基于组合预测算法的光栅信号新细分方法研究

针对现有光栅信号细分技术对光栅输出原始信号波形质量要求较高的问题,本文利用运动过程中时间与空间的映射关系,建立一种利用时间基准测量空间的新方法.通过光栅栅距触发采样时间建立样本序列,在通过分析不同运动状态特性的基础上,研究采用组合预测算法,提出一种光栅信号自适应细分新方法,实验结果表明此算法能实现圆光栅栅距内100倍细分,细分误差为±0.56″,满足实验所需的实时性和细分精度的要求,实现光栅信号细分.此细分方法充分利用光栅本身的制造精度,与光栅输出信号正弦性无关,在精密测量领域具有重要应用价值.     

基于最小机会损失准则的超短期风电功率组合预测

为了对超短期风电功率进行准确的预测,本文提出一种基于最小机会损失准则的超短期风电功率组合预测方法。即首先对风电功率时间序列进行EEMD分解,对分解得到的每个IMF分量采用不同优化准则建立组合预测模型进行预测;然后采用最小机会损失准则筛选预测精度最优的模型进行预测;最后对每个IMF分量的预测值进行组合叠加得到预测结果。实验结果表明,与EEMD+ELM、EEMD+BP、EEMD+RBF和EEMD+SVM等预测方法相比较,本文所提出的方法能有效提高超短期风电功率的预测精度。     

可容忍预测误差及其在汇率组合预测中的应用

鉴于传统的最优化组合预测模型确定权重的方法未考虑到数据中极端值的影响,存在一定的局限性。为了更好地提高组合预测的精度,提出了预测结果可容忍误差的相关概念。将其应用到每种单项预测结果及组合预测结果的效果分析中,提出了一类基于可容忍误差的最优化组合预测模型,从而确定组合预测中各单项预测方法的权重。以2016年1月4日至2018年6月12日日元兑换美元日汇率收盘价的数据为例验证了模型的可行性和合理性。结果表明,所提出的最优化模型能够有效提高组合预测的精度。     

基于示例的组合预测方法

本文提出了一种基于示例的组合预测方法，强调知识方法和数学方法的结合，提出了一种算法和组合预测框架，并结合实验数据讨论了预测结果，分析了不同预测方法的不足。     

l∞范数性能指标预测控制研究

预测控制具有鲁棒性强、可考虑约束等优点.由于l∞范数性能指标考虑最大偏差的极小化,因此按其设计的预测控制系统动态响应较快、动态偏差较小.文[1]讨论了l∞预测控制的简化算法,它避免了通常线性规则(LP)方法的迭代求解,可在有限步内收敛.本文则进一步讨论了其闭环稳定性及闭环计算结构问题,并从机理上探讨了l∞预测控制特性优良的原因.     

l~∞范数性能指标预测控制研究

ｌ~∞范数性能指标预测控制研究王永骥，徐桂英，涂健（华中理工大学自控系武汉４３００７４）关键词预测控制，ｌ~∞范数性能指标，稳定性．预测控制具有鲁棒性强、可考虑约束等优点．由于广范数性能指标考虑最大偏差的极小化，因此按其设计的预测控制系统动态响应较快、...     

基于蚁群算法的电力负荷预测方法研究

为了提高负荷预测的精度,提出基于改进蚁群算法的电力负荷组合预测方法。该方法以回归分析、灰色模型、二次指数平滑值、龚帕兹模型、弹性系数法、逻辑斯谛模型法、二次移动平均模型为基础建立负荷组合预测模型,利用改进蚁群算法优化组合预测模型的权值,并与单个预测模型进行比较。预测结果表明,基于改进蚁群算法的电力负荷组合预测方法,运算速度快,预测精度高,相对误差小,有一定的实用价值。     

基于多准则排序融合的证据组合方法

Dempster-Shafer证据理论在信息融合领域有着广泛而重要的应用, 但传统Dempster证据组合规则往往会引发一系列反直观结果问题, 如冲突悖论、信任偏移悖论以及证据吸收悖论等. 针对这一问题, 提出了一种基于多准则排序融合的证据组合新方法. 该方法综合利用了证据精度、证据可信度以及证据自冲突程度等指标评价待组合证据体,并以选择性融合的方式获取最终的组合结果. 仿真结果和相关分析表明,所提方法是合理有效的.     

轴角编码器中的粗精组合与纠错技术实现

本文分析了轴角编码器中粗精组合与纠错的基本原理，并基于１６０ＤＤ×４／１６多线旋转变压器，提出了运用纯硬件电路实现编码纠错的一种简单方法，这种方法具有快速，简洁易行，准确等优点。     

顺序滤波器的相对误差准则和最佳估计

在相对误差意义下定义了针对一种简单的顺序滤波器的两种相对误差准则,并在该准则基础上得到了相应的最佳估值.该结果进一步完善了非线性滤波器研究的理论体系,为进一步开展该领域的研究提供了一种可供借鉴的新思路和方法.     

误差准则的信息论解释

Error criteria (or error cost functions) play significant roles in statistical estimation problems. In this paper, we study error criteria from the viewpoint of information theory. The relationships between error criteria and error's entropy criterion are investigated. It is shown that an error criterion is equivalent to the error's entropy criterion plus a Kullback-Leibler information divergence (KL-divergence). Based on this result, two important properties of the error criteria are proved. Particularly, the optimum error criterion can be interpreted via the meanings of entropy and KL-divergence. Furthermore, a novel approach is proposed for the choice of p-power error criteria, in which a KL-divergence based cost is minimized. The proposed method is verified by Monte Carlo simulation experiments.     

基于GCV准则与Otsu法的Canny算子研究

为了增强图像的可读性,解决因光照、噪声等因素造成的图像模糊、边缘不清等问题,在前人研究的基础上提出了对Canny算子的改进.用遗传算法对基于GCV准则的阈值函数自动寻优,在降低噪声的同时增强了图像的可读性;用评价函数对Otsu法自适应设定高低阈值,无需考虑阈值比例,减少了伪边缘现象.不同图像的边缘提取实验和数据分析表明,该方法在检测精度、抗噪能力和运算效率等方面都得到明显提高.对于存在的不足提出了进一步研究方向.     

进化规划中基于Metropolis判别准则的选择策略

为了克服进化规划在应用过程中出现收敛速度缓慢的问题，提出了一种将模拟退火中的Metropolis判别准则引入到进化规划中选择算子的新方法，通过实例验证了该算法对于解决收敛速度缓慢现象的有效性。     

基于Metropolis判别准则的遗传算法

针对遗传算法在应用过程中出现的过早收敛问题，引入Ｍｅｔｒｏｐｏｌｉｓ判别准则对复制算子加以改进，并从理论上对遗传算法的收敛性进行分析。仿真结果证明了该算法解决过早收敛问题的有效性。     

基于三角模的模糊联想记忆网络

当T为t-模时,基于模糊取大和T的模糊联想记忆网络(FAM)存在局限性,当T为三角模,是t-模的广义形式,将这种FAM推广成基于Max-T的模糊联想记忆网络Max-T FAM.则Max-T FAM实现了从一个向量空间到另一向量空间的映射,从Max-T FAM的值域角度,分析了它的存储能力,并建立了一个三角模T的伴随蕴涵算子新概念,利用该伴随蕴涵算子,在无需T为连续的、严格增等条件下,提出了Max-T FAM的一个简洁的通用离线学习算法和通用在线学习算法.从理论上严格证明了只要Max-T FAM能完整可靠地存储所给的多个模式对,则这两种算法都能轻易找到使得网络能完整可靠存储这些模式对的所有连接权矩阵的最大者.最后,用实验证明了Max-T FAM模型和所提出的学习算法的有效性.     

基于遗传算法的加权支持向量机的短期电力负荷预测

建立在统计学习理论的VC维理论和结构风险最小化原理基础之上的支持向量机（SVM）在理论上保证了模型的最大泛化能力,因此将支持向量机理论应用于电力负荷预测可以获得很好的效果,但是传统SVM回归预测算法对于不同的样本均采用相同的参数,无法体现各样本的重要程度的区别,而且将支持向量机理论应用于实际中也存在对样本数据进行特征选择和对支持向量机模型参数进行选择的问题。因此提出了将遗传算法应用于短期的电力负荷预测中来对加权支持向量机模型进行特征选择和模型参数确定。     

基于三角模的模糊双向联想记忆网络的性质研究

基于模糊取大算子和三角模T的模糊合成,构建了一类模糊双向自联想记忆网络Max-T FBAM.利用三角模T的伴随蕴涵算子,为这类Max-T FBAM提出了学习算法,并理论上证明了该学习算法确定的连接权矩阵是网络最大的连接权矩阵.对任意输入能使Max-T FBAM迭代一步内就进入稳定态,该类网络具有全局稳定性和可靠的存储能力.当三角模T满足利普希兹条件时,采用上述学习算法时自联想Max-T FBAM对训练模式的摄动全局拥有好的鲁棒性.最后用实验证实了理论研究,也为图像的可靠存储提供了参考.     

一种基于加权处理和误差修正的DV-Hop定位算法研究

针对传统的DV-Hop算法在定位过程中出现的容易引起误差的问题,提出了一种综合考虑所有信标节点的平均跳距并引入权值修正,将信标节点当作未知节点计算误差进而优化精度的距离估计算法,使网络平均跳距和节点位置估计值更加准确。通过相关仿真实验表明:改进算法优化了原算法的定位精度和定位稳定性,达到了预期目标。