优化的BP网络在抽油井故障诊断中的应用研究

抽油井故障诊断系统是油井系统产量的关键,为了更好更快地对当前油井系统进行诊断以保证石油的产量,人们利用各种各样的技术来完成这一目标。BP神经网络技术就是新兴的油井故障诊断手段之一,但是由于其容易陷于局部最优解、收敛速度慢以及泛化能力差等缺点,运用融入免疫算法浓度概念的遗传算法对BP神经网络进行优化,并将优化后的BP神经网络算法应用于抽油机现场的故障诊断过程中,结果显示优化后的BP算法有更高的诊断率,更快的运行速度,因而优化后的BP算法的寻找全局最优点的能力更强,收敛速度更快。     

水声CDMA多用户通信系统仿真研究

针对水声环境通信系统码间干扰和相位偏移问题是水下多用户通信面临的主要问题,水下有限的发射功率使接收机对远距离用户信号的接收性能较低。提出了一种水声码分多址多用户通信系统,系统采用多输入多输出(M IMO)判决反馈均衡器补偿码间干扰、抑制多址干扰,同时利用扩频增益提高接收性能并进行仿真验证。计算机仿真结果表明,当扩频码长度为15、输入信噪比为16dB、远距离用户信号功率比近距离用户低14dB时,接收机能够对各用户信号无误码地接收,证明了系统的有效性。     

基于网格相邻关系的离异点识别算法

离异点是偏离部分观察对象的数据点,根据离异点所在单元的密度与相邻单元的密度相比可能偏高或偏低的特点,本文提出了基于网格相邻关系的离异点识别算法GAO。该算法用单元间的相对密度和单元质心距离来衡量单元间的离异度,根据离异度确定离异单元和离异点。实验结果表明,该算法能有效地识别出多密度数据集的离异点,算法的效率优于Cell-based算法,且适合大数据集的离异点识别。     

Performance bounds in linear control of unstable MIMO systems with pole location constraint

This paper proposes a methodology to compute quadratic performance bounds when the closed loop poles of a discrete-time multivariable control loop are confined to a disk, centred at the origin, and with radius less than one. The underlying philosophy in this constraint is to avoid certain undesirable dynamic features which arise in quadratic optimal designs. An expression for the performance loss due to the pole location constraint is also provided. Using numerical examples, we show that the performance loss is compensated by an improved transient performance, specially visible in the control signals.     

基于神经网络干扰观测器的一类不确定非线性MIMO系统H_∞跟踪控制

针对一类具有未知外部干扰及内部不确定性的非线性MIMO系统,提出了基于神经网络干扰观测器的鲁棒跟踪控制方法,用于降低控制器对干扰的要求.设计了基于神经网络的干扰观测器,以逼近由外部干扰、内部不确定性和子系统的交叉耦合组成的复合干扰.根据Lyapunov稳定性理论的参数更新律及所设计的控制器,保证了系统中所有信号的最终一致有界性,并获得了给定的跟踪性能指标.仿真结果证明了该方法的有效性.     

自适应比特功率分配的V-BLASTOFDM系统性能

提出了一种自适应的V-BLAST OFDM系统,并提出了一种有记忆的可变步长的自适应分配算法.与传统的算法相比,加快了算法的收敛速度.仿真结果表明,该系统与无自适应比特功率分配的系统相比,性能有显著提高.     

一种求解Shubert函数优化问题的演化算法

综合国内外演化计算研究现状,基于热力学中的自由能极小化原理, 设计了一个全新的热力学演化算法,并通过对于Shubert函数优化问题求解的数值试验,测试了热力学演化算法的优良性能,实验结果表明了热力学演化算法求出的解比一般演化算法求出的解更加接近于全局最优。     

不完全信道状态信息下Turbo-BLAST系统的自适应发送功率分配算法

提出了一种不完全信道状态信息下适用于Turbo-BLAST系统的自适应发送功率分配算法．所提算法以误比特率为优化目标,适用于MQAM和MPSK等不同调制方式．发送端在总功率约束条件下,利用所提的自适应发送功率分配算法对发送信号进行功率加载,以获得最小化的误比特率性能．在接收端,利用考虑信道估计误差的软干扰抵消迭代检测算法进行检测,进一步改善误比特率性能．仿真结果表明,在不完全信道状态信息条件下,采用所提算法可以有效地改善Turbo-BLAST系统的误比特率性能．     

MIMO-OFDM系统中的自适应比特分配

正交频分复用(OFDM)与多天线(MIMO)技术的结合可以有效提高系统的性能。为了研究自适应比特分配对MIMO-OFDM系统性能的影响,首先介绍了MIMO-OFDM的系统结构和MIMO信道的奇异值分解(SVD)过程。将多载波系统中的Hughes-Hartogs自适应分配算法应用于天线数为2×2的MIMO-OFDM系统中。仿真结果表明,采用Hughes-Har-togs算法的MIMO-OFDM系统的数据速率达到甚至超过了单天线OFDM(SISO-OFDM)系统的2倍,但SVD分解也带来了巨大的运算量,提出了在MIMO-OFDM系统中使用自适应分配算法的策略。     

A hybrid clustering and graph based algorithm for tagSNP selection

TagSNP selection, which aims to select a small subset of informative single nucleotide polymorphisms (SNPs) to represent the whole large SNP set, has played an important role in current genomic research. Not only can this cut down the cost of genotyping by filtering a large number of redundant SNPs, but also it can accelerate the study of genome-wide disease association. In this paper, we propose a new hybrid method called CMDStagger that combines the ideas of the clustering and the graph algorithm, to find the minimum set of tagSNPs. The proposed algorithm uses the information of the linkage disequilibrium association and the haplotype diversity to reduce the information loss in tagSNP selection, and has no limit of block partition. The approach is tested on eight benchmark datasets from Hapmap and chromosome 5q31. Experimental results show that the algorithm in this paper can reduce the selection time and obtain less tagSNPs with high prediction accuracy. It indicates that this method has better performance than previous ones.