Software sensor for slab reheating furnace

It has long been thought that a reheating furnace, with its inherent measurement difficulties and complex dynamics, posed almost insurmountable problems to engineers in steel plants. A novel software sensor is proposed to make more effective use of those measurements that are already available, which has great importance both to slab quality and energy saving. The proposed method is based on the mixtures of Gaussian processes (GP) with the expectation maximization (EM) algorithm employed for parameter estimation of the mixture of models. The mixture model can alleviate the computational complexity of GP and also accords with the changes of operating condition in practical processes. It is demonstrated by on-line estimation of the furnace gas temperature in 1580 reheating furnace in Baosteel Corporation (Group).     

废水处理过程的典型相关分析建模方法研究

随着公众环保意识的增强,废水达标排放成为工业生产中至关重要的一步。传统的污水出水水质预测模型是基于静态数据模型,这样不仅忽略了过程变量中的动态有效信息,还影响了模型预测的精度,降低了模型的泛化能力。在考虑了过程变量的时变与动态特性的基础上,将时间差分方法嵌入到典型相关分析模型中,分析了时间差分阶数变化对模型预测精度的影响。与传统的典型相关分析建模方法相比,基于时间差分的典型相关分析模型对出水化学需氧量的预测均方根误差由1.502 8下降至0.564 5,相关系数由0.422 7提高到0.847 0;对于出水总氮,其均方根误差由2.344 0下降到1.192 6,相关系数由0.405 9提高到0.793 6。模型的预测精度与泛化能力均得到提高。     

基于高斯过程的三维模型语义分类和检索

针对三维模型检索系统提高准确率、减少几何特征和人类语义丰富性之间的“语义鸿沟”等问题, 提出一种基于高斯过程的语义分类和检索新方法.该方法采用一种统计2个采样点相对质心向量夹角的AC2直方图新特征,与形状分布的D2特征组合成低层特征,使用高斯过程进行三维模型语义分类的监督学习,计算测试模型的语义类概率预测分布,建立低层特征和查询概念之间的联系;使用语义距离和不相似度计算方法进行检索排序.实验结果表明：与已有的某些监督学习的方法相比,多类的测试模型进行语义分类的准确率明显得到提升,检索中能体现语义概念,检索性能也得到提高.     

Soft sensor design for hydrodesulfurization process using support vector regression based on WT and PCA

A novel method for developing a reliable data driven soft sensor to improve the prediction accuracy of sulfur content in hydrodesulfurization(HDS) process was proposed. Therefore, an integrated approach using support vector regression(SVR) based on wavelet transform(WT) and principal component analysis(PCA) was used. Experimental data from the HDS setup were employed to validate the proposed model. The results reveal that the integrated WT-PCA with SVR model was able to increase the prediction accuracy of SVR model. Implementation of the proposed model delivers the best satisfactory predicting performance(EAARE=0.058 and R2=0.97) in comparison with SVR. The obtained results indicate that the proposed model is more reliable and more precise than the multiple linear regression(MLR), SVR and PCA-SVR.     

Soft sensor for ratio of soda to aluminate based on PCA-RBF multiple network

Based on principal component analysis, a multiple neural network was proposed. The principal component analysis was firstly used to reorganize the input variables and eliminate the correlativity. Then the reorganized variables were divided into 2 groups according to the original information and 2 corresponding neural networks were established. A radial basis function network was used to depict the relationship between the output variables and the first group input variables which contain main original information. An other single-layer neural network model was used to compensate the error between the output of radial basis function network and the actual output variables. At last, The multiple network was used as soft sensor for the ratio of soda to aluminate in the process of high-pressure digestion of alumina. Simulation of industry application data shows that the prediction error of the model is less than3%, and the model has good generalization ability.     

Extended target tracking based on CPHD with Gaussian process regression

In view of the complexity of estimating the shape of extended targets and the low accuracy in multiple extended target tracking in the clutters and missed detections, a Gamma Gaussian-mixture cardinalized probability hypothesis density filter with Gaussian Process Regression which can adaptively estimate the shape of the extended targets is proposed. First, the extension of targets is modeled as a star-convex model, and on the basis of good estimation performance for the motion state with the Gamma Gaussian-mixture cardinalized probability hypothesis density filter, the Gaussian Process Regression is used to estimate the shape of extended targets, thus achieving the purpose of tracking the extended target. Simulation shows that the proposed algorithm outperforms the Gamma Gaussian-mixture cardinalized probability hypothesis density filter based on the star convex random hypersurface model in estimation precision and computing speed.     

基于高斯过程的机器人模仿学习研究与实现

针对机器人模仿学习控制策略获取的问题,基于高斯过程的方法,建立示教机器人示教行为的样本数据的高斯过程回归模型并加以训练,以求解示教机器人的感知和行为之间的映射关系,并将此映射关系作为模仿机器人的控制策略来实现对示教行为的模仿.以Braitenberg车为仿真对象,研究趋光模仿学习行为.仿真实验表明:基于高斯过程的机器人模仿学习算法具有有效性,模仿机器人在不同任务环境下具有很好的适应性.     

采用拟蒙特卡罗法的被动多传感器目标跟踪

使用拟蒙特卡罗采样方法替代传统的蒙特卡罗采样方法,改善了高斯粒子滤波器的性能,结合多传感器集中式融合策略,提出了一种基于拟蒙特卡罗-高斯粒子滤波器的被动多传感器目标跟踪算法,较好地解决了被动跟踪中的强非线性和弱可观测性问题．该算法在降低计算复杂度的同时提高了跟踪的精度和稳定性,使算法快速收敛,并且具有并行结构,有利于用超大规模集成电路来实现．     

自适应子空间高斯学习的粒子群优化算法

为了克服粒子群优化算法在复杂优化问题上易出现早熟收敛、多样性缺失等问题,提出了自适应子空间高斯学习的粒子群优化算法。该方法提出了适应值离散度和子空间高斯学习的概念,以自适应地调整参数和搜索策略,帮助粒子逃离局部最优。同时,该方法还提出邻域学习策略,引入了邻域最优粒子。当前粒子的邻域在进化过程中通过动态构建,以增强种群的多样性。实验对19个常用的经典基准测试函数在30和100维进行了测试,结果表明该算法在收敛速度和寻优精度上优于一些知名的PSO算法。最后,将改进的算法应用于无线传感器网络覆盖优化问题,获得了较好的结果。     

移动机器人Markov定位算法的研究——方向传感器建模新方法

为了改善移动机器人Markov定位算法中方向传感器模型的性能,提出基于高斯函数的新概率模型.该模型考虑了方向角周期性问题,对相位进行了转换,利用高斯函数对方向传感器进行了概率建模.将此模型放入Markov算法,与其他传感器组成观测模型,并进行对称环境中的单次定位仿真和复杂环境中的连续定位仿真.仿真结果表明,这种概率模型计算量小,收敛速度快,在大量测量噪声存在下工作稳定.     

改进的高斯二点求积公式

为改进高斯二点求积公式,提出了一个增加求积公式校正项的求积余项公式.此方法在可完全利用高斯二点求积公式数据的基础上,通过增加一个校正项,即可达到与高斯三点求积公式相当的求积精度,而且可以对求积误差进行估计,提高了求积方法的实用性和求积数据利用的效率.     

基于自适应混合高斯模型全方位视觉目标检测

针对全方位视觉传感器视野范围大的特点,提出一种基于自适应混合高斯模型的全方位视觉目标检测系统.该系统通过Hough变换检测全方位图像的中心,基于图像中心对全方位图像进行展开.对展开后的图像利用混合高斯模型进行背景建模,并自适应地更新背景模型,通过前景分割可以有效地分割出运动目标.在图像展开及混合高斯建模时,通过调整系统的采样频率可以较好地改善目标检测的实时性.实验结果表明,该系统可以在复杂环境中有效地检测运动目标,具有较强的准确性和鲁棒性.     

一种基于相空间高斯混合模型的测井相识别方法

油层测井相识别是油田开发的重要依据.油层的测井相类别如果发生误判,将会影响它和邻井对应油层之间的连通对比关系的判断,造成开采方案的失败.测井相的类间差异小,领域知识要求高,属于难度较大的模式识别问题.在研究了混沌建模的基本方法后,给出了一种基于相空间高斯混合模型的测井相识别方法.对每类训练样本形成一个重构相空间,用EM算法学习得到一个高斯混合模型,待识序列按其属于不同类别的高斯混合模型的条件概率进行分类.该方法可以对不规则样本的形态参数进行估计,从而提高测井相的识别精度.实验结果证明了该方法的有效性.     

基于接触理论的空间光学遥感器的动力学求解

遥感器结构中通过螺钉或销钉的非线性连接环节的存在使得准确求解动态刚度的困难加大，在介绍的经典接触理论的基础上，根据结构形式，材料和施加的预警力通过计算机模拟分析出连接部分接触面间的实际接触状态，在建立动力学有限元分析模型时，通过接触单元和螺钉单元模拟接触区域的刚度特性，获得系统的固有频率和振型，有限元分析结果与正弦招聘描试验时的结果基本一致（误差给为4％），表明这种方法能够较好地模拟出结构的动态刚度，相关分析还表明，只有通过分析接触等非线性环节，才能模拟出结构的真实动态刚度。     

基于高斯扰动的布谷鸟搜索算法

在布谷鸟搜索算法（CS）的基础上,提出了一种在迭代过程中对鸟窝位置加入高斯扰动的方法,即基于高斯扰动的布谷鸟搜索算法（GCS）.它增加了鸟窝位置变化的活力,从而有效地提高了算法的收敛速度.仿真实验结果表明,该算法优于原始布谷鸟搜索算法.     

基于逼近样条方法的高斯表面轮廓滤波

为了克服传统高斯滤波器的卷积处理方法在提取表面中线时所产生的边缘效应,提出了一种采用变分方法建立的样条轮廓滤波器来实现高斯滤波。这种方法可称为高斯滤波器的样条实现法,兼有高斯滤波的幅度传输特性、零相移的特点和样条的特点。它的高斯滤波幅度特性符合国际标准的要求,它的样条特性又可以避免两边的边缘效应。文中研究的高斯滤波的样条处理方法,幅度特性偏差为-1.5%～+3.75%,远低于国际标准ISO11562推荐的近似处理方法的偏差(-5.0%～+5.0%)。此外这种高斯滤波的处理方法,处理效率很高,在当今通用的计算机上对11200采样点的数据进行处理,只需要100ms。     

高斯序列超过数点过程与和的联合渐近分布

{Xn}为非平稳标准化高斯序列,记rij=EXiXj,Nn为X1,X2,…,Xn对水平un=x／an＋bn的超过数形成的点过程,Mn^（k）为X1,X2,…,Xn的第k个最大值,Sn=∑i=1^nXi。在rijlog（j-i）→r∈（0,＋∞）（j-i→＋∞）下,给出Ntn与Sn,Mtn^（k）与Sn的联合渐近分布。     

基于自适应自然梯度法的高斯过程磨矿粒度软测量建模

针对现有的磨矿粒度测量仪表检测周期长,难以满足实时检测的问题,结合典型两段式磨矿回路的特点,提出了基于高斯过程(Gaussian process,GP)的磨矿粒度软测量建模方法,将自适应自然梯度(adaptive natural gradient,ANG)法应用到对高斯过程超参数优化过程中,构建基于ANG-GP磨矿粒度软测量模型,并分别与BP神经网络和支持向量机软测量模型进行仿真试验的比较研究。结果表明：基于ANG-GP的磨矿粒度软测量方法优于其他2种方法,且具有较高预测精度,能有效地对磨矿粒度进行在线检测,表明了该方法的有效性。     

基于FLM的特征检测算法在手势识别中的应用

提出一种用于特征检测的基于高斯函数的特征相似度函数 (FeatureLikelihoodmap(FLM) ) ,该函数是归一化为[0 ,1]的一个函数 ,它模拟了在尺度空间中各点的图像特征的相似度 .FLM继承了一些基于特征的图像描述方法的特点 ,避免了模型和数据匹配算法中所需要的大量的搜索 ,它还淘汰了基于特征的传统方法中的阈值需要 .本文推导了对称圆状特征的相似度函数 ,并且将它运用于手势识别中 ,实验结果表明该方法能很好地检测出手形特征并且进行手区域定位和手形识别 .