基于卷积神经网络的电子鼻分类识别

在混合气体识别的研究中,针对目前电子鼻应用于化工污染物种类监测时难以达到理想精度的问题,提出了一个基于卷积神经网络的气体分类识别算法。首先利用卷积神经网络的自适应特征提取能力,有效降低原始数据对后续操作的影响;其次进行多次实验训练,对卷积神经网络进行参数优化,提高网络模型性能;最后将提出的卷积神经网络算法与BP神经网络算法分别应用于加州大学公开数据集中的一氧化碳和乙烯混合气体的实验数据中。实验结果表明,卷积神经网络算法对此数据集的气体种类检测准确率达到93%,比BP神经网络算法应用于气体识别时精度更高,误差更小,为电子鼻系统气体种类检测提供了一种新的方法。     

贪婪算法在InSAR相位解缠中的应用

针对干涉SAR二维相位解缠问题，提出了一种利用贪婪算法提高解缠精度的新方法．首先从理论上推导了贪婪算法相位解缠的基本原理，然后提出了一种迭代加权的贪婪算法，以克服传统贪婪算法解缠结果收敛于局部最优解的弊病，最后利用仿真数据进行了实验分析，验证了本文算法的有效性．仿真实验结果表明，该算法实时，高效，准确．     

基于蚁群算法的贝叶斯网结构学习

针对具有丢失数据的贝叶斯网结构学习问题,提出了一种将数据的完备化与结构的蚁群优化相结合的学习方法.随机初始化未观察到的数据,得到完整的数据集,并利用蚁群算法学习得到初始网络结构;然后进行迭代学习,在每次迭代中根据当前最好的贝叶斯网结构,利用EM估计和随机的采样插入对数据进行完备化,在完备数据下,利用改进的蚁群优化过程使结构不断进化,直到获得全局最优解.实验结果表明,该方法能有效地从不完备数据中学习贝叶斯网结构且与新近的MS-EM、EGA、BN-GS方法相比,具有更高的学习精度.     

基于智能混合算法的车辆配送路径优化

为提高车辆配送效率,节约配送成本,建立了以配送路径和成本综合最优为目标的车辆配送路径问题数学模型.设计并实现了一种智能混合算法,首先利用具有自适应交叉率和变异率的改进遗传算法生成全局较优解,再将较优解转换为初始信息素进行蚁群算法,并结合2-opt算法对解进一步迭代优化,最终获得了车辆最优配送路径.实验结果表明,该算法优化后的目标值比蚁群算法减少了15.0%,比遗传算法减少了10.4%,验证了该算法的有效性和优越性.     

TV-Allen-Cahn模型进行图像分割的改进对偶算法(英文)

提出了一种改进的对偶算法解TV-Allen-Cahn模型的一个子问题,该算法能克服TV-Allen-Cahn模型不可微性引起的数值求解困难.利用局部傅里叶分析法分析了求解子问题的Chambolle对偶迭代和一种修改迭代格式的收敛速度.最后,通过数值实验进行验证.     

基于李代数的人体手臂惯性动作捕捉算法

为了实现实时人体手臂动作捕捉,提出了一种利用惯性传感器实现人体手臂动作捕捉的方法.利用惯性测量单元(IMU)解算出的四元数信息,得到手臂腕部、肘部和肩部关节点的位置.将惯性数据通过蓝牙无线通信方法传到上位机.采用具有毫米级动作捕捉精度的OptiTrack光学动作捕捉设备,得到人体手臂的位置数据,并将其作为基准位置数据.将IMU坐标系下解算出的位置信息变换到OptiTrack坐标系下进行对比.结果表明,该方法适用于自由活动环境下的动作跟踪,具有较高的动作捕捉精度.     

基于卡尔曼滤波和互补滤波的改进型姿态解算方法

四元数融合互补滤波通常采用三轴陀螺仪的角速度积分来获取角度,进而利用角度求得四元数,再由四元数解算出姿态角。但三轴陀螺仪由角速度积分得到的角度由于温漂、单次迭代等原因,往往偏差较大,难以消除,这就导致求得的四元数精度不够,最终影响互补滤波解算出的姿态角的精度。针对这个问题,提出采用卡尔曼滤波融合陀螺仪、加速度计的数据进行基于误差协方差最小的迭代估计,并通过对过程噪声和观测噪声的滤波,最终得到姿态角的最优估计,再将这个估计值代入互补滤波中求得四元数,利用该四元数进行误差负增益调节。本工作基于STM32F4搭建实验平台进行验证,结果表明:该改进型姿态解算方法明显地提高了姿态角的精度,具有良好的动态和静态特性。     

一种自适应混合滤波姿态解算算法

针对低成本惯性测量器件采用基于滤波的姿态解算算法存在精度低、抗干扰性差等问题,提出了一种基于共轭梯度法与互补滤波相融合的自适应参数调节的混合滤波算法.该算法首先利用共轭梯度算法对加速度计和磁力计的数据进行姿态四元数的迭代估算,再通过互补滤波算法将陀螺仪更新的姿态与其进行信息融合,最后根据载体的运动状态自适应调节滤波参数,实现最优姿态估计.为验证所提算法的可行性和抗干扰性,与其他滤波融合算法在移动机器人平台上进行抗磁干扰和抗运动加速度干扰实验.实验结果表明,该算法可以有效地降低磁干扰和运动加速度干扰对姿态角解算的影响,其姿态角解算精度优于传统的梯度下降法、高斯牛顿法和共轭梯度法的滤波融合算法.     

关于锅炉房凝结水回收率的计算

供热锅炉房凝结水回收率是选择离子交换器的已知数据.以前,在计算该数据时,采用的是“试算法”,需要反复计算多次,才能算出凝結水回收率.现在,将锅炉排污率、除氧器所使用的新蒸汽量和软化水量都写成以凝结水回收率为自变量的函数式.将上述函数都代入除氧器的热平衡方程式里,解该方程式,算出凝结水回收率,方法简便.     

矩阵方程组的自反矩阵解及其最佳逼近

求矩阵方程组AiXBi CiXDi=-Fi(i=1,2)的自反矩阵解.利用共轭梯度法的思想,建立相应的迭代算法.该算法可以判断矩阵方程组是否有自反矩阵解,并在有自反矩阵解时,可以在有限步迭代计算之后得到矩阵方程组的一个自反矩阵解或者极小范数自反矩阵解.另外,还给出了在解集合中对给定矩阵的最佳逼近.数值算例表明该算法对于求解此类矩阵方程组的自反矩阵解是有效的.     

快速绘制圆弧的行程算法

为了提高圆弧的生成效率,给出一种快速圆弧绘制的简单算法.该算法将圆弧离散轨迹看成是由一系列水平线段和斜线段构成,逐段找出并绘制这些线段,可减少圆弧绘制过程中所需的输出操作.与现存的行程类算法不同,新算法对斜线段的定义更合理,并直接对传统Bresenham算法的决策参数进行迭代和检测,圆弧的不同区段无需重新构造初始值,节约了运算量且算法结构非常简单.2步加速计算线段长度措施的提出进一步提高了计算效率,且每执行一次输出操作可生成2个或多个像素点.与Bresenham算法相比,新算法的圆弧平均绘制速度提高近1倍,并可以推广到椭圆或其他二次曲线的绘制中.     

基于先验信息辅助的8PSK信号信噪比估计

基于最大似然序列估计准则,提出了3种先验信息辅助的8PSK调制信号的信噪比估计方法.与现有硬判决辅助的信噪比估计方法进行了比较,解决了现有方法在低信噪比时估计误差较大的问题.分析了3种方法在Turbo均衡系统中初始迭代以及迭代进行过程中的性能,根据不同的迭代次数,在不同的方法之间进行切换会提高信噪比的估计精度,并降低计算复杂度.新方法只需要利用很少的数据符号就能得到准确的结果,并且能适用较大的信噪比范围.     

多参数MRV算法的算法设计与数值实验

MRV迭代法是求非线性方程组的数值解的一种Newton型迭代法. 它通过修改右端向量, 使得迭代过程中各步的线性方程组具有相同的系数矩阵. 在每步迭代过程中,利用一个参数的选择,来优化步长修正量. MRV迭代法的收敛速度较快, 界于定点Newton法和Newton迭代法之间. 借助于LU分解, 可使其计算成本降低, 低于定点Newton法. 这是一种非常实用的算法. 然而,其收敛速度仍需提高. 为此, 文献[9]利用多个参数, 得到一种新的迭代法--多参数MRV迭代法, 并对其收敛性进行了严格的证明. 通过对该算法进行进一步的研究,特别是对那些仅含少量非线性方程的非线性方程组,设计出一些比较好的算法, 既克服了Newton法每个迭代步都要计算Jacobi矩阵的缺点, 又保持了和Newton型迭代法相同的收敛速度. 并通过数值实验, 对这些算法的优点进行了验证.     

人工肺-嗅觉系统集成与混合气体识别方法

针对仿人机器人的嗅觉及多种混合气体识别问题,提出一种人工肺-嗅觉系统(HALOS-I)及基于主动呼吸的气体识别方法.该系统硬件主要集成了微型真空泵、酒精/硫化氢/氨气/烟雾/甲烷5种气体传感器、单片机以及信号采集与处理电路;分别用K-均值聚类分析法、遗传算法结合神经网络(GA+BP)、三级级联神经网络(GA+3BP)进行了5种单一气体及4种混合气体的识别实验,结果表明:GA+BP算法仅对5种单一气体识别率达到90%以上,加入混合气体后识别率较低;GA+3BP算法除对硫化氢和烟雾的混合气体识别率为70%以外,对其余8种气体识别率均在90%以上,表明GA与多级级联BP神经网络相结合方法对多种单一及混合气体具有较高的识别率.     

基于修正Landweber迭代的声学温度场重建算法

针对不同温度场分布模型,采用修正Landweber迭代技术对其进行温度场重建,介绍了基于声学方法的烟气测温基本原理以及基于Landweber迭代的声学温度场重建算法.根据实际情况,确定了重建算法中的价值函数和迭代步长,使得收敛速度有明显提高,得到了稳定的重建结果.给出了不同温度场分布模型及其重建图像和重建误差.仿真结果表明,即使在声波发射/接收器数目较少时(如8个),该算法仍具有较高的重建精度和抗干扰能力,具有突出优点.     

多参数MRV算法的理论证明

MRV迭代法是求非线性方程组的数值解的一种Newton型迭代法.它通过修改右端向量,使得迭代过程中各步的线性方程组具有相同的系数矩阵.在每步迭代过程中,利用一个参数的选择,来优化步长修正量.MRV迭代法的收敛速度较快,界于定点Newton法和Newton迭代法之间.借助于LU分解,可使其计算成本降低,低于定点Newton法.现利用多个参数,将MRV迭代法进行改进,得到一种新的迭代法--多参数MRV迭代法,并对其收敛性进行了严格的证明.得出多参数MRV迭代法的收敛速度比MRV迭代法要快的结论.     

载气对富勒烯形成的影响

研究了Ｈｅ，Ａｒ和Ｎ２作为工作气体对富勒烯生成的影响．在一定的气压下，不同的惰性气体对富勒烯的产率及其组份有重大影响，相同的气体在不同的气压下也影响到它的产率．同时，气压处于低真空状态时（不充载气）得不到富勒烯，表明一定压力的惰性气体对富勒烯的形成是必不可少的，这对富勒烯形成机理的推测提出了一个新的影响因素．结合电弧的烧蚀方式对此作了分析和解释．     

基于免疫模糊聚类算法的电网抗差状态估计

提出了一种基于免疫进化模糊聚类算法的电网抗差状态估计方法。该方法首先计算出量测数据的标准残差h和相邻采样时刻量测值之差位,初步将量测数据划分为可疑数据和可靠数据。分别在0．5～1和1～1之间随机生成可靠数据和可疑数据的隶属度,形成初始分类矩阵,克服了整个分类矩阵在0-1之间随机生成的缺陷,并大大加快了算法的收敛速度。之后以rN和△z为特征值,应用免疫进化算法对分类矩阵进行模糊聚类,以获得各个量测量的良数据隶属度。依据各个量测量的良数据隶属度,进一步将量测数据划分入淘汰区、降权区、保权区进行状态估计。该方法能获得较高的抗差能力和状态估计精度,且数值稳定性较好。对IEEE14节点系统的算例仿真表明了该方法的有效性。     

二次规划问题的一个全局收敛的内点型算法

目标函数是二次函数而约束函数是线性函数的规划问题称为二次规划问题,它是最简单的一类非线性规划问题,利用二次规划问题的约束函数为线性函数的这个特点,结合约束优化问题的一阶最优性条件,提出了二次规划问题的一个全局收敛的内点型算法.算法比较简单,每一步只需要求解一个线性方程组,不需要大量的计算就可以得到可行下降方向,再设置一组参数,沿着该方向进行线性搜索.算法每次迭代都能保持不等式约束函数的严格可行性,具有内点法的特点,而且在不需要凸性的假设下证明了算法是具有全局收敛性的.最后给出了数值实验,进一步证实了算法的可行性与收敛性.     

基于加权平滑l_0范数的单快拍波达方向估计

针对现有基于压缩感知的DOA估计算法估计精度不高的问题,提出一种基于加权平滑l0范数的单快拍DOA估计算法。所提算法采用一种新的加权方式,在构造一个恰当的平滑连续函数后,根据接收数据的初始解确定一个合适的递减的{σ}序列[σ_1,σ_2,?,σ_J],并对每一个σ值,用最速下降法来求解l0范数的逼近函数H_σ(S)的最小值;然后将该σ值作为下一次迭代的初始值,并在每次迭代开始时更新权值,通过多次的迭代获得逼近函数的最小解,即逼近的最小l0范数。通过仿真实验表明所提算法可对DOA进行有效估计,且容易实现、精度较高,与未加权的改进平滑l_0范数DOA估计方法相比具有更好的估计性能。