超声血流多普勒信号的小波尺度图和声谱图的比较研究

针对血流多谱信号的谱估计问题,本文将经典的短时傅立叶变换谱图和现代小波尺度图进行了比较,从时一频分布的观点出发,分析认为ＳＩＦＴ谱图和小波尺度图是Ｗｉｇｎｅｒ－Ｖｉｌｌｅ分布的一种特殊形,ＳＩＦＴ谱图是平滑的伪Ｗｉｇｎｅｒ－Ｖｉｌｌｅ分布,小波尺度图是一种仿射平滑的Ｗｉｇｎｅｒ－Ｖｉｌｌｅ分布,对于实际仿真的Ｄｏｐｐｌｅｒ信号,计算得到的ＳＩＦＴ谱图和小波尺度表明,小波尺度图的低频效果较好,但是交     

关于粗糙集理论及应用问题的研究

粗糙集理论作为数据挖掘的一种有效的手段，现已在为国际学术界的一个前沿研究领域，概要介绍RS核心思想，基本概念，对几个主要问题，连续属性离散化，约简的启发式算法和扩展模型进行了论述，总结整理了现有的研究思想和处理方法；并对RS的应用领域及进一步研究的前景作了简单的介绍。     

一种改进的连续属性全局离散化算法

连续属性的离散化问题是粗糙集理论研究的一个重要内容,通过对一种局部离散化方法的改进,提出了全局的离散化算法。利用粗糙集理论,首先定义一致性的度量(辨别函数),修改了基于“最小描述长度准则”的离散化算法,实现了全局离散,弥补了前者引入不一致的缺陷;在保持数据一致性的前提下,进一步分析了离散中分割点的冗金并进行了约简。实验通过基于粗糙集的分类工具,在几组典型数据集上得到了预期的满意结果,验证了该算法的有效性。     

基于聚类分析的模糊分类系统构造方法

提出一种新的利用样本数据构造模糊分类系统的方法.首先对每一类样本进行聚类分析,提出一种自适应确定各类别聚类数目的迭代算法,从而实现对特征空间的划分.然后对每个特征子空间产生一条模糊规则,将所有的规则组合在一起形成初始模糊分类系统,并对该系统进行结构简化和参数优化,在系统结构尽可能简单的前提下,进一步提高系统的分类性能.最后利用该方法对二维特征空间的两类样本和Iris数据样本进行分类.仿真结果表明,该方法能利用较少的模糊分类规则达到较高的识别率.     

模糊神经网络在多传感器故障检测与诊断中的应用

构建一种前馈型模糊神经网络,并对网络结构作了进一步的改进,形成多输出模糊神经网络,减少了网络学习参量数目,压缩了规模,提高了训练效率,将其作为故障分类器,离线地从学习样本数据中提取各个用以描述传感器故障状态的模糊参考模型。通过模糊神经网络的不同输出值完成多传感器的故障诊断,通过对某燃汽轮机系统多传感器故障诊断的仿真,表明该方法的有效性。     

基于神经网络的多模型同时镇定控制器设计

本文将神经元网络引入多模型同时镇定问题，给出了实现多模型同时镇定的神经网络控制器的设计方法，其特点是方法简练，且不受线性系统的限制。将该方法用于造纸过程定量水分控制系统模型，仿真结果说明了本文所给方法可以为这一不确定时变系统设计出良好的控制器。     

一种基于模糊逻辑的非线性系统故障检测与定位的方法

针对一般非线性系统,提出了一种带故障标志的系统故障模糊模型,基于此模型给出了一种非线性系统故障检测与定位的新方法,它采用模糊聚类算法提取故障系统的模糊规则,进而完成系统故障的检测与定位,该方法对噪声污染具有较强的抑制作用,对模型误差亦无较高的要求, 仿真结果表明所提方法对非线性系统的故障可以及时地完成检测与定位。     

数据融合的模糊模型和算法研究

提出了一种数据融合的模糊模型和算法。该模型定义了容许函数对传感器输出信息的一致性进行度量，利用模糊测度对参与融合的传感器组的可靠性进行度量，使最终的融合结果是尽量可靠的传感器组提供的一致性较好的数据的综合。该方法既能有效的处理冲突信息和传感器故障产生的错误信息，同时又保证了融合结果的精确性和可靠性，具有良好的容错性和稳健性。既可用于信号层融合，又可用于决策层融合。仿真结果表明，融合方法令人满意。     

基于粗糙集和模糊聚类的超谱波段约简

由于超光谱图像数据量大,维数高给分类识别处理带来不便,该文提出一种可行有效的波段约简方法.通过FCM聚类将原始波段划分为若干等价波段组,然后根据最大隶属度原则只保留每组中具有代表性的波段,达到维数减小的目的。其中,模糊聚类中相似度的定义是基于超谱相邻波段间的相关性,利用粗糙集理论中的处理属性依赖性的方法合理表达出来。实验表明,这一方法既有效地缩减了高维数据,又尽可能少地损失有用信息,保持了原始波段的分类能力。     

数字质量厚度传感器温度特性分析与控制

分析了温度变化对质量厚度传感器的影响,利用热管高效的传热性及极好的导热性特点,提出了采用半导体制冷器和热管散热的控温技术,将该技术用于实际,给出了温控仪表的性能曲线,表明采用此技术仪表性能大为提高。