数控机床交流伺服系统的复合控制研究

针对常规P-P与PPI控制存在的问题，提出了在数控机床交流伺服系统中，采用带速度和加速度作为前馈控制，模糊自校正PID控制作为位置反馈控制的复合控制器，实验证明可以显著提高控制系统的控制精度，大大降低跟踪误差，具有较强的鲁棒性。     

Speed-up fractal image compression with a fuzzy classifier

This paper presents a fractal image compression scheme incorporated with a fuzzy classifier that is optimized by a genetic algorithm. The fractal image compression scheme requires to find matching range blocks to domain blocks from all the possible division of an image into subblocks. With suitable classification of the subblocks by a fuzzy classifier we can reduce the search time for this matching process so as to speedup the encoding process in the scheme. Implementation results show that by introducing three image classes and using fuzzy classifier optimized by a genetic algorithm the encoding process can be speedup by about 40% of an unclassified encoding system.     

强噪声背景下确定性谐波信号的模糊滤波

文章提出了一种在强背景噪声环境下对被淹没的谐波信号进行模糊滤波，从而恢复微弱目标信号的方法。在MATLAB环境下，先利用相干平均法，除去被测信号中的随机白噪声，对于有色噪声运用自适应神经模糊推理系统（ANFIS）的方法，对被测信号进行模糊滤波，在较低信噪比下，能较好的恢复出原始微弱信号。     

加权算术平均与几何平均关系式的新证法

利用函数极小点的性质,得到了若干个正数的加权算术平均与几何平均关系式的新证法     

跳数加权DV-Hop定位算法

针对DV-Hop定位算法中距离估计误差对定位结果的影响,提出了一种信标节点优选方案和跳数加权DV-Hop定位算法。首先通过设定跳数阈值,保留跳数较少的信标节点,然后剔除近似在一条直线上的信标节点,完成信标节点优选,避免未知节点无法定位的情形。此外,利用Friis模型推导出距离估计误差与信号传播跳数之间的映射关系,采用传播跳数作为加权因子对定位结果进行了修正。仿真结果表明该算法降低了距离估计误差对定位精度的影响,提高了定位精度。     

一种频率估计的倍频等长信号加权融合算法

提出一种新型加权融合算法.首先,根据倍频等长信号间频率的倍数生成倍频修正矩阵,对倍频等长信号频谱进行同频化处理,使之达到同频等长信号频谱的分析效果.然后,针对倍频等长信号的相位不连续问题,设计具有相位连续特性和噪声对消特性的相位补偿矩阵,对同频化的倍频等长信号频谱进行加权融合,使之近似达到与倍频等长信号长度相同的相位连续信号频谱的分析效果.最后,通过谱峰搜索加权融合频谱获得高精度的频率估计值.算法分析与仿真实验表明:与现有方法相比,本算法精度较高,计算量较小,抗噪性强,普适性好.     

智能交通信号控制系统初探

城市交通拥挤是当今世界普遍关注的问题,它所带来的严重危害日益影响到人们的日常生活和社会经济的发展,而城市交通信号控制系统对解决这一问题发挥着不可替代的作用。从高性能智能交通信号控制系统的要求出发,针对目前我国城市交通问题的现状．对智能交通信号协调控制系统进行初步的研究和探讨。     

基于刀切法与自适应加权的多传感器信息融合算法

针对加权平均、最优加权、自适应加权多传感器信息融合算法的不足,提出采用刀切法与自适应加权方法相结合的信息融合算法。该算法在自适应加权的基础上充分利用观测值与各个历史时刻的估计值,通过构造伪值分别对估计值与加权因子进行Quenouille估计。实验结果表明,在经过刀切法与自适应加权相结合后,数据处理的精确性和稳健性方面都优于普通的处理方法。     

基于SOM的模糊聚类在Web日志挖掘中的应用

将自组织映射神经网络（SOM）与FCM结合,利用SOM的并行计算能够减少模糊C均值算法在处理海量数据时的聚类时间,可以提高聚类算法的速度和效果,同时使用该算法对校园网Web日志进行数据挖掘,能够对用户行为进行分析,从而提出相应的方法,更好地提高服务效率和管理质量。