基于迟滞观测器的压电堆补偿控制

压电堆具有反应速度快、能量密度高等特点被广泛应用于精密仪器的作动装置.然而,压电堆输出位移与驱动电压之间存在的迟滞效应会严重影响控制精度.为了补偿迟滞效应带来的影响,提升控制效果,提出了一种基于滑模变结构理论的类Luenberger迟滞观测器,观测器的设计不仅考虑到了模型中的不确定因素,还可在一定程度上减小外部扰动带来...     

改进蚁群算法在SVM参数优化研究中的应用

支持向量机参数的选择决定着支持向量机的分类精度和泛化能力,而其参数优化缺乏理论指导,在此背景下提出了ACO-SVM模型。该模型将SVM分类预测准确率作为目标函数,对蚁群算法进行改进,引入有向搜索和基于时变函数更新的信息素更新原则,利用蚁群算法的并行性、正反馈机制和较强的鲁棒性,以求得最优目标并得到SVM的最优参数组合。数值实验结果表明,改进蚁群算法在SVM参数优化选取中具有更好的寻优性能,具有较高的分类准确率;该方法具有较好的并行性和较强的全局寻优能力。     

受BGP策略影响的路由稳定性仿真数据分析

BGP是一个基于策略的路由协议，目前，由于BGP策略所引发的路由振荡在Internet中非常普遍，给网络稳定性健壮性都带来了很多负面的影响。网络仿真在路由稳定性研究中充当着相当重要的角色。用网络仿真的方法来研究和分析影响BGP路由稳定性的因素，是一个非常科学实用的研究方法和途径。     

基于核Fisher判别分析的意识任务识别新方法

提出一种新的基于核Fisher判别分析的意识任务识别新方法。该方法首先通过核函数建立一个非线性映射，把原空间的样本点投影到一个高维特征空间，然后在特征空间应用线性Fisher判别。利用不同意识任务生成的脑电数据对KFDA和FDA进行比较，最后用线性支持向量机进行分类和识别，并与非线性支持向量机进行了比较，结果表明KFDA的识别率明显优于后二者。     

串行通信在工业运动控制系统中的应用

介绍了在VB环境中实现串行通信的技术和动态链接库的功能。由于VB中ActiveX控件（MSComm）提供了使用RS-232进行通信的所有协议和标准的事件处理函数、过程、属性和方法．且巧妙地将复杂的Windows编程封装起来,从而使编程简单,易于实现。对于实时系统．为了达到数据采集的实时性、准确性,采用调用DLL的方法,对数据采集卡进行读操作。介绍了在工业运动控制系统中,工业PC机与测力显示仪进行串行通信以及利用动态连接库对温度进行数据采集的方法。实践证明,使用动态链接库进行数据采集和使用MSComm控件进行串行通信,可以保证运动控制系统的实时性、准确性。     

用Visual Basic实现生产信息网络监测

本文以某选煤厂网络监测系统的开发为例,介绍了利用Visual Basic开发基于局域网的网络监测系统的方法,具体讨论了串行口通信和远程数据访问技术,并给出部分实现代码。     

Sink轨迹固定传感器网络的高效数据采集机制

在sink移动轨迹固定的传感器网络中,由于sink点有限的通信时间和节点的随机分布,使得很难兼顾数据采集量的提高和整体能耗的降低.为了解决该问题,提出了一种最大数据量最短路径(maximum amount shortest path,简称MASP)数据采集方法.MASP对网络中成员节点与sub-sink节点之间的匹配关系进行集中式优化.采用0-1线性规划方法对MASP问题进行形式化描述,提出了一种基于二维染色体编码的遗传算法进行求解,并给出了相应的数据通信协议设计.另外,MASP可以扩展支持低密度网络和多sink点网络.基于OMNET++的仿真结果表明,MASP在能耗利用率方面要远远优于最短路径树方法(shortest path tree,简称SPT)及固定sink数据采集方法.     

多模态网络融合在轻度认知障碍分类中的应用

针对早期轻度认知障碍（MCI）根据医学诊断认知量表评估极有可能无法判断的问题,提出了一种多模态网络融合的MCI辅助诊断分类方法。基于图论的复杂网络分析方法在神经影像领域的应用已得到广泛认可,但采用不同模态的成像技术研究脑部疾病对大脑网络拓扑结构属性的影响会产生不同结果。首先,使用弥散张量成像（DTI）与静息态功能磁共振成像（rs-fMRI）数据构建大脑结构和功能连接的融合网络。然后,融合网络的拓扑属性被施以单因素方差分析（ANOVA）,选择具有显著差异的属性作为分类特征。最后,利用支持向量机（SVM）留一法交叉验证对健康组和MCI组分类,估算准确率。实验结果表明,所提方法的分类结果准确率达到94.44%,相较单一模态数据法的分类结果有明显提高。所提方法诊断出的MCI患者在扣带回、颞上回以及额叶和顶叶部分区域等许多脑区表现出显著异常,与已有研究结果基本一致。     

共享信息素矩阵:一种新的并行ACO方法

提出并实现了一种新的蚁群优化(ACO)并行化策略SHOP(Sharing one pheromone matrix). 主要思想是基于多蚁群在解的构造过程和信息素更新过程中共享同一个信息素矩阵. 以ACS和MMAS的SHOP并行实现为例, 简要描述了SHOP 设计思想和实现过程, 尝试了ACS和MMAS并行混合. 以对称TSP测试集为对象, 将SHOP的实现与相应串行算法在相同计算环境下的实验结果比较, 以及与现有的并行实现进行比较, 结果表明SHOP并行策略相对于串行ACO及现有的并行策略具有一定的优势.     

基于动态规划法求解动态o-1背包问题

随机时变背包问题(RTVKP)是一种动态组合优化问题,也是一种典型的NP-hard问题。由于RTVKP问题中物品的价值、重量和背包载重均是动态变化的,导致问题的求解非常困难。在动态规划法基础上,提出了一种求解背包载重随机变化的RTVKP问题的确定性算法,分析了其复杂度和成功求解需要满足的条件。对两个大规模实例的计算表明,该算法是求解RTVKP问题的一种高效算法。