基于改进PF算法的锈蚀RC结构抗弯承载力预测方法

为提高锈蚀钢筋混凝土(RC)结构抗弯承载力评估精度，该文综合考虑锈蚀RC结构几何尺寸、钢筋截面积及力学性能、混凝土强度、粘结性能等因素，提出了基于改进粒子滤波(PF)算法的抗弯承载力模型参数更新及预测方法。通过生成大量的粒子以表征承载力退化过程中模型参数的不确定性，从选择不同建议密度函数的角度改进PF算法以解决传统PF算法中粒子退化的问题，分别采用PF、扩展粒子滤波(EPF)、无迹粒子滤波(UPF)算法对模型参数进行估计与更新，实现了锈蚀RC结构抗弯承载力的有效预测。结果表明：随着钢筋锈蚀率的增加，RC结构的抗弯承载力逐渐降低。基于改进PF算法的锈蚀RC结构抗弯承载力预测方法因考虑了模型参数更新使得预测结果更接近试验数据。基于EKF和UKF的改进PF算法可有效抑制粒子退化，其预测精度较PF算法更高；锈蚀RC结构抗弯承载力预测精度随着训练数据及粒子数的增加而提高。     

基于迭代算法的有源电力滤波器谐波电流实时检测新方法

目前，已经提出了多种有源电力滤波器谐波及无功电流检测方法，尽管这些方法各有特点，但都存在着难以克服的问题，如计算量大，实时性差，检测精度不高等。文章在负载电流分析的基础上，提出了一种基于迭代算法的有源电力滤波器谐波电流实时检测方法，该方法具有计算量非常小，实时性好，检测精度高等特点。理论分析与仿真研究证实了该方法的正确性。     

科里奥利质量流量计数字信号处理方法的研究

本文提出了一种新型的应用于科里奥利质量流量计的数字信号处理系统：采用线性调频Z变换对科氏流量计信号进行频率的测量和跟踪；采用基于改进的谱线增强技术的滑动Goertzel算法测量信号的相位差。仿真结果表明该系统满足实时性和测量精度的要求，该算法是有效的。     

基于改进YOLOv4的灾后人员检测算法

针对地震等灾后环境复杂、救援机器人对救援目标识别实时性和准确度要求较高的问题,提出一种基于改进YOLOv4的目标检测模型。该算法将YOLOv4网络中的主干特征提取网络替换成MobileNetv1模型以增强特征复用,同时缩减网络参数量,提高运行速度;通过K-means++算法进行锚点维度聚类以适应灾后人员检测,提升算法精度。并且针对灾后人员检测数据集缺乏问题,贡献相应的数据集。实验结果表明,改进的网络与YOLOv4相比在保证模型精度的前提下帧率提升了约92%,权重文件大小变为原来的20.73%,满足了灾后救援机器人目标检测实时性和准确性的需求,对于灾后人员检测场景有一定的借鉴意义。     

一种基于改进自适应算法的科氏流量计频率解算新方法

为了在提高科氏流量计频率解算精度的同时兼顾频率跟踪的实时性,文章提出了一种基于改进自适应算法的频率解算新方法:通过重新构建基于优化零极点配置的自适应IIR滤波器,在自适应滤波的过程中动态调节陷波器的模型和步长,使之能够更好地跟踪实际信号的频率。理论分析和实际现场测试都表明该算法在频率跟踪的实时性和准确性方面优于传统算法。     

基于模糊逻辑的舰船维修经费预测

针对多输入、单输出的复杂非线性系统，基于Takagi-Sugeno模糊规则给出了一种系统预测模型，分别用模糊C- 值聚类算法和线性回归方法导出模型参数。利用该模型对舰船维修经费进行了预测，并进行了精度分析。     

基于深度学习的自然场景下多人脸实时检测

为了解决人脸检测的实时性与有效性,提出了基于YOLOv3算法的人脸检测模型.该模型以Darknet 53为主干网络,用3种不同尺寸的特征图进行预测,对Bounding box的中心坐标、置信度以及类别损失函数进行设计,最后直接回归被检测人脸的信息.实验中对数据进行了批量归一化处理,加速了Loss收敛.实验采用Wider Face的自然场景下的人脸数据集,将YOLOv3算法模型与不同算法模型比较,结果显示基于YOLOv3算法的人脸检测模型能够保证人脸检测的实时性,同时实现了自然场景下多人脸检测的任务.     

基于匹配追随算法的摩擦力自适应辨识与补偿研究

提出一种基于匹配追随算法的摩擦力自适应辨识与补偿新方法,该方法利用正交多项式实现对系统中以摩擦力为主的非线性动态充分逼近与补偿,不要求任何摩擦力模型,相对于基于线性化模型的自适应补偿算法,该算法具有更高的优越性,基函数集的选取对该算法精度及计算量有重要影响,该算法给出了一种基于残差分析法的基函数集优选方法,最后,通过仿实验验证了该算法的有效性。     

基于假设检验的软件可靠性模型预测精度比较

提出一种基于假设检验的软件可靠性模型预测精度比较方法，该方法将模型预测值与真实值的RE(相对误差)看作随机变量，利用假设检验思想度量模型预测精度，并给出多个模型之间预测精度的比较标准。     

适用于县级地区电网节假日短期负荷预测方法的分析

力系统短期负荷预测是电力系统运行管理和实时控制所必须的基本内容，预测结果的准确性对电力系统的安全、优质，经济运行具有重要意义。为提高电力系统短期负荷预测精度，本文针对节假日负荷预测的特点，提出基于相似日负荷修正的算法。该算法应用到某县级市的预测中，实例结果表明了该算法的可行性，为电力行业从事预测的人员提供算法参考。     

基于神经网络分色算法的补偿模型

神经网络模型在分色算法中具有预测不确定和精度较低的缺点,在其基础上提出了补偿模型。该模型将神经网络预测CMYK 的各通道差值拟合成L*a*b* 多项式的函数,并对CMYK 值进行补偿。通过对该模型的实验测试表明,采用CMYK 值进行补偿后与原模型相比,提高了分色算法的精度,并且其分色精度要高于其他常用的模型。     

Evolutionary neural network modeling for software cumulative failure time prediction

An evolutionary neural network modeling approach for software cumulative failure time prediction based on multiple-delayed-input single-output architecture is proposed. Genetic algorithm is used to globally optimize the number of the delayed input neurons and the number of neurons in the hidden layer of the neural network architecture. Modification of Levenberg–Marquardt algorithm with Bayesian regularization is used to improve the ability to predict software cumulative failure time. The performance of our proposed approach has been compared using real-time control and flight dynamic application data sets. Numerical results show that both the goodness-of-fit and the next-step-predictability of our proposed approach have greater accuracy in predicting software cumulative failure time compared to existing approaches.     

基于遗传算法和灰色神经网络的电力机车产品需求预测方法

目的 应对快速多变的市场,提前预知市场发展,制定相应的排产计划,使企业在竞争中占据先发优势。方法 目前基于灰色神经网络的预测算法,准确地预测产品需求通常需要连续且大量的样本数据,对小数据非线性系统的预测结果精确度低、可靠性差,针对这一问题,提出一种耦合遗传算法的灰色神经网络预测方法,综合灰色模型和神经网络理论,构建了面向产品订单量需求预测的灰色神经网络模型;通过电力机车产品实例分析了模型的预测性能;为解决预测过程中模型早熟收敛的问题,利用遗传算法对训练网络的权重和阈值进行了迭代优化。结论 研究结果表明,优化后产品预测模型的精确性和鲁棒性得到提高,验证了所设计方法的可行性。     

Research on Forecasting Flowering Phase of Pear Tree Based on Neural Network

Predicting the blooming season of ornamental plants is significant for guiding adjustments in production decisions and providing viewing periods and routes. The current strategies for observation of ornamental plant booming periods are mainly based on manpower and experience, which have problems such as inaccurate recognition time, time-consuming and energy sapping. Therefore, this paper proposes a neural network-based method for predicting the flowering phase of pear tree. Firstly, based on the meteorological observation data of Shijiazhuang Meteorological Station from 2000 to 2019, three principal components (the temperature factor, weather factor, and humidity factor) with high correlation coefficient with the flowering phase of pear tree are obtained by using the principal component analysis method. Then, the three components are used as input factors for the BP neural network. A BP neural network prediction model is constructed based on genetic algorithm optimization. The crossover operator and mutation operator in the adaptive genetic algorithm are improved. Finally, the meteorological sample data from 2013 to 2019 are used to test and verify the algorithm in this paper. The results demonstrate that, the model can solve the local optimization problem of the BP neural network model. The prediction results of the flowering phase of pear tree are evaluated in terms of relevance and prediction accuracy. Both are superior to the traditional effective accumulated temperature and the prediction results of the stepwise regression method. This method can provide more reliable forecast information for the blooming period, which can provide decision-making reference for improving the development of tourism industry.     

多维线性模型参数估计的神经网络方法

本文提出一种用于多维线性模型（ＡＲ，ＡＲＭＡ）参数估计的神经网络方法和相应的递归预测误差算法。本文在分析多输入、单输出，含一个隐含和多层神经网络的输入输出关系的基础上，提出了首先将理想输出Ｘｉ进行预畸变（Ｆ（Ｘｔ））作为神经网络的训练目标。当神经网络训练完毕后，网络的连接权就是待估计的线性模型参数。本文提出方法的优点是网络结构简单，估计结果准确。仿真模拟结果表明，本文所提出的神经网络方法估计多维线性模型参数是有效的。     

重载并联六维力传感器及静态标定

针对传感器重载小尺寸需求,提出一种具有混合分支的重载并联六维力传感器,分析了其结构特点和测量原理。搭建了重载并联六维力传感器标定系统,为改善维间耦合及制造误差等对测量精度产生的影响,从标定算法及模型优化方面对其进行了研究。分别利用最小二乘法和BP神经网络算法对加载实验数据进行了处理,分析结果表明BP神经网络算法要明显优于最小二乘法,并通过数据随机分组测试验证了结果的正确性。基于BP神经网络,提出了一种基于人工鱼群算法的BP神经网络算法,并采用优化后的BP神经网络标定算法对实验数据进行了计算分析,结果表明优化后的BP神经网络计算结果较好且稳定,不易陷入局部极值。     

基于粗神经网络的企业财务危机预警方法

分析了评价财务危机的指标体系和财务危机等级的划分,论述了粗神经网络的结构和基本原理,叙述了基于粗神经网络的财务危机预警方法,并给出了一个基于粗神经网络的财务危机的预警实例。实验结果表明,该方法应用于财务危机预警中是有效的,为财务危机预警提供了一条新的研究思路和方法。     

基于模拟退火算法优化BP神经网络的色彩空间转换

目的研究基于模拟退火算法优化BP神经网络对喷墨打印机色彩空间转换预测准确性的方法。方法通过数据归一化处理、模拟退火算法优化BP神经网络的权值和阈值,以获取它们的全局最优解,再用BP神经网络法进行色差预测。结果模拟退火算法优化BP神经网络预测模型测试15次得到色块平均色差达到2.3067,最小平均色差达到0.7892。结论该方法优化BP神经网络精度非常高,对喷墨打印机色彩空间转换具有较好的非线性拟合能力和更高的预测准确性。     

基于BP神经网络算法的316L不锈钢极薄带热处理力学性能预测

目的 为了预测不锈钢极薄带热处理后的力学性能、优化热处理工艺以及实现热处理工艺的智能控制,构建基于BP算法的神经网络模型。方法 以316L不锈钢极薄带为研究对象,进行热处理试验和拉伸试验,通过以热处理的退火温度、保温时间和取样方向作为输入层参数,以屈服强度、抗拉强度、断后伸长率作为输出层参数,采用BP算法构建了316L不锈钢极薄带力学性能预测的思维进化算法优化BP神经网络模型,并进行模型的预测和应用验证,考虑不同隐含层节点数及不同BP神经网络模型对性能的影响。结果 思维进化算法优化的BP神经网络模型测试集的屈服强度、抗拉强度和断后伸长率的平均相对误差分别为8.92%、5.21%和9.28%,训练集相关系数为0.980 94。思维进化算法优化BP网络单、双隐含层误差总和最低分别为0.578 6和0.546 9,BP网络与思维进化算法优化的BP网络误差总和最低分别为0.579 9和0.546 9。结论 思维进化算法优化BP神经网络模型具有较好的预测能力和泛化能力,以及较高的预测精度。与企业现用生产工艺相比,采用模型优化后热处理工艺的综合力学性能有显著提高。     

Neural network method for direction of arrival estimation with uniform cylindrical microstrip patch array

In this study, a new neural network algorithm is proposed for real-time multiple source tracking problem with cylindrical patch antenna array based on a previously reported Modified Neural Multiple Source Tracking (MN-MUST) algorithm. The proposed algorithm, namely cylindrical microstrip patch array modified neural multiple source tracking (CMN-MUST) algorithm implements MN-MUST algorithm on a cylindrical microstrip patch array structure. CMN-MUST algorithm uses the advantage of directive pattern of microstrip patch elements by considering only a part of array elements for a chosen sector. This reduces neural network sizes and also improves the spatial filtering performance. The proposed algorithm improves MN-MUST algorithm in the sense of accuracy and speed while covering the full azimuth range.