角，并且進(jìn)一步調(diào)節(jié)預(yù)瞄時(shí)間T。將在Matlab/Simulink仿真環(huán)境下建立的駕駛員模型放入到相同環(huán)境下的整車控制模型中，建立完整的仿真模型。如圖5所示。

3.2 仿真結(jié)果分析

本文以“偏置直線+半S”曲線作為車輛行駛道路軌跡，在其他參數(shù)相同的情況下，分別進(jìn)行有預(yù)瞄時(shí)間控制的仿真，和無預(yù)瞄時(shí)間控制的仿真，以便研究可變預(yù)瞄時(shí)間對(duì)于車輛跟蹤軌跡的影響。

圖6對(duì)比了兩種情況下的軌跡偏差，可以看出，無預(yù)瞄時(shí)間控制的偏差的幾何平均值要遠(yuǎn)遠(yuǎn)大于有預(yù)瞄時(shí)間控制的情況，進(jìn)一步驗(yàn)證了預(yù)瞄時(shí)間控制的優(yōu)越性。

4.試驗(yàn)結(jié)果對(duì)比

圖7、圖8為跟蹤“偏置直線+半S”時(shí)，熟練駕駛員操縱試驗(yàn)車真實(shí)情況，與駕駛員模型操縱車輛模型仿真情況對(duì)比圖，為了便于對(duì)比兩種情況，方向盤轉(zhuǎn)角和橫擺角速度仿真值都進(jìn)行了取相反數(shù)處理。

從圖7可以看出，在跟蹤相同道路時(shí)，駕駛員模型與熟練駕駛員在方向控制上并不完全一樣，在某一時(shí)刻，方向盤轉(zhuǎn)角幅值并不相同，但是兩條曲線的形狀接近，變化趨勢相似，圖8的橫擺角速度響應(yīng)曲線也具有同樣的特點(diǎn)。

圖9為熟練駕駛員軌跡跟蹤曲線、駕駛員模型跟蹤曲線和目標(biāo)軌跡對(duì)比圖。

圖9中駕駛員模型跟蹤曲線與熟練駕駛員軌跡跟蹤曲線比較接近。因此，可以認(rèn)為，所建立的基于可調(diào)預(yù)瞄時(shí)間的模糊PID控制駕駛員模型具有較高的精度，其行為特性與熟練駕駛員較為相似。

5.結(jié)論

（1）依據(jù)預(yù)瞄最優(yōu)曲率理論及模糊控制理論，建立了模糊PID控制駕駛員模型，將駕駛員的校正環(huán)節(jié)與汽車動(dòng)力學(xué)模型分開分析，從更廣的方面研究駕駛員的特性。

（2）建立預(yù)瞄時(shí)間函數(shù)，分析預(yù)瞄時(shí)間函數(shù)對(duì)軌跡跟蹤效果的影響。通過仿真證明，驗(yàn)證了預(yù)瞄時(shí)間的可調(diào)性，且預(yù)瞄時(shí)間函數(shù)能夠提高車輛軌跡跟蹤品質(zhì)。

參考文獻(xiàn)

[1]AshkenasIL，McRuer DT.A theory of handling qualities derived from pilot-vehicle system considerations A.Pro-ceedings of IEEE IndustryApplications Socicty Meeting[C].1962.

[2]MacAdam C C.An optimal preview control for linear sys-terns[J].Journal of Dynamic Systems，Measurement，and Control，1980，102（3）：188-190.

篇7

0引言

智能信息處理是模擬人或者自然界其他生物處理信息的行為，建立處理復(fù)雜系統(tǒng)信息的理論、算法和系統(tǒng)的方法和技術(shù)，主要面對(duì)的是將不完全、不可靠、不精確、不一致和不確定的知識(shí)和信息逐步轉(zhuǎn)變?yōu)橥耆⒖煽俊⒕_、一致和確定的知識(shí)和信息的問題。智能信息處理是當(dāng)前科學(xué)技術(shù)發(fā)展中的前沿學(xué)科，同時(shí)也是新思想、新觀念、新理論和新技術(shù)不斷出現(xiàn)并迅速發(fā)展的新興學(xué)科，涉及信息科學(xué)的多個(gè)領(lǐng)域，是現(xiàn)代信號(hào)處理、人工神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、人工智能等理論和方法的綜合應(yīng)用，在復(fù)雜系統(tǒng)建模、機(jī)器學(xué)習(xí)、醫(yī)學(xué)影像處理、系統(tǒng)優(yōu)化和設(shè)計(jì)等領(lǐng)域具有廣闊的應(yīng)用前景。

目前，智能信息處理研究生課程相關(guān)的教材和課件大多以高雋老師的《智能信息處理方法導(dǎo)論》為基礎(chǔ)開展相關(guān)介紹。該書體系嚴(yán)謹(jǐn)，理論推導(dǎo)細(xì)致，但在多學(xué)科交叉應(yīng)用尤其是面向認(rèn)知神經(jīng)科學(xué)、智能信息科學(xué)等領(lǐng)域的應(yīng)用方面介紹不足，缺乏必要的多學(xué)科交叉案例及相對(duì)完整的設(shè)計(jì)過程，導(dǎo)致來自不同學(xué)科的研究生在對(duì)理論知識(shí)的理解、不同工程應(yīng)用實(shí)踐經(jīng)驗(yàn)的積累等方面存在一定脫節(jié)的情況。針對(duì)智能信息處理課程教學(xué)的實(shí)際情況，我們從計(jì)算神經(jīng)科學(xué)、信息學(xué)科與智能信息交叉的多學(xué)科角度出發(fā)，系統(tǒng)介紹智能信息處理的基礎(chǔ)理論及各種新興處理技術(shù)，主要介紹智能信息技術(shù)的基本概念、原理和分析方法以及智能系統(tǒng)的知識(shí)處理和模型的建立，提供人工智能技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)在神經(jīng)科學(xué)交叉等領(lǐng)域的應(yīng)用算例，涉及目前國內(nèi)外智能信息處理的最新研究成果以及學(xué)術(shù)研究前沿進(jìn)展情況；同時(shí)，在教學(xué)實(shí)踐中，對(duì)課程的教學(xué)模式進(jìn)行探索和思考，強(qiáng)調(diào)多學(xué)科交叉及學(xué)生主體的重要性，注重教學(xué)方式的多樣化及課內(nèi)外教學(xué)相輔相成。該課程的教學(xué)實(shí)踐能夠使研究生對(duì)智能信息處理技術(shù)的發(fā)展及交叉學(xué)科應(yīng)用有全面的了解，為神經(jīng)科學(xué)、信息學(xué)科與智能信息交叉學(xué)科課程實(shí)施研究型教學(xué)開辟新的途徑，對(duì)提高課程教學(xué)效果，培養(yǎng)學(xué)生的主動(dòng)探究能力具有非常重要的指導(dǎo)意義。

1主要解決的教學(xué)及管理問題

1.1多學(xué)科交叉的智能信息處理

智能信息處理是一門以應(yīng)用為導(dǎo)向的綜合性學(xué)科，涉及腦與認(rèn)知科學(xué)、智能科學(xué)、信息科學(xué)、現(xiàn)代科學(xué)方法等多學(xué)科的交叉與綜合。由于智能信息處理涵蓋內(nèi)容廣泛，面向研究對(duì)象眾多，因此在較短學(xué)時(shí)的課程教學(xué)中，教師需要權(quán)衡把握好宏觀內(nèi)容的介紹和相關(guān)內(nèi)容的縱深講解，讓學(xué)生既能從整體上了解智能信息處理學(xué)科的基本概念、學(xué)術(shù)思想、知識(shí)體系和學(xué)術(shù)特色，又能在具體應(yīng)用方面了解其基本問題、基本模型和科學(xué)研究方法。在教學(xué)實(shí)踐中，把握好多學(xué)科交叉的智能信息處理課程的整體與局部、廣度與深度問題，是教師應(yīng)首要考慮的問題之一。

1.2積極引導(dǎo)學(xué)生參加多學(xué)科研討活動(dòng)及課外實(shí)踐活動(dòng)

實(shí)踐出真知，理論知識(shí)只有在實(shí)踐中才能更好地被理解和掌握，體現(xiàn)和發(fā)揮其價(jià)值，然而，傳統(tǒng)的課程教學(xué)模式側(cè)重于課堂上教師“口授筆書”的知識(shí)傳授，在引導(dǎo)學(xué)生研討和踐行方面存在很大不足，造成學(xué)生不能很好地理解和應(yīng)用課上所學(xué)，不能有效培養(yǎng)和促進(jìn)學(xué)生在實(shí)踐中發(fā)現(xiàn)問題和解決問題的能力。筆者結(jié)合多年留學(xué)經(jīng)驗(yàn)及國際教學(xué)實(shí)踐，對(duì)如何引導(dǎo)學(xué)生積極參加多學(xué)科研討活動(dòng)及課外實(shí)踐活動(dòng)，進(jìn)行反思、探索和嘗試。

2教學(xué)實(shí)踐主要內(nèi)容

2.1結(jié)合工程及應(yīng)用背景的教學(xué)模式

智能信息處理作為一門以應(yīng)用為導(dǎo)向的綜合叉學(xué)科，很多問題和模型既來源于又服務(wù)于實(shí)際應(yīng)用，與實(shí)際問題緊密相關(guān)，然而，現(xiàn)有的課程教材鮮有既能系統(tǒng)全面介紹智能信息處理的基礎(chǔ)理論、基本概念和分析方法，又能結(jié)合實(shí)際應(yīng)用及工程背景給出例證詳解的。分析教材縱深發(fā)展過程不難發(fā)現(xiàn)，理論與實(shí)際的結(jié)合不夠是主要原因，因此在實(shí)際教學(xué)實(shí)踐中，教師不能單純依據(jù)教材內(nèi)容照本宣科，需要結(jié)合實(shí)際應(yīng)用背景就地取材并靈活講解。

在智能信息處理教學(xué)實(shí)踐中，針對(duì)該學(xué)科多學(xué)科交叉的特點(diǎn)，可以采取點(diǎn)面結(jié)合的教學(xué)方式。在宏觀層面上，綜合介紹智能信息科學(xué)技術(shù)領(lǐng)域的相關(guān)內(nèi)容，包括基本概念、學(xué)術(shù)思想、知識(shí)體系和學(xué)術(shù)特色，讓不同專業(yè)背景的學(xué)生能在較短時(shí)間內(nèi)對(duì)智能信息處理學(xué)科從比較陌生的狀態(tài)過渡到對(duì)其基本模型和基本問題有初步、宏觀、科學(xué)和準(zhǔn)確的認(rèn)識(shí)；在微觀點(diǎn)處，以具體的經(jīng)典工程應(yīng)用范例及模式輔助宏觀介紹，達(dá)到宏觀而又不失具體、既有廣度又兼具深度的效果。這種精而不范的具體案例有利于短學(xué)時(shí)課程的安排，如介紹智能信息處理與信號(hào)處理的交叉時(shí)，筆者以參與的發(fā)動(dòng)機(jī)故障診斷為例進(jìn)行講解；介紹智能信息處理與系統(tǒng)辨識(shí)的關(guān)系時(shí)，筆者以曾研究的磁氣圈和太陽風(fēng)預(yù)測為具象進(jìn)行詳細(xì)說明。

2.2多學(xué)科交叉綜合的教學(xué)模式

一方面，智能信息處理涉及多學(xué)科交叉綜合，而傳統(tǒng)的教學(xué)模式往往側(cè)重于單獨(dú)介紹各學(xué)科的科學(xué)體系及應(yīng)用，對(duì)于學(xué)科交叉綜合方面的探討則有限，如在機(jī)器學(xué)習(xí)方面，以往的教學(xué)傾向于各種算法的數(shù)學(xué)推導(dǎo)和理論證明，但在實(shí)際應(yīng)用中，機(jī)器學(xué)習(xí)往往需要與其他學(xué)科如信號(hào)處理、模式識(shí)別等交叉互融，才能解決實(shí)際問題；另一方面，智能信息處理作為一門充滿活力的新學(xué)科，不斷有新技術(shù)和新方法隨著前沿問題的發(fā)現(xiàn)而被提出和應(yīng)用。教師可以采取多學(xué)科交叉綜合的方式，嘗試將國際前沿的科研成果引入智能信息處理的教學(xué)實(shí)踐中，這樣既能以此引導(dǎo)學(xué)生了解多學(xué)科交叉融合的方法和思路，又能展現(xiàn)國內(nèi)外智能信息處理的研究新成果和發(fā)展新動(dòng)態(tài)，激發(fā)學(xué)生的學(xué)習(xí)興趣。

2.3增加互動(dòng)環(huán)節(jié)的教學(xué)模式

傳統(tǒng)的教學(xué)模式往往側(cè)重于知識(shí)的灌輸，忽視方法的傳授。在教學(xué)實(shí)踐中，教師在“授之以魚”的同時(shí)，更要注重“授之以漁”，引入國外智能信息處理的前沿科研方法，培養(yǎng)學(xué)生良好的科學(xué)思維和科研素養(yǎng)。此外，智能信息處理的課堂教學(xué)不同于以往最基礎(chǔ)的授課，而是以教師講授為主，更多的是在課上由教師提出問題，引導(dǎo)學(xué)生討論互動(dòng)，讓學(xué)生產(chǎn)生代人感轉(zhuǎn)而主動(dòng)學(xué)習(xí)和理解。作為課內(nèi)的外延和補(bǔ)充，我們還在課外不定時(shí)、不定期組織學(xué)生參加科研沙龍，進(jìn)一步激發(fā)和培養(yǎng)學(xué)生的興趣，加強(qiáng)鞏固所學(xué)知識(shí)和方法。實(shí)踐證明，互動(dòng)授課方式及多活動(dòng)的課外擴(kuò)展，對(duì)于提高學(xué)生的學(xué)習(xí)熱情、培養(yǎng)學(xué)習(xí)興趣、促進(jìn)知識(shí)理解具有重要作用。

2.4多樣化的課程考核模式

一方面，傳統(tǒng)的單純以期末考試成績作為唯一考量標(biāo)準(zhǔn)的考核方式過于片面；另一方面，這種考核方式也容易束縛學(xué)生的思維，使學(xué)生產(chǎn)生學(xué)習(xí)只是為了最后一紙成績的誤解。綜合考慮智能信息處理的課程特點(diǎn)及研究生培養(yǎng)目標(biāo)，我們建議可以采取更為靈活的考評(píng)方式如采用PPT報(bào)告總結(jié)的方式，一方面考評(píng)學(xué)生平時(shí)表現(xiàn)，包括課堂出勤、課堂表現(xiàn)等，另一方面以學(xué)生學(xué)期末PPT報(bào)告總結(jié)成績?yōu)橹鳌Ｃ棵麑W(xué)生依據(jù)自己的興趣愛好，選擇一個(gè)與智能信息處理相關(guān)的研究方向進(jìn)行調(diào)研―參閱書籍―查找資料―深入探討，最后以PPT的形式向教師及全體學(xué)生總結(jié)匯報(bào)并互相交流。這種考評(píng)方式以書本為平臺(tái)，不僅能培養(yǎng)學(xué)生的系統(tǒng)掌握新知識(shí)及新技能的學(xué)習(xí)能力、實(shí)踐操作能力和表達(dá)能力，還可調(diào)動(dòng)學(xué)生查閱資料和自主思考問題的積極性，擴(kuò)展知識(shí)面。

3教學(xué)方法及路線

3.1多媒體利用最大化的教學(xué)方式

在教學(xué)手段和方式上，現(xiàn)在多媒體技術(shù)進(jìn)入課堂已經(jīng)非常普遍，但對(duì)豐富電子資源的利用程度并沒有實(shí)現(xiàn)最大化。當(dāng)前的教學(xué)方式大多以講解PPT為主，缺乏多樣化的展現(xiàn)方式，容易使學(xué)生產(chǎn)生疲勞感。結(jié)合教學(xué)實(shí)踐，我們發(fā)現(xiàn)通過將PPT、視頻、動(dòng)畫、錄像等多種形式的多媒體結(jié)合，以更加生動(dòng)形象的方式展現(xiàn)教學(xué)內(nèi)容，在吸引學(xué)生興趣和提高學(xué)習(xí)效率方面效果顯著；此外，還可以借助多媒體，通過軟件演示的方式讓學(xué)生親身感受實(shí)際工程應(yīng)用的操作過程，建立智能信息處理科學(xué)技術(shù)的直觀形象和感性認(rèn)識(shí)。

3.2開展科研教學(xué)沙龍活動(dòng)，引導(dǎo)互動(dòng)交流

智能科學(xué)技術(shù)處在創(chuàng)新發(fā)展時(shí)期，特別需要培養(yǎng)具有創(chuàng)新精神的人才。創(chuàng)新精神的產(chǎn)生伴隨著各種不同思想的匯聚、交流和碰撞，為了鼓勵(lì)和培養(yǎng)學(xué)生的創(chuàng)新思維，教師可以組織各種科研教學(xué)沙龍活動(dòng)，基于學(xué)生興趣，將不同專業(yè)背景的學(xué)生組織在一起，從不同專業(yè)視角自由探討某一研究方向，碰撞出思想的火花；同時(shí)，可以引入國際前沿?zé)狳c(diǎn)問題的創(chuàng)新結(jié)果的介紹，剖析前沿創(chuàng)新點(diǎn)和創(chuàng)新過程，開闊學(xué)生視野，培養(yǎng)和提高學(xué)生的創(chuàng)新能力。

3.3利用互聯(lián)網(wǎng)，構(gòu)建課外科研實(shí)踐互動(dòng)平臺(tái)

正所謂“眾人拾柴火焰高”，課堂中，學(xué)生可以隨時(shí)向老師提出疑問，老師帶動(dòng)學(xué)生一起討論；對(duì)于課外學(xué)習(xí)研究中出現(xiàn)的問題，教師可以通過QQ群、微信群、公郵等在線互動(dòng)平臺(tái)與學(xué)生交流溝通。一方面，眾智眾力促進(jìn)問題的解決；另一方面，平臺(tái)互動(dòng)的方式能充分調(diào)動(dòng)集體的學(xué)習(xí)研究熱情。

4教學(xué)模式的應(yīng)用效果

4.1國際學(xué)術(shù)

正如“實(shí)踐是檢驗(yàn)真理的唯一標(biāo)準(zhǔn)”，課內(nèi)學(xué)習(xí)到的知識(shí)只有被運(yùn)用在科學(xué)實(shí)踐中才能證明和體現(xiàn)其價(jià)值。在教學(xué)實(shí)踐中，我們著重培養(yǎng)學(xué)生將所學(xué)知識(shí)與其專業(yè)背景相結(jié)合、將所學(xué)轉(zhuǎn)化為科研成果的能力，取得了較滿意的教學(xué)效果，如部分學(xué)生將所學(xué)信號(hào)處理中的時(shí)頻分析方法應(yīng)用到故障的檢測中并將此公開發(fā)表在國際學(xué)術(shù)期刊上，獲得了令人滿意的研究成果。

4.2選課情況逐年遞增

圖1（a）匯總了2013―2015年我們開設(shè)的智能信息處理課程各院系學(xué)生選課情況。從圖1（b）中可以看出，研究生選課人數(shù)逐年遞增，開始該門課程的研究生選課人數(shù)由最初的13人增加至54人，增加3.15倍；圖1（c）表明，課程的覆蓋院系由最初的3個(gè)院系（0系表示研究生院）增加到2015年的11個(gè)院系，覆蓋面增加2.66倍。此外，選課學(xué)生中既有碩士，又有不少博士，甚至有來自其他高校的老師和工程研究所的碩士、博士。從智能信息處理課程近3年的選課總體情況來看，課程已經(jīng)引起不同專業(yè)學(xué)生和教師的廣泛關(guān)注和參與興趣。

4.3學(xué)生的綜合評(píng)價(jià)正面積極

在智能信息處理課程教學(xué)實(shí)踐中，我們發(fā)現(xiàn)不僅選課人數(shù)逐年增加，而且學(xué)生對(duì)課程的綜合評(píng)價(jià)也一直非常好。學(xué)生一致認(rèn)為當(dāng)前的授課方式豐富而有趣，結(jié)合工程實(shí)際背景的教學(xué)具體而形象，互動(dòng)形式的課堂方式能很好地促進(jìn)交流表達(dá)，課外的沙龍活動(dòng)為他們解決科研和學(xué)習(xí)中遇到的問題提供很大的幫助。