汉字读音判断时非文盲右脑活动特征的fMRI研究

利用功能性磁共振成像（fMRI）技术探讨汉字语音判断时非文盲的大脑活动特征。实验使用汉字语音和纯音比较了中国人文盲和非文盲语音加工过程脑机制的差异。结果表明文盲与非文盲汉字语音加工脑机制不同,且非文盲的脑活动强,尤其是右脑。     

基于PCA降维和优化核参数SVM的电能质量扰动分类

首先对采样信号用db4小波进行10层的多分辨分解,提取扰动信号各层能量与标准信号的能量差作为特征向量;然后用PCA对特征向量进行降维,取3维数据作为分类的特征向量,并将训练集采用交叉验证的方法自适应选择最优参数,并构造训练集模型;最后将测试集数据代入训练集模型进行分类测试.测试结果表明,在PCA降维后可以实现扰动的分类:分辨率高;抗噪能力强;适用于电能质量扰动的分类.     

锻造操作机大车行走机构的单神经元自适应PID控制

为了解决锻造操作机在运送锻件过程中因惯量较大原因引起的响应滞后问题,通过建立锻造操作机大车行走机构动力学模型,提出了单神经元自适应PID控制算法.对锻造操作机大车行走机构单神经元自适应PID控制模型进行仿真.仿真结果表明:采用单神经元自适应PID控制时,超调量低于3s,小于传统PID临界超调量;大车在3s之后达到匀速运行状态,大车行走机构响应加速度达1 000mm·s-2,速度调整误差为±5mm·s-1,大车行走重复定位误差小于±10mm.     

折叠超立方体网络的自适应诊断

自适应性诊断的目的是正确辨别结点的性质,没有公共点的两对结点可以在同一个诊断周中出现.在Bjoklund[1]的基础上对超立方体网络的另一种变形——折叠超立方体网络(FHn)的自适应诊断进行了研究,对n(n≥3)维折叠超立方体FHn构造了一个递归的哈密尔顿3-并行诊断周算法,利用归纳法证明了在错误结点数不超过n的情况下FHn可以在4个并行诊断周内完成诊断,并且至多需要2n+n-1次诊断.     

旋翼飞行机器人的动力学建模与容错自适应控制

针对目前无人飞行器在受限环境执行作业时操控性和安全性不足的问题,设计了一种基于旋翼动力的碟式自主旋翼飞行机器人(rotor aerial robot,RAR),采用内置桨叶和冗余执行机构以增强飞行器的安全性和容错能力,采用内、外双旋翼系统和碟式机体构架以提高空气动力特性和操控性能.运用牛顿-欧拉方法建立了系统的6自由度(six-degrees-of-freedom,6-DOF)动力学模型,根据模型执行环节易受气动干扰或故障等因素影响而出现参数不稳定的问题,设计了容错自适应控制方法,在Matlab/SIMULINK环境下以飞行器的侧向通道控制为例进行了仿真实验,验证了旋翼飞行机器人具有良好的操控性和鲁棒性.     

基于遗传算法和自适应的印刷色彩模糊控制

针对印刷过程中被控对象因受工作环境影响而具有大滞后性、模型不确定性和时变性的特点,在满足色彩质量要求的情况下,为了尽量减少印刷调整次数,首先,基于印刷色彩质量控制的理论模型设计了T-S型模糊控制器;然后,采用遗传算法对模糊控制器的初始控制规则进行优化,使初始控制规则更逼近理论模型;最后,针对1次模糊控制产生的大误差提出了控制规则的自适应调整方法.实例分析证明:调整方案有效,从理论上实现了对印刷机进行不超过2次的调整,就可使色彩质量满足要求,提高了系统的控制精度,可用于指导实际印刷过程.     

空间可分级视频编码的层间预测新算法

针对可分级视频编码中图像输出质量与编码所需时间的权衡问题,提出了一种可行的层间预测算法.该算法结合空间可分级的层间结构特点,充分利用基本层宏块及其邻域宏块的备选模式,依据其统计规律计算当前增强层待编码宏块可能的最优备选模式,有效地减少参与运动估计运算的模式数量,以达到降低编码时间的目的.通过JSVM的仿真实验,该层间预测算法与传统的层间预测算法相比,在输出图像质量变化较小的前提下,能够大幅降低编码时间,提高编码效率.     

基于粒子群优化的同步定位与地图构建

针对基本FastSLAM算法的样本枯竭、估计精度下降等问题,提出了一种基于多样性启发因子的粒子群优化FastSLAM算法.利用粒子群搜索寻优重新分配粒子,使粒子的表示更加接近于真实的后验概率分布,并且采用粒子集多样性测度作为启发因子,引导粒子优化搜索过程,确保群体多样性水平最优,减轻粒子退化现象,驱动粒子集向后验概率较高的区域运动.对所提出的算法进行了仿真实验,验证了算法的可行性和有效性.仿真结果表明,该算法能够改进样本枯竭问题,并能够获得较高的定位精度、地图构建精度及较好的滤波估计稳定性.     

图像的自适应三角分解法

图像的分解是图像处理与理解的基础与关键之一,有着广泛的应用。该文提出了一种自适应的三角形四叉树分解方法。该方法推广了传统的四叉树分解方法,充分利用图像的局部空间信息对图像分解问题进行了自适应的优化处理。实例表明,新方法可以显著减少分解后的数据,更有利于后续的图像理解与分析等处理。     

基于有序爬山法的前向启发式搜索规划

根据快速前向启发式搜索规划器FF中放宽规划图和有利动作之间的关系,定义了状态适用度函数的概念,可对后继扩展状态的启发式估值进行快速近似的比较。在此基础上,结合增强型爬山法搜索后继状态的贪婪选择机制,提出了一种改进的局部搜索算法——有序爬山法,即根据状态适应度函数对所有待扩展的后继状态进行排序,并加入到扩展优先队列。在启发式估值阶段,适应度高的状态将被优先计算评估,有利于更快地发现较优状态,从而减少调用启发式估值程序的次数。通过在国际规划大赛基准测试领域的实验结果表明,该方法减少了搜索节点的数目和搜索时间,有效地提高了启发式搜索效率,而计算状态适应度及对状态进行排序的时间消耗几乎可以忽略,因此整体规划性能比FF有显著的提升。