用改进子空间辨识法建立航空发动机模型

研究一种采用改进子空间辨识法建立用于航空发动机故障诊断与控制系统设计的小偏差状态变量模型方法.首先,利用发动机非线性模型的输入输出数据序列,在离散域下基于子空间辨识法建立指定阶数、无噪声干扰的状态变量模型,然后将其转化到连续域下进行相似变换,从而获得具有明确物理意义的发动机状态变量模型.这样,不仅避免了那些基于最优化思想方法所带来的一系列问题,即非线性迭代优化、对初始值敏感、计算时间长、系统矩阵参数规律性差等,而且不受模型阶次影响,并具有实现简单等特点.应用于建立某型涡扇发动机的小偏差状态变量模型,并与改进拟合法在拟合精度、计算时间、参数变化三个方面进行比较,从而验证了改进子空间辨识方法的优点与有效性.     

形状空间中模型变化的插值生成

在形状空间中,由三角形网格构成的模型可视为空间中的一个点,可以借助黎曼度量对形状空间进行操作,从而实现对模型的变换.改进了已有的操纵形状空间的方法,根据输入模型顶点的位置变化判断是否需要利用黎曼度量计算插值位置,降低了形状空间的维数,提高了运算速度.实验结果显示,混合利用线性插值和利用形状空间计算2种方法的生成模型具有良好的效果.     

一种改进的基于ICA特征子空间的目标识别方法

介绍了独立分量分析（ICA）的基本原理和算法,并提出了基于独立分量分析的特征子空间的目标识别方法。该方法首先利用快速独立分量分析（FastICA）算法对训练集目标图像进行ICA分解,据此建立特征子空间,然后根据待识别图像在特征子空间的投影系数进行判别。本文的改进在于根据类内类间距离比值最小化准则进行最有利于分类的特征的优化选择。实验结果显示,和传统方法相比,改进的方法能有效提高识别的准确率和效率。     

An Improved Structured Low-Rank Representation for Disjoint Subspace Segmentation

Low-rank representation (LRR) and its extensions have shown prominent performances in subspace segmentation tasks. Among these algorithms, structured-constrained low-rank representation (SCLRR) is proved to be superior to classical LRR because of its usage of structure information of data sets. Compared with LRR, in the objective function of SCLRR, an additional constraint term is added to compel the obtained coefficient matrices to reveal the subspace structures of data sets more precisely. However, it is very difficult to determine the best value for the corresponding parameter of the constraint term, and an improper value will decrease the performance of SCLRR sharply. For the sake of alleviating the problem in SCLRR, in this paper, we proposed an improved structured low-rank representation (ISLRR). Our proposed method introduces the structure information of data sets into the equality constraint term of LRR. Hence, ISLRR avoids the adjustment of the extra parameter. Experiments conducted on some benchmark databases showed that the proposed algorithm was superior to the related algorithms.     

分数阶系统时域子空间辨识

研究了分数阶系统的时域辨识问题,给出了一种新的分数阶系统时域子空间辨识算法.当分数阶微分阶次已知时,通过计算输入输出信号的分数阶微分,构造新的输入输出数据方程对系统的参数进行子空间辨识.当分数阶微分阶次未知时,通过代价函数将阶次辨识问题转化为参数寻优问题.采用Poisson滤波器有效避免了在计算分数阶微分时输入输出信号必须高阶可导的问题.通过分析给出了权矩阵的选取方式,提高了时域子空间辨识结果的精度.数值仿真结果表明了该算法的有效性.     

一种基于状态空间分析法的人工情感模型

从人类情感的特征出发,分析了情感的变化规律,引入转移系数矩阵、情感强度的衰减因子以及情感的灵敏因子描述不同个体的情感特征,提出一种基于马尔可夫链和状态空间分析方法的情感模型构建方法,分析了该模型的稳定性,并使用Matlab软件对情感的自发转移和控制输入时的情感变化以及无输入时情感的变化趋势进行了仿真,仿真结果说明了模型所表示的情感过程接近于人类的情感过程。     

基于两步方法的闭环子空间辨识算法

闭环辨识算法具有广泛的工程应用前景,而子空间方法近年来应用于多个领域中,但子空间方法无法直接应用于闭环辨识,因此研究闭环子空间辨识算法具有重要意义.两步方法可用于辨识闭环系统,但计算量巨大,推导复杂,需要进一步改进.针对这种情况,提出了一种改进算法,使用将两步方法与正交投影相结合的方法,并利用QR分解实现,直接构建虚拟信号序列,大大减少了计算量,最后使用PI-MOESP辨识算法辨识模型.仿真实验将该算法与其他子空间辨识算法相比较,显示出该算法的有效性及计算量的显著减少.     

基于动态奇偶空间法的传感器故障诊断

针对线性动态系统传感器组中多次续发故障的诊断问题,提出一种时间窗口动态调整的奇偶空间方法.基于系统中传感器组测量输出的时间序列之间的内在一致性,定义了时间窗口的最小宽度和传感器冗余度指标,并给出了构造优化奇偶矩阵的方法.根据当前时间窗口宽度值,动态设定残差的连续超限次数和故障检测的阈值,实现对系统的传感器故障进行检测、定位和隔离.最后以F-16战斗机俯仰通道动力学模型为例进行数值仿真,试验结果证明了该方法对传感器组多次故障的诊断和隔离有较好的效果.     

一种非线性模型的在线辨识方法

提出一种用于非线性模型在线辨识的模糊算法。该算法将非线性输入输出系统用时变线性系统模型来拟和。并把此非线性系统模型表示成模糊模型的形式,用在线调节模糊模型的方法来辨识时变线性模型的相关参数。在以往的模糊辨识方法中,均未给出在线调整非线性系统的模糊辨识算法。将递推模糊聚类方法与卡尔曼滤波法用于在线调整模糊模型参数,仿真算例表明了此算法的有效性与良好的实用价值。     

一种改进的Web日志会话识别方法

会话识别是Web日志挖掘中的数据预处理中的一个重要步骤。文中提出了一种改进的会话识别方法。首先,在用户识别后,进行框架页面的过滤,从而大大地减少了实验产生的有效页面,然后为页面设置访问时间阙值,并根据页面内容及站点结构确定的页面重要程度对该阈值进行调整。通过实验证明,相对于传统的对所有页面使用单一的先验阈值进行会话识别的方法,该方法所得到的会话集更具有真实性。     

一种改进的Web日志会话识别方法

会话识别是Web日志挖掘中的数据预处理中的一个重要步骤.文中提出了一种改进的会话识别方法.首先,在用户识别后,进行框架页面的过滤,从而大大地减少了实验产生的有效页面,然后为页面设置访问时间阈值,并根据页面内容及站点结构确定的页面重要程度对该阈值进行调整.通过实验证明,相对于传统的对所有页面使用单一的先验阈值进行会话识别的方法,该方法所得到的会话集更具有真实性.     

一种改进的多小波相邻系数去噪算法

小波分析理论已经成为信号去噪中的一种重要的工具.多小波因其能同时具有正交性、紧支性、对称性和高的逼近阶等信号处理中十分重要的特性.弥补了单小波的不足,从而具有更为广阔的应用前景.信号经多小波变换后,不但同一尺度内相邻多小波系数间存在着相关性,而且不同尺度间对应位置上的系数也存在相关性.文中对受白噪声污染的信号进行(平移不变)多小波分解,采用相邻系数法确定阈值的同时利用多小波系数尺度间的相关性,来有效地抑制小尺度上部分幅度较大的噪声多小波系数,提出一种改进的多小波相邻系数去噪算法.仿真实验表明,与传统的多小波阈值和相邻系数法去噪相比,该算法可以获得更好的去噪效果.     

基于主元分析的子空间辨识算法

子空间辨识算法作为一种优良的多变量系统辨识算法,最近在国内发展很快.但是现在国内介绍的大多数子空间辨识算法在变量有误差(errors-in-variable)时和闭环辨识时辨识结果却是有偏的,这是因为大多数子空间辨识算法都假设输入变量是没有噪声及辨识算法中存在的一个投影过程.文中介绍了一种新的子空间辨识算法,这种算法利用主元分析(PCA)来获取系统矩阵,避免了其他算法中的投影过程,因此该算法在闭环辨识和变量有误差(errors-in-variable)的情况下,辨识结果也是无偏的.最后给出一个仿真例子说明这种辨识算法的辨识效果良好.     

基于ARMAX模型的子空间辨识算法

针对于子空间辨识算法辨识闭环系统时,由于输入信号与不可测噪声是相关的,往往会得到有偏估计的问题.提出一种采用自回归滑动平均模型(ARMAX)的闭环子空间辨识方法,通过扩展最小二乘方法(ELs)估计ARMAX模型中的马尔科夫(Markov)参数,使用预测的子空间辨识方法(PBSID)获取系统参数矩阵,避免了采用高阶自回归模型(ARX)所导致的过大的估计方差等问题.算法实例验证结果表明,改进方法能够获得较好的闭环系统一致性估计,辨识精度较高,有非常良好的应用前景.     

实现闭环系统参数─致估计的直接辨识方法

为了实现闭环系统参数的一致估计，提出了一种一致辨识闭环系统模型参数的偏差补偿最小二乘法。这种方法不需要事先假设系统模型阶次和通道时延满足一定的不等式，允许前向通道和反馈通道之一中的噪声为有色噪声，并且在其辨识过程中不需要对有色噪声建模。     

一种基于空域相关的改进分形图像编码方法

分形图像编码技术具有压缩率高、解码快、与分辨率无关等优点，但是存在着计算量大、编码时间长等缺陷。本文从图像分块间的空域相似性出发，利用相邻分块往往在灰度、图像信息等方面具有相似性的特征，设计了一种改进的分形压缩算法，缩小了匹配域块的搜索空间。实验证明，改进算法在解码图像主观质量没有显著下降的情况下，在编码效率方面明显高于基本分形算法。     

医学细胞图像的空间域改进平滑滤波算法

为了更加准确地完成医学细胞图像的检测,针对图像预处理过程中存在的边缘模糊、图像色变和图像形变的缺陷,研究了改进型平滑算法,利用邻域平均和中值滤波相结合的方法对图像进行平滑滤波处理.基于标准图像的实验结果证明,这一新算法在实现去除噪声的同时,既克服了邻域平均法处理后图像边缘模糊和图像色变的缺点,也克服了中值滤波法处理后图像形变的不足.     

一种改善空间分辨率的电阻抗成像技术

电阻抗断层功能成像技术(Electrical Impedance Tomography简称EIT),是当今生物医学工程学重大研究课题之一,它是通过对物体表面电压、电流的测量来重建物体内部阻抗分布或变化的一种新颖的医学成像技术.它是继形态、结构成像之后,于近20年才出现的新一代无损伤功能成像技术.本文介绍了电阻抗成像技术的基本原理及研究的现状,针对成像技术中所需的有限元方法,采用了对某一物体内部阻抗变化的位置进行局部细化剖分,再重建出物体内阻抗分布图象的成像方法.这种方法不仅能减少重建算法的计算量,且能提高阻抗图象的空间分辨率.实验结果表明这种方法是可取的.     

一种基于改进神经网络的系统辨识方法

该文在分析神经网络辨识技术特点及现状的基础上,将BP神经网络结构和遗传算法相结合,设计了一种适用于非线性系统的辨识器模型。该辨识器模型首先建立初始的BP神经网络结构,再利用遗传算法对BP神经网络的权值和阈值进行优化,从而优化BP神经网络,通过迭代最终建立辨识器模型。最后,通过一个三阶非线性多输入单输出系统的仿真实验证明了所设计的辨识器具有辨识时间短、辨识精度高的特点,为神经网络辨识技术的研究提供了新的思路和方法。