某火炮反后坐装置区间不确定参数辨识

为了实现辨识并提高辨识效率,在火炮反后坐过程数学模型的基础上建立神经网络模型.根据不确定参数在一次发射动作过程中的变化特性,将火炮反后坐装置待辨识的参数分为2类,并利用区间数描述系统中的不确定参数.针对第1类参数,通过区间理论中的区间可能度数学模型将区间不确定问题转换为确定性优化问题,以反映数值仿真结果与试验结果的相似...     

基于神经网络和粒子群算法的移动机器人路径规划

针对移动机器人传统路径规划算法效率不高,寻优能力差等问题,提出一种基于神经网络和粒子群优化算法相结合的移动机器人路径规划方法.该方法利用神经网络实现大量的并行和分布计算,发挥PSO简单、容易实现的优点,提高了路径规划的计算效率和可靠性.仿真结果表明,这种新路径规划方法是可行且有效的.     

具有参数不确定、干扰、混合时变时滞的随机细胞神经网络的鲁棒稳定性及H∞控制

研究了一类具有离散与分布时滞的不确定随机模糊细胞神经网络在外部干扰下的鲁棒稳定性和控制,在不确定性项范数有界的条件下,通过构造Lyapunov泛函,运用Ito公式,给出了系统鲁棒稳定和控制的充分条件,并给出实例验证了结论的可行性。     

人工神经网络及粒子群优化算法在跟驰模型中的应用

在车辆跟驰现象中,驾驶员-车辆系统可视为一个非线性的动态系统,而人工神经网络(ANN)是开发非线性系统模型的有效工具,采用ANN技术建立了车辆跟驰模型,开发了基于粒子群优化(PSO)算法的ANN训练算法。测试结果表明,基于神经网络的跟驰模型比传统模型具有更强的鲁棒性,基于PSO算法的ANN训练方法能够避免陷入局部最优。     

隔离型热管换热节能系统的稳态建模与参数估计

采用机理分析法建立了隔离型热管换热节能系统的稳态模型.对于机理方程中的未知关键参数,基于系统实际运行数据,采用粒子群优化算法和限定记忆的递推算法对未知参数进行了估计.针对模型参数的变化问题,采用RBF神经网络建立了系统输入变量与模型参数的定量关系,使用现场数据验证了方法的有效性.获得了换热节能系统比较精确的模型.为进一步的系统分析与实时优化打下了基础.     

大气PM2.5与健康:从暴露、危害到干预的系统研究进展

为了提高空气污染物PM_2.5质量浓度预测的准确性,提出了一种基于图像数据预测PM_2.5质量浓度的方法.首先用手机或相机获取图像数据,然后用图像质量分析模型提取与PM_2.5质量浓度相关的特征向量作为输入,建立一个基于粒子群优化（particle swarm optimization,PSO）算法的支持向量回归机（support vector regression,SVR）（PSO-SVR）预测模型来估计PM_2.5的质量浓度.实验结果表明,与SVR模型和用遗传算法（genetic algorithm,GA）优化的支持向量回归机（GA-SVR）模型相比,PSO-SVR模型在预测准确性和实施效率方面具有更好的预测性能.

     

结合灰度预测特征与CNNs的信息服务体育成绩预测

针对大数据体育成绩预测存在精度较低的缺陷,提出一种结合灰度预测特征与CNNs的体育成绩预测算法.通过等维动态GOM模型提取灰度特征,并构建CNNs模型完成对体育成绩时间序列的回归与预测.以百米赛跑体育成绩为研究目标,完成了体育达标人数预测和体育成绩预测两个对比实验.结果表明,等维动态GOM模型以及相应的CNNs模型分别在达标人数和成绩预测中获得了最优的预测结果.提出的算法显著优于传统算法,分别在平均精度和极端数据中获得了更好的预测结果.