自适应分割弱边缘的活动轮廓模型

改进LI的保持距离水平集方法,提出自适应分割弱边缘的活动轮廓模型,并证明自适应力的双向性。模型中自适应力的系数加入图像的灰度均值,根据演化曲线的位置自适应的收缩或扩张。结果表明,该方法克服了原LI模型初始轮廓必须完全包围或含在目标物体内的问题,可以任意设置初始轮廓大小及位置,能够分割多目标图像,具有较强的抗噪性。     

圆柱零件加工用直线电机模糊自适应PID控制及建模

旨在提高直线电机传统PID控制方法在运行中的动静态特性、稳定性,基于模糊自适应PID控制方法,提出了直线电机模糊自适应PID控制模型.采用Mamdani推理法和加权平均法,完成了模糊自适应PID控制规则的建立.应用Simulink软件建立了直线电机模糊自适应PID控制整体模型,并对该模型进行了仿真.仿真结果表明:模糊自适应PID控制的速度响应超调量较传统PID控制小,显著优于传统PID控制;在加入扰动后,模糊自适应PID控制模型的波动范围为0.9~1.1m·s-1;直线电机模糊自适应PID控制具有运行过程平稳,适应性强,良好的动、静态特性等优点.     

无刷直流电机参考模型自适应控制系统研究

通过对参考模型自适应控制的研究,采用popov理论设计参数辨识自适应律,最后设定辨识转动惯量自适应PI调节器,实现给定速度的自适应跟踪。通过与模糊自适应PI控制控制器相比较,通过实验仿真表明模型参考自适应控制系统对外界负载变化具有较强的适应性和抗干扰能力。     

一类非线性系统模型参考自适应控制的分段线性化方法

研究了采用分段线性化方法进行一类非线性系统模型参考自适应控制的方案．首先给出了系统的描述,然后将非线性环节分段线性化,在此基础上得到了模型参考自适应控制的方案．仿真结果表明,自适应控制系统比ＰＩＤ控制具有更好的动态性能和更强的抗扰动能力．     

时序逻辑电路在片进化设计与实现

针对EHW(Evolvable Hardware)技术在电子设计自动化、容错运行、自诊断、自适应和自修复等方面的特点,借鉴传统时序电路设计的方法,建立了适应于片内进化的时序电路演化模型和基于XilinxFPGA Virtex-5(XC5VLX110T)的Microblaze软核结构,并运行GA算法对本文设计的VRC进行配置、演化.进而,利用设计的时序电路演化模型成功演化了1001检波器以及二、四、八分频器等时序逻辑电路,验证了本模型的有效性、通用性,并深入分析了演化算法中的随机数种子对演化性能的影响,可为演化算法设计提供一定的参考.     

普适计算中一种基于蚁群算法的服务调度模型

针对普适计算环境下对服务调度的高可靠要求,研究人员已提出不少服务调度模型,但都不具有很好的适应性.在现有的服务调度模型基础上,提出了一种新的基于信任的自适应服务调度模型.该模型先基于信任进行首次考核筛选,选出可靠的节点,然后基于蚁群算法进行任务调度.通过计算分析和仿真,验证了该模型的适应性.     

社交网络形成和演化的特征模型研究

社交网络和微博的网络特征除具有传统无标度网络的典型特征外,还存在其他不容忽视的特征,现有模型均不能对此进行准确描述。在比较分析网络数据的基础上,提出一种混合模型对类社交网络的形成和演化特征进行描述,并建立了基于该模型的平均场方程,方程的解显示出该模型的度分布服从偏移和拉伸后的幂律。仿真结果表明,作者提出的模型模型能描述出社交网络的综合特征。对包括本文模型在内的几种模型进行了比较,并对各种模型间出现特征差别的原因进行了分析。     

基于MATLAB的自适应FUZZY—PID控制器设计与研究

以MATLAB为工具,详细介绍了运用MATLAB进行自适应Fuzzy—PID控制系统设计的步骤和方法,并对自适应Fuzzy—PID控制器的鲁棒性进行了分析和论证,仿真研究表明自适应Fuzzy—PID控制器具有良好的适应性和应用前景。     

一种新型模型参考自适应控制算法在单元机组中的应用

实际生产过程中,系统受到环境的影响而产生参数漂移,传统的PID控制算法应用受限.自适应控制应运而生并显示了其强大的控制优势.其中,模型参考自适应控制因其历史最为久远,应用简单而受到广泛的关注.本文将一种新型的模型参考自适应控制应用于单元机组的协调控制.通过仿真实验可以看出,这种方法有良好的适应性.     

一种云模型PID控制器参数整定优化算法

为了解决PID控制器参数整定过程中的优化和复杂性问题,增强PID控制器参数整定的自适应性,结合差异演化算法和粒子群算法,提出一种带有差异演化变异算子的粒子群混合优化算法,利用一维云模型映射器将人的控制经验通过语言原子转换为控制规则器,设计具有自适应功能的云模型控制器;将该优化算法应用于一维云模型PID控制器参数整定与优化,并与传统方法进行仿真比较.结果表明,基于带有差异演化变异算子的粒子群混合优化算法的智能控制器具有简单易行、控制性能良好、自适应性和鲁棒性强的特点,可为云模型控制器参数设计提供参考.     

基于自适应模糊PID平面倒立摆的建模与仿真

该文采用拉格朗日方程建立平面倒立摆系统的动力学模型,并通过X轴和Y轴两个方向分步控制,将非线形、强耦合、多变量的平面倒立摆系统数学模型进行非线形解耦,得到X轴和Y轴方向解耦的非线形倒立摆模型,并设计了自适应模糊PID控制器。证实了自适应模糊PID控制策略稳定时间短,同时使系统具有良好的鲁棒性。     

非线性弹粘塑本构模型开发及应用

讨论了岩体非线性流变的复杂力学行为,基于Peirc比例因子,提出一种非线性弹粘塑性本构模型,并推导了有限元应力返回算法及一致切线模量。根据ABAQUS的UMAT格式要求,编制了相应的接口程序,将该模型引入ABAQUS中。数值试验结果表明,所建立的非线性弹黏塑性流变模型可以统一描述不同应力状态下的蠕变过程,具有广泛的适用能力。采用该模型对岩石隧道进行弹粘塑蠕变数值计算,得到了隧道拱顶下沉及接触压力的随时间的变化规律。结果表明该模型是正确和可靠的,具有良好的应用前景。     

一种改进的粒子群算法——PSO-Powell

该文针对PSO容易陷入局部最优的缺陷,提出了PSO-Powell辨识算法。该算法首先进行PSO的全局搜索,以全局搜索的最好粒子作为进行Powell搜索的起始点进行搜素,克服了PSO容易陷入局部最优点的缺陷。通过测试用例的测试,证明了该算法的有效性;并对非线性Hammerstein模型和典型的三级串联模型进行了常规方法和该文算法的辨识,对比结果表明了该算法对于辨识参数具有大范围选取能力。仿真结果表明该算法是模型参数辨识的一个有效方法。     

灰色均值量化关联度

该文灰色关联分析作为一种有效的模式识别方法应用广泛。相对关联度模型在灰色关联分析中占有重要地位,但是其计算存在一定的缺陷,即容易受奇异值的影响,进而影响关联度的整体性,而且相对关联度模型中的分辨系数的取值没有确定的方法,通常依赖于经验,这将导致关联度值不具有唯一性。该文采用对序列差进行均值计算的方法来降低奇异值的影响,并分析了分辨系数在关联度计算中的作用,并给出了分辨系数取值的具体量化方法。通过实列分析,该方法有效的增大了关联度分布区间,提高了关联度分辨力,使关联分析更符合实际。     

一种改进的视频运动目标检测算法

该文提出了一种改进的视频运动目标检测算法。该算法采用动态选取模型数的混合高斯的方法建立背景模型并实时更新,与当前帧比较进而提取出视频运动目标,通过扩展的区域生长法对运动目标进行定位。在背景差图像经过阈值化及形态学膨胀、腐蚀的基础上,定义扩展区域的大小,并设定区域内前景点个数的阈值,进行连通区域合并和前景区域定位。采用不同的视频测试序列,从检测效果及耗时上研究了改进的视频运动目标检测算法的性能。实验结果表明,该算法具有良好的检测效果和实时性能。     

基于LS-SVM棉针织物前处理工艺指标软测量

该文针对棉针织物前处理过程工艺指标吸水性和白度难以实现在线连续检测,且与前处理过程温度、时间、液碱浓度、双氧水浓度等影响因素具有较强非线性,难以建立精确数学模型。在分析了棉针织物前处理过程质量指标相关影响因素的基础上,采用最小二乘支持向量机建立了前处理过程工艺技术指标软测量模型,并通过实验验证了软测量模型的有效性。     

基于粒子群算法的电站锅炉效率优化研究

该文以电站锅炉燃烧系统为研究对象,针对电站现场无法在线计算锅炉热效率的问题,利用BP神经网络建立了锅炉的热效率模型,并在此基础上,采用粒子群优化算法对锅炉运行参数进行优化。仿真结果表明,BP神经网络效率模型具有较高的精度,粒子群优化算法优化算法可以用于电站锅炉的热效率优化。     

一种变结构多模型机动目标跟踪算法的研究

该文针对在机动目标跟踪领域应用广泛的交互式多模型算法,是一种基于固定模型集合的算法,由此带来一个两难问题,既需要较多的模型保证跟踪精度,有会因为太多的模型而增加计算量。该文提出了一种基于序列似然比检测的变结构多模型算法,给出了一种模型集合自适应的解决方法。该方法提高了跟踪精度的同时也降低了计算量。随着反舰导弹的威胁日益增大,该文针对反舰导弹的机动特性,仿真验证了该算法的有效性。     

含右删失数据的随机效应模型的统计分析

该文对含右删失数据的随机效应模型进行了研究。对于具有右删失数据的正态非线性随机效应模型,用Laplace展开方法,给出该模型中固定效应参数的估计以及Gauss-Newton迭代算法。同时系统地研究了具有右删失数据的正态线性随机效应模型,得到了该模型中固定效应参数,随机效应参数的估计,然后进行了影响分析。最后,利用实例验证了上述方法的可行性。     

CFD结合遗传算法优化室内热舒适性参数

在遗传算法中直接调用CFD程序优化室内空气质量的模型需要消耗大量时间,针对此问题,文中提出了CFD结合遗传算法对模型进行寻优并替代该模型。通过CFD建立教室模型并输出相关数据,使用BP神经网络建立CFD模型的替代模型,并根据PMV指标和空气龄数据建立遗传算法的目标函数,设置不同的权重对该模型寻优,然后与原CFD模型做比较。结果表明,CFD结合遗传算法可以很好地替代用遗传算法中直接调用CFD程序优化的模型,缩短了时间,改善了室内空气质量。