基于慕课的线上线下教学模式探讨

依托网络平台,充分利用各类网络教学资源和工具,以线上教学模式为辅助手段,把线上教学和线下教学结合起来,文章进行了线上教学模式和线下教学模式的教学效果对比,分析了两种模式存在的问题,提出了解决的方法。     

T-S型RBF神经网络在红外火焰探测系统中的应用

基于T-S(Takagi-Sugeno,高木-关野)模型RBF(Radial Basis Function,径向基函数)神经网络,提出了一种应用于三波段点型红外火焰探测器的识别算法,同时实现了硬件电路以及软件程序的设计。针对火焰探测器在检测过程中可能出现的数据丢失、失真、饱和等复杂情况,本文利用RBF网络较优的逼近精度和泛化能力,同时结合T-S模型用少量的模糊规则可生成较复杂的非线性函数的特点,实现了火焰与干扰源的准确识别。实验证实,T-S模型RBF神经网络相比于BP(Back Propagation,反向传播)网络在逼近精度、收敛速度、鲁棒性等多个方面都有所提升。     

浅谈数据挖掘和移动互联网

和传统互联网相比,移动互联网有其特殊性,文章分析了在移动互联网范畴上的数据挖掘问题,和时间信息相对应的地理位置信息是传统互联网所独有的,而LBS是具有移动互联网特点的应用。     

磁耦合谐振式无线电能传输系统频率跟踪的自适应模糊控制

确保无线电能传输(Wireless Power Transfer,WPT)系统保持谐振状态是提高其传输效率的关键因素.考虑到WPT系统是一种松散耦合系统,可能因负载、传输距离等因素的变化,引起WPT系统的谐振工作频率出现分裂或失谐等情况,从而导致系统传输效率大幅降低.为确保磁耦合谐振式无线电能传输系统保持较高的能量传输...     

基于改进型T-S模糊RBF神经网络的红外火焰探测器识别算法

针对三波段红外火焰探测器中可能出现的单一非火焰波段通道的数据丢失、失真、饱和3种对火焰特征数据的强干扰情况,本文提出了一种改进型T-S(Takagi-Sugeno,高木-关野)模型RBF(Radial Basis Function,径向基函数)神经网络的火焰识别的鲁棒性融合算法.该算法通过聚类算法确定模型需要的模糊规则...     

四旋翼飞行器全局鲁棒轨迹跟踪控制算法研究

针对四旋翼飞行器轨迹跟踪控制性能易受模型参数不确定性和未知外部干扰影响的问题,提出一种基于自适应反步法的全局鲁棒控制策略。该方法利用单一虚拟变量表达的线性化参数模型描述系统内部不确定性和外部干扰组成的集总干扰,并通过反步法设计的自适应算法在线估计虚拟变量,从而降低计算量,提高控制器的实时性。基于Lyapunov理论证明了该方法对集总干扰的鲁棒性及系统全部变量的全局一致最终有界性。最后,通过仿真算例验证了该控制策略的有效性和可行性,结果表明：该控制策略能有效克服集总干扰影响,实现四旋翼飞行器的精确轨迹跟踪。     

计及损耗的双馈感应风力发电机高电压穿越控制策略

利用换向原理分析其电磁暂态特性,在此基础上,对DFIG输出无功功率与其铜损耗的解析关系进行了理论分析,推导出了使铜损耗最低的DFIG输出无功功率最优参考值。同时,转子的瞬时功率补偿分量减小了DC总线电压的波动,从而减少了转换器的功率损耗。由此,提出了考虑DFIG铜损和转换器损耗的DFIG高电压穿越控制策略。仿真结果表明,该控制策略可以在保证DFIG高电压穿越能力的同时降低DFIG铜损耗与换流器损耗,并具有较好的暂态特性。     

工业过程多模型建模及辨识方法研究

针对实际的工业过程建模中存在的多工况和采样延时这两大重要数据特征,首先利用LPV模型拟合多工况过程,选取线性ARX模型作为LPV的局部模型;同时将采样延时和数据的工况归属作为EM算法的隐含变量,然后对极大似然函数进行求解,辨识出各局部模型的参数;最后采用高斯权重函数将局部ARX模型融合为整体LPV模型。采用连续搅拌反应釜和三级高纯度精馏塔作为数据采样延时情形下的多工况过程建模仿真实例,在建立过程模型的同时准确地估计数据的采样延时。仿真结果表明该方法具有良好的建模效果,对于处理数据采样延时的多工况工业过程建模问题具有非常实用的价值。     

基于核心向量机的多任务概念漂移数据快速分类

通过协同求解多个概念漂移问题并充分挖掘相关概念漂移问题中蕴含的有效信息,共享矢量链支持向量机（shared vector chain supported vector machines,SVC-SVM）在面向多任务概念漂移分类时表现出良好性能。然而实际应用中的概念漂移问题通常有较大的数据容量,较高的计算代价限制了SVC-SVM方法的推广能力。针对这个弱点,借鉴核心向量机的近线性时间复杂度的优势,提出了适于多任务概念漂移大规模数据的共享矢量链核心向量机（shared vector chain core vector machines,SVC-CVM）。SVC-CVM具有渐近线性时间复杂度的算法特点,同时又继承了SVC-SVM方法协同求解多个概念漂移问题带来的良好性能,实验验证了该方法在多任务概念漂移大规模数据集上的有效性和快速性。     

一种优化极限学习机的果园湿度预测方法

针对传统水蜜桃种植过程中环境监测实时性差、人力物力浪费严重的现状,通过无线传感网络技术(WSN),本文果园环境监测系统的基础上提出一种优化极限学习机的湿度预测方法(PSO-ELM),该方法首先使用主成分分析法(PCA)对环境监测数据进行分析,实现数据的降维,然后利用粒子群算法(PSO)优化极限学习机(ELM)的初始权值、偏置,对训练集和测试集分别进行测试,以果园环境监测系统中9天(1296组)数据为测试对象,将PSO-ELM算法与线性回归、ELM神经网络进行对比,验证预测方法的可靠性。实验结果表明,该预测算法的RMSE、MAPE和 MAE分别为0.5038、0.0051和 0.3974,能较好的预测环境湿度信息。