实时准确正弦波频率估计综合算法

为了对正弦波信号频率进行快速、准确估计,以便同时满足实时性和精度的要求,文中补充Rife算法采用了最大谱线及其两边相邻谱线的一种细化估计,在相同的条件下,改善了Rife算法的信噪比要求,提高了在频率真值接近离散频率值时的估计精度,但在频率真值偏离离散频率值时的估计误差较大;进一步提出的综合算法是在最大谱线检测的基础上,对其两边谱线进行提高一倍分辨的频谱细化,根据两边细化分析的谱线比值T决定采用修正Rife算法进行频率估计(T＞1.5)或细化补充Rife算法进行频率估计(T＜1.5)．文中对多种算法进行了500次统计模拟,结果表明,综合算法不仅具有良好的估计精度,而且具有良好的频域稳定性．     

两种高精度FFT算法在介损测量中的应用

直接采用基于FFT的谐波分析法进行介损测量时,采样的非同步性使测量精度大大降低。为了减小频率波动引起的非同步采样对傅立叶变换的影响,提高介损的测量精度,通过加窗插值和修正理想频率对原算法进行了改进。先对非同步采样的泄漏效应进行了简要的分析,然后就提出的两种改进算法在介损测量中的应用进行了详尽论述,理论推导表明二者都能很好地满足介损的精度要求。最后借助MATLAB软件进行了数值仿真,仿真结果进一步验证了改进算法的有效性和可行性。     

非线性有限体积法大旋转问题研究

为了研究有限体积法在非线性大旋转问题中的应用,本文提出了一种改进的距离加权插值算法的大应变有限体积方法(LS-FVM)。针对圆盘大旋转问题,对比了传统距离加权插值法、最小二乘法以及改进的距离加权插值法对网格移动的影响。分析了不同精度的梯度算法以及载荷增量对大旋转圆盘内应力分布的影响。计算结果表明,采用传统距离加权插值法移动网格会在网格边界引入较大的数值误差,通过引入边界单元中点的影响,改进后的距离加权插值算法可以有效提高边界网格移动的数值精度。大旋转问题对梯度算法的精度要求较高,采用Gauss梯度算法会导致不真实应力的出现,应选择具有更高精度的最小二乘梯度算法进行网格单元中心梯度的计算。在较大增量载荷步下的LS-FVM仍具有很好的数值精度。     

视觉/惯性组合导航中的SWF与MSCKF对比研究

利用单目相机获取的地物特征辅助惯性导航系统解算,可有效减小单一惯导系统工作时引起的定位误差发散.结合定位精度和时效性对最优匹配滤波算法的要求,提出滑动窗口滤波(SWF)和多状态约束卡尔曼滤波(MSCKF)两种融合算法,并对视觉/惯性组合系统进行误差补偿,分析特征密度、特征跟踪长度和窗口大小对定位精度的影响,采用相同测试数据集分别对两种滤波方法进行对比实验.结果表明:1)在可见特征较多条件下,SWF和MSCKF算法定位结果精度均优于纯惯性系统(INS)解算精度;2) SWF算法解算精度高于MSCKF算法解算精度;3)相比于SWF算法,MSCKF算法对参数变化更敏感;特征数增多时,MSCKF算法定位精度提高、计算复杂度更低;4)适当改变特征跟踪长度和窗口取值,不同滤波融合方案解算结果精度可小幅提高.     

弹载捷联惯性导航系统算法及仿真

为了提高制导炮弹对目标的命中概率和毁伤概率,根据末制导炮弹的射程近、飞行时间短的特点,建立简化的捷联惯性导航模型.在等效旋转矢量四元数更新算法基础上,采用优化三子样算法建立捷联惯性导航仿真平台,并通过模拟飞行轨迹和实测弹体飞行数据对系统进行仿真验证.仿真结果表明,采用的算法解算精度明显高于四元数毕卡求解法,同时对弹体飞行的18.95 s时间内实测数据求解姿态的最大理论误差达到10-6数量级,满足实时性和精度要求,同时减小了方向漂移对制导炮弹精度的影响.     

高压输电线路故障数据预处理软件研制

本文研制的基于16位定点DSP的输电线路故障数据预处理软件采用了改进半波傅氏算法、提取衰减直流分量的近似算法和序分量算法,并对各算法在实现时的编程要点进行了说明。软件执行结果表明,文中所选取的算法和编制的程序能得到比较理想的滤波效果,满足工程实际对速度和精度的要求。     

一种新的GPS导航卫星选择算法

针对利用全球定位系统(GPS)进行定位导航时对实时性的要求,提出了一种新的导航卫星选择算法。该算法比传统算法的计算量小得多。仿真结果表明,该算法所得出的结果与传统算法很接近,能满足导航定位的实时性精度要求。     

求解声波动方程的隐格式有限体积法

为研究声传播问题,提出一种声波动方程的隐格式有限体积法,该方法将格点型有限体积法与Newmark格式相结合.模拟平面波的传播过程,对比分析隐格式有限体积法和文献中显格式有限体积法的精度、稳定性及计算消耗等方面的性能.数值结果表明:当λ/Δx≥10时,两种算法均能得到满足精度要求的解;采用无条件稳定的隐格式算法,当满足ω0Δt≤0.3时,预测声压的相对峰值误差1%;当采用相同时间、空间步长时,隐格式算法精度高于显格式算法;隐格式算法对吸收边界的处理精度高于显格式算法,但对全反射边界的处理精度低于显格式算法;两种算法内存消耗比较接近,显格式算法的CPU耗时较少.     

CODIC算法在火控计算机应用中的改进

推导了计算机定点运算中计算坐标转换的统一的CODIC算法公式。给出了定点计算三角函数、开平方等初等函数的误差分析,并对该算法进行了改进,使计算精度达到火控总体的要求。在同等精度要求下,改进后的CODIC算法比级数展开法节省机器时间大约50%以上。此改进算法已应用于简易火控系统,取得了好的效果。     

数字PID算法在发动机特性测试控制系统中的应用

Ｂ１１３５发动机自动控制系统中采用数字ＰＩＤ算法进行控制是切实可行的。通过实验选定了ＰＩＤ算法中控制器参数的最优值，证实了在这些数值下发动机自动控制精度达到了提出的要求。     

多层RBF网络的自适应遗传算法及其在实函数逼近中的应用

将自适应遗传算法应用于多层RBF神经网络的学习,对隐层核函数的中心和宽度值进行同时优化,并用正则最小二乘法求权重,以完成网络的构建。应用该学习法进行实函数的逼近,实验证明了该算法比多层RBF网络的聚类学习法具有更高的实函数逼近精度。     

基于支持向量机的增量学习算法研究

分析了支持向量机理论中支持向量的特性,利用支持向量与样本空间划分的等价性,提出一种新的基于支持向量机的增量学习算法.该算法考虑新增样本集的分布可能改变对已有样本的分类结果,利用支持向量的分布特性,用对样本的划分差集构造新的支持向量集和分类平面,使差集中的样本点对分类贡献尽可能最大,有效提高了分类精度.同时差集操作简单易行,有效降低了问题的计算复杂度.实验结果表明,与常规增量算法相比,该算法在不改变时间复杂度量级的前提下对分类精度有显著提高.     

神经网络在短期电力负荷预测中的应用

给出了改进的BP网络和RBF网络的构造过程和训练方法.在改进的BP网络中不仅加入了动量项和变步长法，而且在模型中合理地考虑了影响负荷变化的主要气象因素，使其能够适应天气的变化.在RBF网络中，为了克服传统K均值聚类法局部寻优的缺陷，采用了正交最小二乘法选取RBF中心.利用改进的BP网络和RBF网络进行了短期电力负荷预测，并对训练的收敛速度和预测精度进行了分析.比较两种模型，RBF网络比BP网络更具有实用性和可开发性.     

基于自适应BP神经网络的桥梁结构荷载识别

在传统的BP神经网络中引入学习速率自适应调整算法，通过多次数值模拟计算确定学习速率和动量系数等网络 关键参数的取值；分析了学习速率、动量系数等网络参数对网络收敛速度和输出精度的影响；探讨了训练样本容量与网 络识别效果的关系.分别使用挠度、挠度曲率、应变和应变曲率作为输入参数对桁架桥梁荷载进行识别.结果显示以挠度 曲率或应变曲率为输入参数的网络识别效果明显优于以挠度或应变为输入参数的网络，以应变为输入的网络识别效果优 于挠度的情况；学习速率自适应调整算法有效避免了网络训练过程中误差曲线振荡现象的产生，提高了网络的学习效率 ，网络关键参数的最优取值改善了网络的收敛速度和输出精度     

基于粒子群优化算法的BP神经网络在图像识别中的应用

介绍了一种采用微粒群算法与BP算法相结合的方法用于BP神经网络模型优化，来提高模型的收敛速度和精度。仿真结果表明，与BP算法相比较，PSO—BP学习算法训练的神经网络不仅训练时间明显缩短，而且其预报精度也得到了较大的提高。     

基于RBF和BP网络的机器人逆运动学求解

针对传统的求逆运动学方法相当复杂以及一般的神经网络收敛速度慢、精度不高的缺陷,提出一种由1个RBF(Radial Basis Function)网络和2个BP(Back Propagation)网络组成的系统来解决运动学逆问题,输入数据分别通过3个并行的神经网络,对输出分别求正运动学解,计算误差,选择误差最小的作为系统的输出,其中BP网络运用LM(Levenberg-Marquardt)方法进行训练.仿真表明:该方法可以有效的解决运动学逆问题,避免了传统解法中的一些棘手问题.     

BP神经网络在倒立摆控制中的应用

建立了基于人工神经网络改进BP算法的一级倒立摆的数学模型,并给出了BP网络结构,采用改进的LM训练算法,结合由极点配置获得训练数据。利用Matlab软件进行训练仿真,结果表明,改进的BP算法控制倒立摆精度高、收敛快,在非线性控制、鲁棒控制等领域具有良好的应用前景。     

Text retrieval algorithm that decreases confusion

To overcome the problem that the confusion between texts limits the precision in text re- trieval, a new text retrieval algorithm that decrease confusion （DCTR） is proposed. The algorithm constructs the searching template to represent the user＇ s searching intention through positive and negative training. By using the prior probabilities in the template, the supported probability and anti- supported probability of each text in the text library can be estimated for discrimination. The search- ing result can be ranked according to similarities between retrieved texts and the template. The com- plexity of DCTR is close to term frequency and mversed document frequency （TF-IDF）. Its distin- guishing ability to confusable texts could be advanced and the performance of the result would be im- proved with increasing of training times.     

神经网络设计二维带通三型FIR滤波器

为了改善传统方法设计的二维带通三型有限脉冲响应(FIR)滤波器的幅频响应性能，提出了复合正
弦基神经网络算法.以理想滤波器的幅度响应作为学习样本，通过复合正弦基神经网络训练，使得实际滤
波器的幅度响应逼近理想滤波器的幅度响应，再由神经网络的权值得到滤波器的脉冲响应.给出了复合余
弦基神经网络模型，建立了滤波器幅频响应与该神经网络的关系，同时指出了学习率对神经网络收敛性的
影响,推导并证明了使该算法收敛的收敛定理. 仿真结果表明，由该算法设计的二维带通三型FIR滤波器性
能接近于理想滤波器,并且克服了传统神经网络的主要缺陷，收敛速度快.     

基于位置和程度指标的结构损伤识别研究

为提高结构损伤识别的精度,提出基于动、静态数据融合的位置指标和完全基于频率的位置指标,并采用学习速率自适应调整的新型BP神经网络学习算法,其特点是在网络迭代过程中根据网络学习误差来调整学习速率的取值,该方法有效地克服了传统BP网络学习过程中容易陷入局部极小和收敛速度慢、学习效率不高的缺点,进一步讨论了参数输入方式对网络识别效果的影响,分别采用两步诊断法和一步诊断法进行损伤识别.结果显示,两步诊断法对损伤位置和程度的识别正确率较高,而一步诊断法识别效果却不令人十分满意;减少位置指标和程度指标的输入个数对损伤识别结果有显著的影响.