基于希尔伯特-黄变换的船舶声信号特征提取

将希尔伯特-黄变换(HHT)用于船舶声信号特征提取中,利用HHT对实录船舶辐射噪声进行特征提取后,利用神经网络进行分类.研究表明希尔伯特-黄变换方法对于信号的时频特性具有较高的分辨能力,适用于水声非平稳信号的分析.与传统时频分析方法相比具有很强的自适应特性和较好的时频聚集性,时频分辨力高于小波变换.结果表明对于船舶声信号识别,希尔伯特-黄变换方法是一种有效的特征提取方法.     

水翼剖面多目标粒子群算法优化

船舶螺旋桨及舵均由水翼剖面组成,为了提高桨、舵的水动力性能,需要对水翼进行优化设计,以便得到水动力性能更好的桨及舵。提出一种基于线性权重处理的多目标优化算法,以降低阻升比和改善水翼表面压力分布为优化目标,将其应用到多目标水翼优化中。分别选取不同的攻角、不同翼型和不同的翼型表达函数进行优化设计。优化后得到的新翼型相对于原始翼型,具有低阻生比和较低的最小负压力系数,提高了翼型的升力效率和空泡性能。因此,验证了提出的多目标粒子群算法能够应用到多目标翼型优化设计的可行性。     

多节点协作的WSN监测目标和定位算法研究

针对具体应用场合无线传感器网络监测目标的动态特性,研究一种适用于对动态特性目标进行监测和定位的方法.首先,基于目标的动态特点,进行需求分析,构建出适应于动态目标监测的WSN新型网络模型;其次,通过基础理论探究,提出一种具有容错能力的多节点协作目标监测和定位算法(MCFTMP),给出算法的具体步骤和相关性能评价指标;最后,基于MATLAB工具平台对算法的容错能力和定位性能进行仿真分析.仿真结果较好地评价了算法的正确性和有效性.     

太阳能光伏电池最优铺设方案研究

根据市场上不同种类光伏电池的价格、发电效率等性能,采用山西省大同市典型气象数据,综合参考当地的太阳辐射强度、光线入射角以及建筑物所处地理纬度等因素,建立了多目标决策模型和线性规划模型,并通过进一步优化得出房屋表面光伏电池的最优设计方案。     

教学质量多目标评价方法的研究及应用

针对课程教学全过程的特点对课程教学质量进行科学评价是教学改革的重要任务.提出基于惩罚因子的层次分析法建立课程教学质量多目标评价模型,采用学生评教数据、教师评学数据和课堂考勤提问等授课过程中的大量客观数据,利用层次分析法将教学质量量化,并采用惩罚因子对评价结果进行修正,对课程的教学质量进行综合评估,从而为课程教学的改革提供决策支持.将评价模型运用于课程教学过程化管理平台,对三个学院的37名教师和2100名学生的课程教学质量进行了评估实验,结果表明,基于惩罚因子的层次分析法的课程教学质量多目标评价方法能够客观、科学地反映教师的课程教学质量.     

餐饮企业推广五常法成效与考核目标设计

为总结餐饮企业推广"五常"管理法的实际成效,设计持续改进考核目标,课题组对广西贵港市饮食服务有限公司、阳朔大师傅餐饮管理有限公司等餐饮企业推广五常管理法管理进行了持续深入地研究,掌握了餐饮企业推广五常管理法实际成效的数据和持续改进考核目标设计方案的内容,为完善餐饮行业推广五常管理法管理体系提供有益的理论依据。     

基于有限线积分变换的序列图像运动目标检测

运动目标检测主要是从序列图像中将变化区域从背景中分割出来,它影响着运动目标能否正确地分类和跟踪。因此,运动目标检测是智能视频监控技术中的关键问题之一。有限线积分变换（finitelineintegraltransform,FLIT）作为近年来一种多尺度几何分析的新方法,能有效提取图像中的线性特征。检测方法是在FLIT的基础上再结合背景差法来实现的。具体而言,先对图像序列中的每帧网像（包括参考帧）作固定模板下的FLIT,再用当前帧的FLIT减去参考帧的FLIT,然后对不同方向提取的运动目标信息进行综合,最后采用数学形态学的相关处理来消除噪声。实验结果表明,使用该方法可以承受整体的或局部的、缓慢的或突变的光线变化,能有效地检测出运动目标。     

基于自适应多特征表观模型的目标压缩跟踪

针对压缩跟踪算法中表观模型的视觉表达特征单一、统计模型缺乏柔性的问题,提出一种自适应的多特征表观建模方法.该方法引入了对梯度、边缘等图像细节描述能力更强的Surf特征,并通过构建两级观测矩阵解决多维特征的观测问题,与亮度特征进行融合,使视觉表达更加丰富、全面;通过计算正负样本特征所服从的概率分布曲线的Hellinger距离,分析特征对目标和背景的区分能力,自适应地调整统计模型中各特征之间的权重,使统计模型能更好地利用对目标跟踪有益的信息,根据目标和背景的变化及时进行更新.实验结果表明:该自适应多特征表观模型能更加准确地描述实际场景中目标和背景的复杂变化,在保持高效率的同时,极大地提高了跟踪算法的鲁棒性和准确性.     

基于多目标优化的乘客电梯理想速度运行曲线确定方法

目的研究一种借助多目标优化模型求得电梯理想速度曲线的确定方法,解决乘客电梯快速性和舒适性问题．方法分析电梯实际运行方式,构建理想速度曲线组合模式;结合实际及相关国家标准,建立求取理想速度曲线参数的多目标优化模型;借助多目标遗传算法NS-GA-Ⅱ解得理想速度曲线参数的Pareto解集,并基于偏好进行区域划分．结果通过对电梯速度曲线参数的多目标优化求解,获得不同偏好的乘客电梯理想速度曲线．结论不同偏好、不同额定速度下电梯理想速度曲线对比分析结果表明,基于多目标优化的乘客电梯理想速度曲线确定方法在兼顾电梯运行的快速性及舒适性要求的同时为技术人员提供了多种可供选择的运行速度控制模式;对额定速度不高于3．5m／s的乘客电梯,其理想速度曲线可省去直线加速段以降低速度控制模式的复杂性．     

基于多目标遗传算法的汽轮机转速PI控制器参数优化

针对常规PID参数整定方法不能兼顾系统快速性、稳定性和准确性要求的缺陷,提出了一种基于非支配排序多目标遗传算法-Ⅱ(Non-dominated Sorted Genetic Algorithm-Ⅱ,NSGA-Ⅱ)和多属性决策技术(Multiple Attribute Decision Making,MADM)的PID参数的优化设计方法。以系统的超调量、调节时间和时间乘以误差绝对值积分(ITAE)指标最小作为优化目标,以频域稳定性为约束条件,以PID参数为设计变量,建立多目标优化模型。利用NSGA-Ⅱ算法求出Pareto最优解集,采用逼近理想解的排序方法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)进行Pareto最优解排序,进而得到最终的最优解。以某型工业汽轮机转速PI控制器参数的多目标优化设计为仿真算例,验证了该文设计方法的有效性和优越性。