基于迟滞神经网络的商品零售价格指数预测

将传统神经元的激励函数改为迟滞激励函数,将迟滞特性引入神经网络中,构造迟滞神经网络.利用迟滞特性增强神经元对原状态保持的惯性,从而减少了神经元状态的错误变化,提高了神经网络的存储和记忆能力.利用迟滞分支响应的跳变特性以抑制网络训练过程中假饱和现象的发生.借助于前向网络的结构和学习算法,构造应用于时间序列预测分析的迟滞神经网络模型,并将其应用于社会商品零售价格指数的预测分析中.预测结果表明,该网络具有良好的泛化能力,预测效果优于传统神经网络.     

基于无线传感器网络的社区心电监护系统设计

将无线传感器网络与传统心电监护系统相结合,以Zig Bee和蓝牙无线通信技术为核心,提出了一种具有自动切换工作模式和自动诊断功能的无线社区心电监护系统,可以完成心电数据的自动采集、处理、在线诊断、异常报警与无线传输等功能.系统可以自动切换室内外工作状态,保证了24小时全天候监护,其自嵌的心电分析算法可以实时分析采集的心电信号,自动提取心电信号中的疾病特征与专家库中的信号进行对比,实现有关心脏疾病的自动诊断和报警.实验结果表明:所设计的社区心电监护系统,可以准确采集心电信号并诊断,将无线传感器网络应用在社区心电监护系统上,有利于对社区心脏疾病患者进行统一监护.     

双重复控制器在单轴角振动台中的应用

高频角振动台控制系统设计的核心问题是如何提高对周期参考输入信号的跟踪精度以及如何提高对周期性干扰信号的抑制能力。由于机械振动和台体结构的限制，系统很难满足角振动台的加速度和带宽的指标。为减少对角加速度陀螺动态指标测试的干扰误差，该文根据重复控制理论提出了高频单轴角振动台的双重复控制器的设计，并推导出该系统的稳定性、鲁棒性和跟踪误差的相关结论，同时给出控制器的设计方法和参数选取的条件。仿真和试验结果表明通过双重复控制器在高频角振动台中的应用，很好地提高了周期信号的跟踪精度，同时提高了系统的鲁棒性。     

时间序列一步预测方法*

为了改善时间序列预测的性能,提出一种时间序列一步预测分析方法。首先将一个时间序列分解为总体趋势和个体波动两个序列,然后分别对这两个序列进行预测分析,再将结果合成得到最终的预测结果。对于总体趋势序列利用加权滤波算法进行分析,而对于个体波动序列则先进行混沌特性分析,再结合混沌预测分析方法对其进行预测。利用混沌优化方法动态地调节预测网络的参数,逐渐提高网络的预测精度。利用该方法分别对混沌序列、实际股票价格等序列进行了仿真预测分析,仿真结果表明,该方法具有良好的预测效果。     

基于GPRS的车辆监控系统的设计

分析了利用GPRS网络传送车辆定位数据的优点。研究了如何应用Rockwell GPS OEM板和WISMO QUIK Q2406B模块进行移动单元的软硬件设计，以及应用Socket组件进行监控中心通讯软件的设计。重点介绍嵌入TCP／IP协议处理的Q2406B模块如何通过AT指令接入internet以及如何和监控中心传输TCP数据。     

一种永磁同步电机新型高阶滑模观测器设计

为了提高无位置传感器控制的精度,增强控制系统的鲁棒性,减小不确定扰动的影响,提出了一种新型高阶滑模观测器。该设计使用改进的积分滑模定子电流观测器估算永磁同步电机的反电动势,从而分析得出转子位置和转速估算值。在指数趋近律的设计上,等速项用连续光滑的开关函数代替不连续的符号函数,指数项引入随系统的变化而调整的增益项。通过仿真实验,验证了该滑模观测器对改善转子位置和速度估算精度有明显的提升效果,增强了系统的鲁棒性,抑制了抖振现象。     

多通道长短期记忆卷积网络的风速预测

为提高风速的预测性能,提出了多通道长短期记忆网络和卷积网络相结合的风速预测方法。预测模型由多个长短期记忆子网络及卷积网络组成。各子网络选择不同长度的历史数据作为输入,分别实现未来风速值的计算,避免了单一网络输入数据长度参数难以确定的问题。卷积网络将各子网络的计算结果进行卷积、最大池化操作,并通过全连接层计算风速序列的预测值。为避免预测误差累积及漂移,利用误差动态补偿方法对预测值进行校正,获得最终的预测结果。多通道长短期记忆卷积网络可用于风速的超短期预测中,仿真实验结果表明,与现有基于深度学习的预测网络相比,该网络能够更好地拟合实际风速序列的变化趋势,表现出更优的预测性能。     

蚁群混沌混合优化算法

为了克服混沌搜索的盲目性,提出了一种蚁群算法和混沌优化算法相结合的混合优化算法,该算法利用蚁群算法中信息素正反馈的思想指导当前混沌搜索的区域。工作蚁群按照信息素的浓度高低,分别按照不同的概率搜索不同的搜索区域,从而可减少混沌盲目搜索的次数。仿真结果表明,该方法能够明显提高混沌优化算法的寻优效率,同时算法的通用性将有所提高。另外,对于含有多个全局最优解的函数,在一次寻优过程中,该算法可以找到全部最优解,这是通常混沌搜索算法所不具备的。     

基于模拟退火策略的逆向蚁群算法

为克服现有蚁群算法运算过程中收敛速度慢, 易出现停滞现象等缺点, 提出了一种结合模拟退火策略的改进算法。利用向原始蚁群中引入逆向蚂蚁, 并结合模拟退火思想确定蚁群中逆向蚂蚁的数目, 来提高算法的适应性。将该算法应用于旅行商问题的求解, 仿真试验结果表明该算法的收敛速度和全局寻优能力都得到很大的改善。