基于改进BP神经网络的中央空调冷负荷预测研究

针对中央空调系统冷负荷预测中BP神经网络预测收敛慢,易陷入局部最优,精度相对低的缺点,采用了收敛速度快,全部搜索能力强的粒子群优化算法进行改进,同时对BP结构中的输入参数,添加控制误差反馈参数,形成了基于粒子群与控制误差回馈的BP神经网络预测技术;其预测精度较BP神经网络和粒子群BP神经网络分别提高5.94%和0.82%。     

宽量程智能射频功率检测系统研究

介绍了一种基于数字衰减器HMC274及功率-电压转换芯片AD8362的新型宽量程射频信号功率检测系统;利用微控制器STC12C5A60S2控制HMC274的衰减值,确保被测信号的功率真值在AD8362的线性转换范围内,从而使量程上限提高了31dB;并通过GSM模块TC35i和LCD显示模块,分别实现了对功率值的远程和近程检测;经过对900MHz射频信号的实验测试和数据拟合,功率真值量程扩大到了-50~+40dB,输出灵敏度为50mV/dBm。     

制浆废水厌氧处理过程中pH的控制算法研究

以山东某纸厂的制浆废水厌氧处理过程为背景,建立了pH调节系统的数学模型,组建了模糊PID控制系统,并用Matlab仿真软件对其进行了仿真;研究比较了PID控制、模糊控制和模糊PID控制的阶跃响应、抗干扰响应,对比分析了模型参数摄动时这3种控制算法的鲁棒性能;从仿真结果看,模糊PID的阶跃响应既具有模糊控制的快速性又具有PID控制的稳态无误差,在受到干扰后可以很快恢复到稳态值,达到比较好的控制效果;模型参数发生摄动后,模糊PID控制超调量相对较少,稳态误差为零,但要在200s时才基本稳定;实验证明模糊PID控制算法的综合性能最好。     

关键参数快速处理单元在飞行试验中的应用

用于飞行试验的传统数据处理模式及流程的时间大致是飞行时间的1.5~2倍,这种数据处理模式已经严重制约了型号的试飞效率;针对新一代试验机测试参数海量数据快速处理的需求,介绍了具有自主知识产权的关键参数快速处理单元的设计研制思路,以及在新型号飞行试验过程中关键参数快速处理单元的应用情况,实现了能对1 200路试飞关键参数数据实时处理,达到试飞结束后及时获得试飞关键参数结果的目的。     

一种改进的RANSAC图像拼接算法

针对RANSAC算法迭代次数过多导致的图像拼接效率不高的问题,提出一种改进的RANSAC图像拼接算法;首先采用SIFT算法提取尺度不变特征点,利用双向互匹配策略对特征点进行匹配,在使用RANSAC算法计算单应性矩阵之前,利用相邻特征点之间的关系对初始特征点对进行筛选,最后使用加权平滑法完成图像的融合;实验结果表明该方法有效地减少了特征点对数,提高了RANSAC的运行时间,图像拼接效率有了很大的提高。     

一种外场天线测试转台设计

为了满足天线在野外的测试需要,提出了一种外场天线测试转台的结构设计;该转台采用蜗轮蜗杆传动方式,可实现天线的俯仰和方位运动;文中对转台的组成进行了描述,并针对俯仰部件和方位部件的结构设计分别进行了详细说明,同时分析了转台的受力情况,对驱动力矩和惯量匹配进行了校核计算,从理论上分析了传动精度和测角精度;实际测试表明,该转台结构设计完全达到技术指标要求,能够满足天线外场测试的需要。     

基于人眼视觉皮层系统的SAR图像目标识别

人眼的视觉系统是已知最复杂最精确的目标识别系统;针对现有浅层学习模型提取SAR图像目标特征效果不理想、普适性不强及目标识别精度不高等问题,参考人眼视觉系统的分层特征提取机制提出了一种深层特征提取目标识别算法;算法首先提出一种针对SAR图像的预处理方法,在特征提取阶段应用多层稀疏自动编码器,通过逐层减少神经元数目使编码器学习得到输入数据的压缩表示,从而提取得到更抽象更鲁棒的目标特征;采用MSTAR数据库3个目标进行实验,试验结果表明,算法能很好地对MSTAR目标进行特征提取和识别,类比原有的方法有较高的识别准确率,达到96.7%。具有较强的实用性。     

融合主动学习的改进贝叶斯半监督分类算法研究

半监督学习是人工智能领域一个重要的研究内容;在半监督学习中,如何有效利用未标记样本来提高分类器的泛化性能,是机器学习研究的热点和难点;主动学习可解决未标记样本有效利用的问题,将主动学习引入到半监督分类中,并改进贝叶斯算法,提出了一种基于改进贝叶斯算法的主动学习与半监督学习结合算法;实验结果表明,该方法取得了较好的分类效果。     

基于改进图划分的异构并行计算模型设计

为了实现大规模计算机集群上的高效分布式并行计算,设计了一种基于改进图划分和量子遗传算法的异构节点并行计算模型;首先,介绍了传统图划分模型并分析了其不足,然后从图的有向性、通信开销计算和负载均衡度等方面对传统的图划分模型进行了改进,从而得到一个改进的图划分模型;最后,以最小化通信开销和优化资源负载均衡为目标,通过设计编码方案,在改进的图划分模型上提出了采用量子遗传算法获取最优任务划分方案的最优解;仿真实验表明:文中方法能有效实现任务的并行计算,与其它方法相比,具有较小的通信开销和较好的负载均衡度,具有很强的可行性。     

基于改进量子粒子群的分布式并行计算框架设计

为了实现用户任务在大规模计算机集群上进行高效地处理,并克服现有并行计算框架通用性不强的缺点,提出了一种基于改进量子群算法和Map-Reduce模型的通用并行计算框架;首先,对经典的Map-Reduce分布式并行计算框架以及并行计算流程进行了具体描述;然后,基于改进的量子粒子群算法设计了改进的Map-Reduce模型,在Map阶段通过多种群并行搜索并计算所有粒子适应度,在Shuffle和Sort阶段实现粒子的排序和种群的重新划分,然后在Reduce阶段更新控制系数和粒子位置,当最优解不变时,通过混沌扰动对其进行扰动;仿真实验表明同,文中设计的基于改进量子粒子群算法和Map-Reduce模型能高效地执行任务,较传统的MapReduce模型具有较少的执行时间,具有很强的可行性,是一种有效的通用并行计算模型。