EMD遗传神经网络方法

针对BP(back propagation)神经网络搜索速度慢、容易陷入局部最小的缺陷,提出了经验模态分解(EMD)遗传神经网络方法,首先用对带噪的信号进行分解,得到信号的各阶本征模函数分量,每个本征模函数分量对应着一个能量不同的频段,即一种故障特征,将各频段能量的特征向量作为优化神经网络的输入样本;其次用遗传算法对神经网络的初始权值和阈值进行优化.利用EMD遗传神经网络方法对滚动轴承多类故障信号进行分析,可提高故障识别能力.     

基于EL模型的Boost型DC/DC变换器无源控制器

根据boost型DC/DC变换器的EL(EL,Euler-Lagrange)模型和无源控制理论,设计了无源控制器。由于无源控制理论是基于能量控制,属系统的本质控制,则无源控制器具有简单、鲁棒性好及工程易于实现的特点。计算机仿真结果表明boost型DC/DC变换器无源控制器是可行的。     

基于MWGANN模型的旋转机械趋势预测

为保证旋转机械注水泵机组安全、稳定运行,应采用合适的预测模型对其状态评定参数进行预测。提出基于均值函数新息加权的遗传算法优化神经网络预测模型(MWGANN模型),用此模型能够优化神经网络结构参数,并可利用时间序列数据新旧程度的不同提高预测的精度和实时性。工业现场采集大型旋转注水泵机组振动烈度时间序列数据,应用MWGANN模型和基于人工经验设定神经网络结构参数的模型分别对其进行预测并比较,结果表明MWGANN模型在预测精度、预测实时性方面取得了较好的效果。     

一种基于多核函数SVM的图像标注方法

针对多项式核或RBF核SVM不能很好地处理图像标注中的数据不平衡问题,提出了一种基于多核函数SVM的图像标注方法,该方法采用多核函数训练过的SVM将基于区域的图像标注问题转化为对非平衡数据分类的问题,进而对图像标签进行分类以获取更符合图像真实含义的标注.实验结果表明,多核函数SVM图像标注性能优于单独使用局部或全局核函数.     

可数状态空间零和随机对策期望折扣赔付准则

讨论离散时间可数状态空间下零和随机对策期望折扣赔付准则模型。给出了一组保证期望折扣最优平稳策略存在的最优性条件。在这些条件下证明了期望折扣最优方程解和最优平稳策略的存在性。     

逻辑函数的立体化简法及其实现

逻辑函数的“立体化简法”是在卡诺图化简法的思想基础上设计的一种新型逻辑函数化简方法.这种方法用逻辑函数立方体代替卡诺图,在三维立体空间进行逻辑函数的化简.卡诺图法可以方便地化简四个变量以内的逻辑函数,而立体化简法可以方便地化简六个变量以内的逻辑函数.使用CubeScape在线网站的功能可以方便地表示逻辑函数立方体,让学生直观地感受逻辑函数最小项的逻辑相邻关系,更好地理解立体化简法化简逻辑函数的原理.     

基于能量归一化窗S变换的跳频信号参数盲估计

提出一种基于能量归一化窗的S变换的跳频信号参数盲估计方法。详细阐述了能量归一化窗S变换的基本原理,应用能量归一化窗S变换对跳频信号进行了分析并与其它时频分析方法作了比较,最后给出了跳频信号参数盲估计的具体算法步骤,并进行了仿真实验及性能分析。仿真结果表明该方法切实有效。     

基于频域预加窗的差分跳频接收机设计与实现

在传统的差分跳频接收机的基础上,采用前置频域相关预加窗抗干扰的方法,根据G函数的相关性对下一跳可能出现的频点进行频域预加窗,把宽带接收的所有频点缩小到当前可能的几个频点,仅对差分跳频下一跳可能使用的频点进行选择性接收,可以有效提高接收机的抗干扰性能,实现起来较为简单。以软件无线电思想,在现场可编程门阵列(FP-GA)的Spartan6开发板上,采用Xilinx公司的System Generator工具进行建模设计仿真,加入干扰噪声,验证方案的可行性和设计的正确性。     

广义分层混合模糊系统及其泛逼近性

为避免广义模糊系统出现规则爆炸现象, 引进实参数将Mamdani模糊系统和T--S模糊系统统一起来建立广义分层混合模糊系统, 进而给出了广义分层混合模糊系统的数学表示. 此外, 应用方形分片线性函数的优良性质获得该广义分层混合模糊系统在积分模意义下仍具有泛逼近性, 并通过实例及仿真说明该分层混合模糊系统能够避免模糊规则爆炸问题.     

基于目标函数的递推子空间辨识算法

针对实际工程中要求对系统参数进行在线估计的问题, 提出一种递推子空间辨识的新方法. 通过引入辅助变量关系将递推子空间辨识问题转化为目标函数的迭代最小化问题. 采用递推最小二乘算法在线估计参数并由传播方法得到更新的广义能观性矩阵, 进而求得子空间辨识模型系统参数. 该算法简单有效且对初值具有鲁棒性. 最后, 通过仿真实例验证算法的有效性.