基于BP神经网络的凸轮升程曲线拟合研究

基于BP神经网络方法,研究了凸轮升程曲线的拟合及BP神经网络拓扑结构、运行参数的选取规则。利用BP神经网络可实现复杂的凸轮升程曲线精确拟合,而不必事先假定凸轮升程曲线类型。实例表明采用BP神经网络拟合的凸轮升程曲线具有良好的速度、加速度连续性,保证了凸轮良好的动力性能。     

隐式B样条曲线拟合的加权PIA算法

为了使拟合数据点的曲线生成速度更快、误差更小,提出一种隐式B样条曲线拟合数据点的加权PIA算法.首先,用待拟合数据点以及给定法向量生成偏移点集.然后,通过偏移点集构造差分向量,从而得到需要调整的误差控制系数,为了使迭代效率更高,在迭代过程中对误差控制系数做加权处理.最后,用最新的控制系数矩阵得到拟合数据点的曲线.文中5个数值算例采用均匀节点序列,实验结果表明,在相同迭代次数下,相对于I-PIA算法,该算法得到的拟合曲线误差值更小,曲线能更好保特征.     

一类非线性逆系统的加权最小二乘支持向量机辨识方法

文中依据T-S模型的思想,提出了一种加权最小二乘支持向量机辨识算法.它采用模糊c均值(FCM)聚类确定规则数目,通过Gauss型函数将原输入输出空间分成若干子空间,在子空间中使用最小二乘支持向量机(LS-SVM)拟合获得子模型,然后由一个权重机制合成这些子模型,得到系统的模型.文中使用该方法去辨识关键反馈变量难以获得的非线性逆系统.为了得到这类逆系统的有效建模数据,采用了联合逆系统方法.仿真结果表明,加权最小二乘支持向量机辨识方法是有效的,它能够实现这类非线性逆系统的辨识,而且拟合误差平稳,波动幅度小,拟合精度和泛化能力都较好.     

加权支持向量回归的权值确定方法

针对标准支持向量回归中由于噪声和野点造成的回归误差.提出了一种基于线性规划的权值确定方法.该方法的基本思想是首先根据样本偏离数据域距离的不同,采用线性规划下的一类分类算法得到一个权值确定函数,然后将得到的权值确定函数应用于加权支持向量回归,加权的目的是为了减弱噪声和野点对回归结果的影响.实验表明,该权值确定方法与标准支持向量回归相比,可以有效减小回归误差,提高支持向量机抗噪声的能力.     

基于鲁棒最小二乘支持向量机的气动参数拟合

最小二乘支持向量机（LS－SVM）比标准支持向量机具有更高的计算效率,但是却散失了标准支持向量机的稀疏特性,而且当考虑异常值或者误差变量的高斯假设不成立时,会导致不稳健的估计结果。为了克服这两个缺点,在飞行器的气动参数拟合计算中引入了一种鲁棒最小二乘支持向量机（RLS－SVM）,该方法通过加权的支持向量机来获得鲁棒估计,并通过对支持值谱进行剪枝最终得到稀疏解。仿真结果表明：RLS－SVM方法简单,学习速度快,拟合精度高,鲁棒性强,是一种在飞行器轨迹计算中值得推广和采用的方法。     

基于柯西分布加权的最小二乘支持向量机

针对Suykens等提出的加权最小二乘支持向量机(WLS-SVM)回归建模的不足和防止辨识模型的"过拟合",利用柯西分布函数的一些特性,提出了基于柯西分布加权的最小二乘支持向量机,根据预测误差的统计特性,以确定加权规则的参数,从而赋予训练样本不同的权值,由于考虑了生产过程中样本的实际特性,与已有的加权方法相比,新的加权最小二乘支持向量机更具有鲁棒性,仿真结果验证了该方法的可行性和有效性.     

一种数据域描述的加权支持向量回归算法

针对支持向量回归中由于噪声和孤立点带来的过拟合问题,提出了一种基于支持向量数据域描述的加权系数函数模型,根据样本到特征空间最小包含超球球心的距离来确定其加权系数。将提出的加权系数模型用于加权支持向量回归中,一维数据集仿真表明,提出的模型可以有效减小回归误差,提高支持向量回归算法的抗噪声能力。     

基于鲁棒学习的最小二乘支持向量机及其应用

鉴于最小二乘支持向量机比标准支持向量机具有更高的计算效率和拟合精度,但缺少标准支持向量机的鲁棒性,即当采样数据存在奇异点或者误差变量的高斯分布假设不成立时,会导致不稳健的估计结果,提出了一种鲁棒最小二乘支持向量机方法.该方法在最小二乘支持向量机基础上,通过引入鲁棒学习方法来获得鲁棒估计.仿真分析及某湿法冶金厂的应用实例验证了该方法的可行性和有效性.     

基于灰色特征加权支持向量机的二维函数拟合

函数拟合通常是在有限的训练样本下对函数变量之间的关系做出预测,由于在实践中训练样本本身存在噪音和孤立点,用传统的方法进行函数拟合的效果不佳。考虑到不同特征对于回归问题相关程度的不同,研究了以灰色关联度作为权重的特征加权支持向量回归机算法,并推广运用于二维函数的回归拟合。仿真结果表明,灰色特征加权方法较传统支持向量回归机,具有更好的回归拟合能力。     

多元宇宙优化算法优化WLSSVM的网络流量预测

高精度网络流量预测可以帮助管理人员了解网络流量变化态势,提高网络系统的稳定性,为了降低网络流量预测的误差,提出了基于多元宇宙优化算法优化加权最小二乘支持向量机的网络流量预测模型。首先采用网络流量历史数据,将其作为加权最小二乘支持向量机的输入向量,然后利用多元宇宙优化算法对加权最小二乘支持向量机参数寻优,从而得到最优的网络流量预测模型,最后采用具体网络流量预测应用实例对模型性能进行测试与分析,结果表明本模型可以准确描述网络流量的变化规律,预测误差很小,完全能够满足网络管理实际要求,相对于其他预测模型,本模型的网络流量预测精度得到了有效提高。     

Integrating piecewise linear representation and weighted support vector machine for stock trading signal prediction

Piecewise linear representation (PLR) and back-propagation artificial neural network (BPN) have been integrated for the stock trading signal prediction recently (PLR–BPN). However, there are some disadvantages in avoiding over-fitting, trapping in local minimum and choosing the threshold of the trading decision. Since support vector machine (SVM) has a good way to avoid over-fitting and trapping in local minimum, we integrate PLR and weighted SVM (WSVM) to forecast the stock trading signals (PLR–WSVM). The new characteristics of PLR–WSVM are as follows: (1) the turning points obtained from PLR are set by different weights according to the change rate of the closing price between the current turning point and the next one, in which the weight reflects the relative importance of each turning point; (2) the prediction of stock trading signal is formulated as a weighted four-class classification problem, in which it does not need to determine the threshold of trading decision; (3) WSVM is used to model the relationship between the trading signal and the input variables, which improves the generalization performance of prediction model; (4) the history dataset is divided into some overlapping training–testing sets rather than training–validation–testing, which not only makes use of data fully but also reduces the time variability of data; and (5) some new technical indicators representing investors’ sentiment are added to the input variables, which improves the prediction performance. The comparative experiments among PLR–WSVM, PLR–BPN and buy-and-hold strategy (BHS) on 20 shares from Shanghai Stock Exchange in China show that the prediction accuracy and profitability of PLR–WSVM are all the best, which indicates PLR–WSVM is effective and can be used in the stock trading signal prediction.     

凸轮轴磨床工件旋转轴转速预测算法的研究

采用三次B样条曲线插补的凸轮磨削加减速能力不足,易产生过磨和少磨。根据凸轮磨削的数学模型,分析了砂轮进给轴运动的理论与实际速度、加速度、加加速度,提出了一种预测工件旋转轴转速的加工方法,在速度变化剧烈处自动降低工件旋转轴转速,以避免加速度和加加速度的变化对伺服系统造成的机械冲击,利用Matrix VB控件编程技术,设计了凸轮轴磨削软件,并将其移植到YTMK-CNC8326全数控高速凸轮轴磨床中。测试表明,采用该方法磨削的凸轮轴型线误差小于±0.01mm,工件表面粗糙度得到明显改善,实现了凸轮轴的精密加工。     

Error Analysis of a Derivative-Free Algorithm for Computing Zeros of Holomorphic Functions

We consider the quadrature method developed by Kravanja and Van Barel (Computing 63(1):69–91, 1999) for computing all the zeros of a holomorphic function that lie inside the unit circle. The algorithm uses only the function values and no (first or higher order) derivatives. Information about the location of the zeros is obtained from certain integrals along the unit circle. In numerical computations these are replaced by their trapezoidal rule approximations. We investigate the resulting quadrature error. Our error analysis shows that the zeros located inside the unit circle do not affect the accuracy of the computed approximations whereas the quadrature error related to the zeros located outside the unit circle tends to zero exponentially as the number of quadrature points tends to infinity.     

光栅位移传感器在凸轮廓线测量中的运用

介绍了光栅位移传感器在基于单片机控制的凸轮廓线测量装置中的运用 ,并对装置的测量误差进行了分析。实测结果表明该装置完全可以满足高准确度凸轮廓线测量的需要     

基于点云属性信息的平面标靶特征提取

目的 色彩和回光强度作为点云的属性信息可以有效地应用到点云数据的特征提取中.本文根据平面标靶的几何以及光谱特性,提出了一种平面标靶的快速提取算法用于精确确定靶心坐标.方法 首先根据点云的色彩信息,采用光谱欧式距离函数进行点云的分类;对分类后的点云进行色彩重采样以提高同类点云色彩的一致性,同时根据平面标靶点云的光谱特性,根据其RGB值进行目标区域的提取,通过对圆形区域的面积测定以确定目标提取的正确性.最终根据点的回光强度值,确定圆形目标区域的中心坐标位置.结果 通过两组实验分析,第1组对固定距离处的标靶靶心提取精度分析,本文自动提取靶心的点位中误差为3.31 mm,而手工提取靶心的点位中误差为11.78 mm,证明本文方法的提取精度明显高于手工提取靶心的精度;第2组对分散排列的标靶靶心提取精度分析,通过分析证明本文方法在5 m处的靶心提取精度可以优于2 mm;10 m处的提取精度可以优于4 mm;15 m 处的点位提取精度可以优于5 mm.结论证实了本文方法的可行性和精确性.     

TTC估计系统误差分析及修正

在运动图像序列中利用目标稳定的特征点进行跟踪,从而计算目标尺度变化率以进一步进行TTC（Time-To-Contact) 估计,是目前应用较多的被动测距方法,但由于图像的离散化采样,在图像中进行尺度测量不可避免地带来了很大的误差,本文在对TTC估计系统进行了一系列误差分析后,根据TTC系统的特点对TTC估计结果进行一元线性回归修正,以提高估计精度和抗干扰能力,实验结果证明了该方法的有效性。     

Hilbert transforms from interpolation data

This paper studies the construction of stable transfer functions for which the real or imaginary part takes prescribed values at discrete uniformly spaced points on the unit circle. Formulas bounding the error between a particular interpolating function and any function consistent with the data are presented; these have the desirable property that the error goes to zero exponentially fast with the number of interpolating points. The paper also examines construction of stable minimum phase transfer functions for which the magnitude takes prescribed values at uniformly spaced points on the unit circle, and presents error bounds for this problem. Connection with the discrete Hilbert transform is made. The effect of uncertainty in the original data is also examined, and we show that oversampling is possible.     

基于广义互相关时延估计算法的声发射定位技术

利用互相关分析算法估计出声发射信号到达不同传感器时由于传输距离不同而引起的时间差,是实现声发射源定位的关键技术。在理论分析互相关时差定位算法的基础上,提出了一种基于加权函数的广义互相关声发射定位方法。分析比较了GCC,PHAT,Roth,SCOT四种不同加权函数用于声发射信号时差估计的效果,选定信号波动少、噪声抑制能力高的PHAT加权函数进行声发射源定位实验。在800mm×800mm×5mm的大理石板上,采用断铅作为声发射信号激励源进行定位实验研究,选取6个测点,每个测点测试10组。结果表明,60组测试数据中55组数据相对于测点的定位绝对误差均小于37 mm,相对误差（相对于两传感器间的距离750 mm）小于5%（约占90%）。单测点十次平均后绝对误差均小于20 mm,相对误差小于3%。     

采用有向梯度与RANSAC的虹膜定位算法

针对虹膜图像中有较多光斑的情况,提出一种基于有向梯度和随机抽样一致性（RANSAC）相结合的虹膜定位算法。该算法根据瞳孔内某点利用有向梯度提取内缘像素点,采用RANSAC定位虹膜内缘;下采样虹膜图像,利用圆差分算子在瞳孔左右两侧拟合出两个圆,进而合并为一个圆;根据圆的参数在虹膜图像中快速精确定位外缘。实验结果表明：该算法在正确率、定位速度和鲁棒性方面均优于传统的虹膜定位算法。