基于样本噪声检测的AdaBoost算法改进

针对传统的AdaBoost算法中,存在的噪声样本造成的过拟合问题,提出了一种基于噪声检测的AdaBoost改进算法,本文称为NAdaBoost（nois-detection AdaBoost）. NAdaBoost算法创新点在于针对传统的AdaBoost算法在错误分类的样本中,噪声样本在某些属性上存在很大差异,根据这一特性来确定噪声样本,再重新使用算法对两类样本进行分类,最终达到提高分类准确率的目的. 本文对二分类问题进行实验结果表明,本文提出的算法和传统的AdaBoost算法,以及相关改进的算法相比,有较高的分类准确率.     

基于最优权重与雷达图的变压器状态评估

实现更加贴近电力变压器实际运行状态的评估,对于电网合理、经济、科学安排检修具有重要意义。针对主观、客观权重单一评估或者简单将二者拟合造成整体评估片面性的问题,提出了基于最小方差理论的最优组合赋权方法,使得权重得到更加合理的分配。将雷达图法的特征量计算方法应用到变压器评估中,使得评估结果更加直观、简洁,也避免数据信息在归一化过程中的遗漏。运用该方法对实际变压器数据进行了分析,验证了方法的可行性和合理性。     

用于通信系统的干扰对消电路设计与实现

针对通信设备应用的复杂化和对在复杂电磁环境下工作的设备电磁兼容性提出的更高要求,通过分析对消技术的基本原理,提出了一种模拟电路和数字电路相结合的干扰对消技术,并研制出了基于该技术的干扰对消原理样机.对该样机的单机测试和系统联试结果表明,该对消技术具备点频干扰和噪声干扰的抑制能力,对消收敛时间小于100 ms,对消比大于43 dB,适合在窄带通信中应用并可推广到其他领域.该成果正逐步在实际工程中得到运用.     

干扰和噪声对激光制导性能及精度的影响

针对某激光导引头检测中输出弹目视线角速度误差较大的情况,分析指出弹目视线角速度噪声是角跟踪回路中探测器噪声、弹体扰动和摩擦等干扰力矩共同作用产生的。根据导引头控制原理建立了其稳定跟踪回路模型,定量分析了这些误差因素对导引头稳定跟踪性能和弹目视线角速度输出指令的影响程度。然后实测分析了激光导引头输出弹目视线角速度噪声特性,建立了其与弹目距离的函数关系,并将其加入某制导武器制导模型中进行仿真。结果表明：加入弹目视线角速度噪声后,弹体滚转姿态角变化较大,舵偏角变化也较大,近距离时由于角速度指令噪声较小对全弹道及脱靶量的影响比较小,这与实际检测结果相符较好。但近距时当角速度指令处于噪声峰值处,弹偏离后来不及修正可能会对导弹的近距攻击区有影响,研究方法及结论对导引头的实际研究测试及弹的战术使用均有一定的参考价值。     

薄壁轴承性能测试平台设计与实现

为实现对谐波减速器上精密柔性薄壁轴承性能的测试,搭建薄壁轴承性能测试平台,设计测试平台的机械、电气、辅助及数据采集系统,并对设计的薄壁轴承性能测试平台进行初步试验。该薄壁轴承性能测试平台可模拟谐波减速器精密柔性薄壁轴承的高速、动载、长期运行等复杂工况,在线实时检测薄壁轴承的转速、载荷、温度、振动噪声、轴心轨迹等参数,为薄壁轴承的制造与性能评价提供可靠的实验条件和试验数据。     

自动定量称量包装传感器信号去噪算法

目的为了有效滤除自动称量控制系统中的噪声信号,提升称量系统的稳定性和精确度,提出一种基于BP神经网络粒子滤波的称量信号去噪方法。方法在粒子滤波算法中映入了BP神经网络,利用BP神经网络的非线性映射特点,对权值进行分裂和选择,将观测值看作神经网络的目标信号,通过神经网络中的多次训练增大小权值粒子的权重,从而提高粒子滤波算法的多样性。结果仿真和实验结果表明,BP神经网络粒子滤波方法能有效滤除称量包装系统中的噪声信号,提升传感器信号品质。结论该滤波方法大大提升了称量系统的稳定性,有效提高了称量包装的精度,所述控制方法可以明显提高定量称量控制过程的稳定性、精确性以及鲁棒性。     

一种改进隶属度函数的FCM聚类算法

传统模糊??-均值(FCM) 算法要求一个样本对于各个聚类的隶属度之和满足归一化条件, 从而导致算法对噪声和孤立点敏感, 对非均衡分布样本的聚类有效性降低. 针对该问题, 提出一种改进模糊隶属函数约束的FCM聚类算法, 通过放松归一化条件, 推导出新的隶属度划分公式, 并在聚类过程中不断进行隶属度修正, 从而达到消除噪声样本、提高聚类有效性的目的. 最后通过实验结果对比验证了改进算法的正确性.

     

基于敏感度方差重要性的RBF 神经网络结构优化算法

针对RBF 神经网络的结构设计问题, 提出一种基于输出敏感度方差重要性的结构优化算法. 首先, 检验网络隐层节点的输出敏感度在样本集上的方差是否与零有显著差异, 以此作为依据增加或删除相应的隐层节点; 然后,对调整后的网络参数进行修正, 使网络具有更好的拟合精度和收敛性; 最后, 对所提出的优化算法进行仿真实验, 结果表明, 所提出的算法可根据研究对象自适应地调整RBF 的网络结构, 具有良好的逼近能力和泛化能力.

     

未知观测噪声时机器人同步定位与地图构建

对未知观测噪声的机器人同步定位与地图构建问题,提出基于神经网络PID自适应学习观测噪声的机器人同步定位与地图构建算法.已知系统噪声为高斯分布,噪声的方差未知,但其真值是在某个有限集合内.设计一个由神经网络PID控制器、观测噪声调整以及中值滤波构成的噪声在线辨识单元.通过自适应在线辨识观测噪声,并进行新息协方差平均值滤波,迭代修正观测噪声协方差,实现机器人同步定位精度的在线提高.实验表明,该算法可降低观测噪声先验信息不足的影响,减小定位误差.     

基于参数方差调节萤火虫算法的三维路径规划

为了提高萤火虫算法大范围搜索时的速度和精度,提出了一种参数方差调节萤火虫算法。首先分析基本萤火虫算法,在此基础上提出了参数方差调节萤火虫算法的核心思想：计算种群亮度的方差评估种群的敛散性,根据进程调节参数,进而达到改进萤火虫算法的目的,并给出了算法的实现步骤和流程;然后在四个优化测试函数中将参数方差调节萤火虫算法与基本萤火虫算法、遗传算法、粒子群算法进行比较和分析,发现参数方差调节萤火虫算法在测试中能迅速的找到符合精度要求的解,且成功率是100%,具有较好的稳定性,较之其他算法优势明显;最后通过构建计算能量消耗的目标函数在有实际背景和地理参数的自主式水下潜器三维路径规划的仿真实验中应用参数方差调节萤火虫算法,在三维海底环境中规划出符合要求的路,从而证明了参数方差调节萤火虫算法在三维路径规划中的实用性。