复杂环境下基于角点回归的全卷积神经网络的车牌定位

车牌定位是车牌识别系统中核心部分,具有较高的研究和应用价值。尽管近些年来该研究取得了很大的进展,但仍无法很好地解决低亮度、低分辨率和车辆倾斜等环境下的定位问题。本文提出了一种新的全卷积神经网络,通过回归车牌角点的方式准确地进行车牌定位。为了保证训练的有效性,对45 000幅含有车牌的图像进行人工标注。同时,对标注的图像随机进行平移、缩放、旋转和加噪,提高训练样本的数量和多样性。在本文构建的卡口图像数据集和复杂环境数据集上与两种方法进行了比较,验证了本文方法的有效性。     

结构尺寸对LNG低温螺旋波纹钢管弯曲性能的影响分析

基于ANSYS三维壳模型,依据结构几何尺寸对LNG低温螺旋波纹钢管进行参数化有限元建模.考虑低温环境下材料力学性能的改变和结构几何非线性因素,对弯曲载荷作用下低温螺旋波纹钢管结构力学性能进行数值模拟;分析管体弯曲失效模式和力学行为特点.改变结构几何尺寸,分析比较波峰和波谷极值应力以及管道整体力学性能,发现尺寸参数对低温波纹钢管力学性能的影响显著,分析相应的灵敏度规律,最后给出合理的截面尺寸参数.分析结果可以为低温柔性管道的结构设计提供参考.     

Matlab在回归分析中的应用与编程

回归分析是根据已有的试验数据以及经验建立统计模型并研究变量之间的相关性,建立变量之间关系的近似表达式,亦即经验公式,由此对相应的变量进行预测与控制等,是最常用的数据分析手段之一.以详实的实例,介绍多种回归模型的Matlab编程实现.     

基于混合方法的并网光伏发电量预测模型的研究

为了较准确的对并网光伏系统进行发电量预测,提高电网的稳定性和安全性,对并网光伏系统采用物理和统计相结合的混合方法,在确定光伏发电量的主要影响因子后,分析光伏系统各个重要组成部分的具体物理结构和性能,利用光伏系统的历史测量数据,通过MATLAB的Fitting功能对物理模型进行训练,从而获得光伏系统输出功率和影响因子之间的关联,确定光伏输出功率的预测模型.除此之外,通过精确度分析判断模型的预测精度,以便于对光伏系统做出合理地后期维护.     

应用财经新闻挖掘的金融品种价格走势预测

随着经济的不断发展,金融活动中的不确定性日益增加,金融预测受到学术界及金融界的高度重视。人们希望通过获得预测性的判断和推测,掌握金融产品未来的发展趋势和规律。而近期随着互联网发展,出现海量财经信息,仅仅依靠历史价格的数据挖掘技术,不能很好地反映金融市场多元因素的影响。因此,通过挖掘财经新闻信息中的情感倾向信息,结合金融历史价格数据,组合多元线性回归和差分自回归滑动平均模型,提出了一种基于财经新闻信息挖掘的金融价格走势预测方法,通过实际数据验证,表明该方法可以获得较为准确的预测结果。     

起落架磁流变减摆器模糊PID控制算法的研究

为了减小飞机机轮的摆振,提高飞机乘坐的舒适性和驾驶的安全性,将磁流变控制技术应用于飞机起落架减摆器,实现减摆器阻尼力的实时智能控制;针对磁流变减摆器,建立了飞机起落架摆振的半主动控制非线性动力学模型,设计了模糊PID控制算法,并使用Matlab/Simulink建立了半主动控制仿真模型;通过调节流过磁感线圈的电流大小改变磁流变减摆器的阻尼力,从而减小机轮摆动实现半主动控制;通过动力学仿真,在给定速度下分别对比未安装减摆器、被动控制下以及半主动控制下机轮摆角、侧向位移、侧滑角随时间变化的曲线,结果表明了模糊PID控制算法的正确性和可行性,该控制策略可以较好的抑制机轮的摆振,同时也表明模糊PID控制算法具有良好的可控性,减摆效果也明显优于传统的被动控制。     

基于希尔伯特-黄变换双频信号的参数估计

为了提高双频信号参数估计在工程测量领域的精度,创新的提出了基于希尔伯特-黄变换和数据拟合算法估计双频信号参数的方法。输入系统的双频信号序列先经过EMD分解算法得到单频的信号序列,采用Hilbert变换得到信号的频率、幅值和相位信息,通过数据拟合算法对信号的频率、相位和幅值等进行校正,校正后参数的值可以精确到两位小数。为了增强该方法在操作上的便捷性和交互性,基于Matlab的GUI工具箱开发界面程序。     

变采样周期和多包传输的非线性NCS故障检测

研究具有多包传输、时变采样周期和未知干扰输入的Lipschitz非线性网络控制系统的故障检测问题;利用主动变采样周期的方法将多包传输的非线性连续网络控制系统建模为离散切换系统,设计基于观测器的鲁棒故障检测滤波器构造残差产生系统,运用Lyapunov稳定性理论和线性矩阵不等式(LMI)技术,给出了使闭环系统渐近稳定的充分条件及故障检测滤波器的增益矩阵;最后运用仿真算例说明了故障检测滤波器的残差产生系统对故障具有敏感性,同时对外部扰动输入具有鲁棒性。     

基于SVR和粒子滤波的室内导航方法

针对室内环境复杂性造成的室内定位精度不足问题,提出一种基于支持向量机回归和粒子滤波的室内导航方法;离线阶段通过采集室内接收信号强度并利用统计学习方法,构建室内RSS与物理位置之间的支持向量回归映射模型,定位阶段使用智能移动设备采集加速度、方向角等运动状态信息和Wifi模块感知的环境信息,并利用粒子滤波将运动数据和回归结果进行融合处理,推算移动用户运动轨迹;室内实验结果表明,本方法最大定位误差为1.891 m,平均误差为0.669 m,有效地提高了室内定位导航精度。     

多目标粒子群优化的非线性预测解耦策略北大核心CSCD

针对非线性预测控制中,系统建模和目标函数求解的问题,提出了一种基于粒子群优化的非线性预测控制策略(PSO-NPC)。首先,将时间因素引入到即时学习算法中,提高了基于即时算法的最小二乘支持向量机(LS-SVM)对非线性系统的建模精度。其次,针对单目标优化的常规PSO-NPC算法不足之处,将系统的第一步预测和最后一步预测输出作为主要优化目标,提出了多目标粒子群优化的非线性预测算法。最后,将目标函数中的误差权重作为粒子群优化的目标,根据系统耦合程度自适应调整误差权重,消除了系统回路之间耦合。仿真结果验证了改进算法的可行性和有效性。