传感器动态建模算法的仿真研究

研究传感器动态优化建模,传感器存在不同程度的相位滞后和惯性等动态特性,当被测参数随时间迅速变化时,动态测试误差较大,严重影响控制精度,对传感器的这种动态性能进行描述是提高检测精度和控制准确度的重要手段.为了提高传感器系统控制精度,减少传感器建模误差,提出一种基于支持向量机的传感器动态建模算法.采用非线性支持向量机对传感器进行动态建模,描述传感器动态、滞后特性,并采用混沌粒子群算法对模型参数进行优化,进一步提高控制精度.仿真结果表明,改进方法能提高传感器系统控制精度,可以很好的应用于现代工业生产过程中,为传感器动态建模提供了一种新的方法.     

基于DIS协议的数据融合分布式仿真系统

讨论了基于DIS协议的多传感器、多目标数据融合的分布式仿真系统,介绍了基于DIS协议数据融合仿真系统的基本结构、功能模块以及所涉及的若干技术。软件采用VC 编程开发,仿真软件具有模块化和易扩展等特点。最后给出了仿真的具体流程以及部分界面。仿真结果表明该系统具有一定的实用价值。     

基于模糊神经网络的短时交通流预测方法研究

为满足交通控制和诱导系统的实时性需求,减少交通拥挤状况,降低交通事故突发频率,需要对短时交通流进行预测;当前的短时交通流预测方法是采用K-近邻的非参数回归对其进行预测,预测过程中没有将预测模型中关键因素对交通流的影响进行详细的说明,导致预测结果不准确,存在短时交通流预测误差较大的问题;为此,提出一种基于模糊神经网络的短时交通流预测方法;该方法首先以历史短时交通流数据样本序列为基础,将提取的关联维数作为短时交通流的混沌特征量,然后以该特征量为依据,对短时交通流数据进行聚类,使相同的短时交通流聚合类样本比不同的交通流聚合类样本更为贴近,采用高斯过程回归对短时交通流预测模型进行建设,建设过程中利用差分方法对短时交通流预测序列进行平稳化操作之后,对短时交通流预测模型进行训练,将GPR模型引入至短时交通流预测过程中,得到交通流预测方差估计值,并确定交通流预测值置信区间,由此实现短时交通流的预测;由此实现短时交通流的预测;实验结果证明,所提方法可以准确地预测交通运输系统的实时状况,为车辆行驶的最佳路线进行了有效引导,减少了自然影响方面和人为因素对短时交通流预测结果的干扰,为交通部门对交通路况的控制管理提供了依据。