适用于强化学习惯性环境的分数阶改进OU噪声

本文将DDPG算法中使用的Ornstein-Uhlenbeck (OU)噪声整数阶微分模型推广为分数阶OU噪声模型，使得噪声的产生不仅和前一步的噪声有关而且和前K步产生的噪声都有关联.通过在gym惯性环境下对比基于分数阶OU噪声的DDPG和TD3算法和原始的DDPG和TD3算法，我们发现基于分数阶微积分的OU噪声相比于原始的OU噪声能在更大范围内震荡，使用分数阶OU噪声的算法在惯性环境下具有更好的探索能力，收敛得更快.     

有色噪声下系统阶次辨识的一种近似方法

本文分析了有色噪声下损失函数与噪声模型之间的关系。引入一广义损失函数J′,在噪声模型能估计的条件下,应用损失函数最小法能确定模型的阶次。     

车用爪极发电机的不同部件对气动噪声的影响

为了明确车用爪极发电机在高转速下不同部件对气动噪声的影响，对车用爪极发电机的气动噪声进行了数值模拟研究，并进行了车用爪极发电机的空载声功率实验，验证了数值模拟的准确性；采用有无前后风扇、爪极，采用圆柱包络体代替爪极方案确定各阶次噪声的来源，明确了前后风扇、爪极对不同阶次噪声的贡献水平。结果表明：在高转速下偶极子是主要噪声源类型；前风扇主要影响8,10,12和16阶次气动噪声，去除前风扇12,16阶次噪声分别降低了6.54 dB(A)和9.04 dB(A);后风扇主要影响6,8和10阶次噪声，去除后风扇噪声分别降低了11.75,2.42,7.38 dB(A);有无爪极对气动噪声影响较小，但采用圆柱包络体代替爪极对气流流动会产生影响，使8阶次噪声有一定变化，这也表明前后风扇是气动噪声产生的重要源头。     

分数阶系统的一种频域辨识算法

研究了利用频率响应数据辨识分数阶传递函数的问题.根据分数阶传递函数模型中,公因子阶次和分母系数是非线性参数,而分子系数则是线性参数,给出了一种频域辨识算法:利用模拟退火算法估计公因子阶次和分母系数,相应的分子系数通过求解线性最小二乘问题得到.该算法可以估计出包括公因子阶次在内的所有模型参数.无噪声和有噪声频率响应数据2种情况下的仿真算例验证了算法的有效性.     

SISO线性模型的阶次辨识和参数估算

对于ＳＩＳＯ线性差分方程模型,利用ＵＤ分解技术和数据向量的“移位性质”,可实现信息压缩阵的递推分解,从而在每步递推中能同时获得从１到ｎ（ｎ为实际系统的最大可能阶次）各阶的模型多数估值和损失函数值。利用所得的各阶损失函数值,可方便地确定系统的阶次、当系统噪声为有色噪声时,本方法党政军可同时确定噪声模型的阶次。本算法可显著减少辨识过程的计算量,具有良好的数值计算品质,提高了辨识精度。     

状态空间模型方程阶次的辨识

为了判定状态空间方程的阶次 ,提出了相关分析方法。其步骤是 :把状态空间模型化为能观测性规范性 ,导出系统输出相关函数所满足的线性回归方程 ,通过观查数据乘积矩矩阵行列式随其维数的变化情况 ,从而确定系统的阶次。该方法的特点是 :无论系统是否存在噪声 ,都是通过检验某一准则函数值是否为零而获得系统阶次。在系统无噪声和有噪声两种情况下进行了数字仿真研究 ,利用相关方法确定的阶次与系统的真实阶次相吻合。结果表明 :该文的方法在判定状态空间方程的阶次方面是有效的     

基于定子槽结构的永磁同步电机振动噪声优化

为了改善永磁同步电机一阶齿谐波引起的振动噪声,本文基于ANSYS Workbench多物理场耦合平台,对电机电磁噪声进行联合仿真,优化电机振动噪声。分析了一阶齿谐波引起的振动噪声所在的空间与时间阶次,通过对定子结构优化的方式降低电机的振动噪声。分析了定子槽的各种参数对电机气隙磁通密度的影响,并通过回归分析的方式得到其对电机气隙磁密的回归模型,通过优化算法找到最适合定子槽参数。经仿真分析表明优化后的电机气隙磁密得到明显改善,0空间阶次由12倍电磁频率引起的48时间阶次的电磁噪声得到了显著降低,证明了优化方案的可靠性。     

闪变噪声的模拟

闪变噪声是一种普遍存在的自然现象,尽管其形成机理还没有定论,但闪变噪声的功率谱与频率具有f -a的关系是十分确定的。准确模拟闪变噪声,对于研究闪变噪声的特点以及闪变噪声对特定系统的影响,具有重要的意义。通过从闪变噪声具有的功率谱形式出发,得到闪变噪声序列的自相关函数,采用Levinson-Durbin迭代算法构造出高阶AR(p)模型来模拟闪变噪声,研究结果表明当阶次p大于1024时,AR(p)模型可以很好地模拟闪变噪声。     

基于自回归时序盲辩识的机械故障诊断

提出了一种自回归(AR)模型的盲辨识的算法，该算法与传统AR模型的辨识算法的区别在于它可同时确定AR模型的阶次和参数，而不需事先确定AR模型的阶次或假定AR模型的阶次已知，其特点是计算量小，具有很好的收敛性，并在此基础上将AR模型的盲辨识方法应用到机械故障诊断中．     

f~(-a)噪声的模拟

闪变噪声是一种普遍存在的自然现象,尽管其形成机理还没有定论,但闪变噪声的功率谱与频率具有f-a的关系是十分确定的.准确模拟闪变噪声,对于研究闪变噪声的特点以及闪变噪声对特定系统的影响,具有重要的意义.通过从闪变噪声具有的功率谱形式出发,得到闪变噪声序列的自相关函数,采用Levinson-Durbin迭代算法构造出高阶AR(p)模型来模拟闪变噪声,研究结果表明当阶次p大于1024时,AR(p)模型可以很好地模拟闪变噪声.     

LDPC 码改进型LBP 译码算法研究

针对LDPC(Low Density Parity Check) 码分层( LBP: Layered Belief Propagation) 译码算法计算复杂度高、不易于硬件实现的问题, 提出一种改进算法。该算法首先引入函数f(x)使LBP译码算法的计算复杂度大大降低; 同时引入具体参数校正因子和偏移因子, 提升译码性能。仿真结果表明, 改进后的算法相比LBP 算法在计
算复杂度降低的同时, 也提升了译码性能, 从而达到了易于硬件实现的目的。     

图像浮雕效果细胞神经网络模板的参数设计

基于细胞神经网络（cellular neural network,CNN）的最优边缘检测(optimal edge detector,OED)的研究,设计出一个3阶CNN算法模板的参数规则。规定CNN的反馈模板为0矩阵,阈值为0,控制模板为中心反对称矩阵,并且它的中心元素为0,其余8个元素中的一组（4个）元素绝对值的和不为0。仿真结果表明,使用5阶CNN算法、3阶CNN算法和拉普拉斯算法对同一幅图像进行处理时,平均耗时分别为0071 6,0038 5,0029 7 s,3阶CNN浮雕处理算法的耗时几乎与拉普拉斯算法的相等,但视觉效果显著优于5阶CNN算法和拉普拉斯算法。表明3阶CNN浮雕处理算法可以快速、有效地实现对图像的浮雕效果处理,所设计的3阶CNN算法模板的参数规则是合理有效的。     

一种新的点对点路由算法容错性概率分析

随着网络规模不断扩大,网络节点出现故障的可能性也随之增加,为了提高网络容错能力,增强网络的连通性能,提出了一种新的点对点路由算法,首先阐述了新算法的工作原理,然后对网络中采用和不采用新算法2种情况进行了容错性概率分析,分析表明,新路由算法可以提高网络的容错能力,增强网络稳健性.     

基于回朔式EKF的多传感器融合在移动机器人自定位中的应用

提出了一种基于扩展卡尔曼滤波器 (EKF)的多传感器融合系统 ,用于融合多个超声波传感器及光电编码器的测量值 ,并以该融合值来复位光电编码器 ,克服其累积误差的影响 .由于扩展卡尔曼滤波器是一项耗时的计算任务 ,为了满足实时性的要求 ,采用一种基于回朔式的算法 .仿真实验表明了该算法的有效性     

基于生物入侵思想的自适应遗传算法优化

为了改进遗传算法的性能,针对标准遗传算法存在的早收敛及稳定性差的缺点,分析这一问题的原因及应对措施。选择使用基于生物入侵思想的自适应遗传算法进行优化,根据种群的实际情况对交叉概率、变异概率及入侵概率进行动态调整,使算法具有更好的鲁棒性。通过对标准遗传算法、自适应遗传算法、改进的自适应遗传算法和基于生物入侵思想的自适应遗传算法进行仿真验证得知,优化后的算法具有更好的适应度曲线,表明其能够有效的克服不成熟收敛,具有更快的收敛速度及更好的的稳定性。     

改进的神经网络快速学习算法

提出了一种新颖的神经元模型和用于神经网络训练的推广准则，给出了多层神经网络的快速学习算法，研究了一种用于语音识别的时变多层神经网络及其相应的快速学习算法．语音识别实验表明：所给出的快速学习算法能有效地加速网络训练进程．     

一种乱序算法及其应用

所谓"乱序",跟"排序"相反,即要故意搞乱一组数据的顺序。排序的作用是为了能更方便更顺利地找到某个数据,当数据量很大的时候,在排好序的数据中检索数据效率是特别高的,而乱序却是为了增加随机性,体现它的乱处。事实上,乱序在生活中也是有很大的应用价值的。     

基于最小社团链接度增量的社团结构挖掘算法

针对复杂网络社团结构挖掘算法复杂度高的问题,定义了一个衡量局部社团结构的指标,提出了一种基于最小社团链接度增量的社团结构挖掘算法.本算法的时间复杂度为O(kd),其中d为网络的平均节点度数,k为搜索的节点数.为了验证本算法的性能和计算的准确性,把本算法与一种经典的挖掘局部社团结构方法——Clauset算法,进行了比较.实验结果表明:本算法抽取的社团结构与Clauset算法相比基本一致,但在性能上有了显著提高.     

规划识别在识别股市庄家意图中的应用

针对证券市场中庄家的各种操作行为, 为了推断出其背后的真实意图,将规划识别技术引入到证券投资领域,在借鉴规划识别算法的基础上,提出一种适合股市的算法。从分时图中抽取出庄家的动作,根据动作在规划中的重要程度,为其设立一个权值,并引入各动作在规划中真实度的概念来量化该动作数据的真实性,模糊加权计算出目标可信度。     

基于容差动态调整的旋转门(SDT)改进算法

提出了一种基于容差动态调整的旋转门(SDT)改进压缩算法,该算法通过在数据压缩过程中,根据相近两个压缩区间的标准差对容差进行动态调整,并记录在压缩区间内对压缩精度影响较大的原始数据点,实现了压缩率的提高,压缩误差的降低。应用结果表明,该算法与标准的SDT算法相比,压缩率可以提高0.10%,而压缩精度却提高了56.7%。