量子测距辅助的网络RTK定位算法研究

针对在GPS网络载波相位实时动态差分(RTK)中短观测历元内,由位置精度因子(PDOP)变化缓慢引起的整周模糊度准确求解困难的问题,提出了采用量子高精度测距辅助整周模糊度的求解方法.采用Householder变换代替双差法,确保了用于求解整周模糊度的各个观测量之间的相互独立,提高了整周模糊浮动解的求解稳定性.数学分析和仿真结果验证了上述方法的准确性和有效性.     

月球轨道器交会对接同波束VLBI测量差分相时延实时解算

同波束VLBI技术是解决月球轨道交会对接地面高精度引导的重要手段．传统的多频点同波束VLBI实时解算算法成功解算差分相位整周模糊度的概率较低,而事后统计修正求解整周模糊度的算法存在较大的时间滞后,从而直接影响月球轨道交会对接两个航天器地面定轨、定位的精度以及实时性．在此背景下,本文研究了应用于月球交会对接条件下的同波束VLBI差分相时延实时解算算法．首先给出了多频点同波束VLBI解算差分相时延及整周模糊度的原理,根据差分相关相位整周模糊和差分相时延实时及事后解算结果,对整周模糊度产生的原因进行分析通过求解精确差分群时延值、采用匹配搜索算法以及差分相位连接条件对传统实时解算算法进行改进,提出一种新的差分相时延实时解算算法．利用SELENE同波束VLBI观测数据进行实时解算．结果表明该算法成功解算模糊度的准确度达到95．49％,相对于传统解算算法准确度提高了5．45％．     

VLBI相时延及其在深空探测器测定轨中的应用

甚长基线干涉测量(very long baseline interferometry,VLBI)技术是深空探测器测定轨的方法之一,也是行星无线电科学研究的重要手段.VLBI相时延通过解算相关相位的整周模糊度解算出探测器的VLBI时延观测量,可有效地降低相位随机误差的影响,从而提高时延测量的精度.本文论述了解算相位整周模糊度的条件和方法,给出相时延的解算方法,并分析比较了相时延与群时延的随机误差水平.以嫦娥二号(CE2)卫星飞往拉格朗日L2点的探测任务为例,求解了两个月内10次VLBI观测的相时延并分析了数据质量.相时延和群时延分别联合测速测距数据的定轨结果表明,在150万公里的距离上相时延用于探测器的定轨是可行的.     

用κ-ε紊流模型计算跌坎水流数值方法探讨

采用一种欧拉-拉格朗日（Eulerian-Lagrangian）相结合的剖开算子方法,用三角形网络离散流场,由κ-ε紊流模型数值求解了二维过跌坎水流.用特征线法解对流算子,用有限元法解扩散算子和圧力波松方程.算例表明,主要计算成果和试验结果能较好吻合,该法能很好适应解强非线性对流算子的复杂紊流流场.文中还对模型的边界条件处理进行了探讨.     

网络态势感知系统的告警阈值确定方法研究

在网络态势感知系统中需要对影响网络性能的各项指标设置阈值,通过设置阚值和阚值检查可以在网络出现性能问题时及时向管理人员告警.本文提出了一种利用BP神经网络来确定告警阚值的方法:在采集到的大量性能数据中选取典型值作为训练样本训练BP神经网络.输出该值隶属于各模糊区问的隶属度,最后利用检验样本找到各区间的分界点即为阈值.文章还利用MATLAB对BP神经网络进行了仿真实验,验证了该方法的有效性.     

基于结构元方法的矿井机械模糊可靠性分析

应用模糊结构元理论,对矿井可修复机械设备可靠性中的有效度进行研究.首先,定义了模糊可靠度、模糊维修度和模糊有效度,并应用结构元理论对其进行表示.提出了相关的运算定理,在此基础上,再运用结构元理论对模糊有效度进行表示.之后,提出了正序,该序为全序.最后,用算例计算模糊有效度,通过正序对有效度进行比较.结果表明,运用模糊有...     

稀疏均匀非同心电磁矢量阵列的2D-DOA与极化联合估计

本文提出了一种稀疏均匀非同心电磁矢量传感器矩形阵列,针对该阵列提出了一种二维波达方向(2D-DOA)和极化参数的联合估计算法.首先利用稀疏均匀矩形阵列的旋转不变性得到周期性模糊的2D-DOA估计,然后提出一种简易的非同心电磁矢量传感器的2D-DOA估计算法来解模糊,再通过一些三角变换得到高精度无模糊的2D-DOA和极化参数估计,最后推导了该阵列多参量估计的闭式克拉美罗界.本文所提阵列的稀疏配置使得在不增加阵元数和硬件复杂度情况下有效扩展了阵列物理孔径,且由于矢量传感器的使用获得了极化分集,使得2D-DOA的估计精度大大增加.此外本文方法能得到2D-DOA和极化参数之间的自动配对,更为重要的是该阵列使用非同心电磁矢量传感器构成,解决了同心电磁矢量传感器互耦严重、硬件设计困难的问题.仿真结果证明了本文多参量估计算法的有效性.     

模糊控制方法在黏性流场迭代计算中的应用

在用SIMPLER算法求解黏性流场的过程中, 采用了模糊控制方法改变亚松弛因子的大小, 显著地加快了收敛速度. 进行数值计算时, 将相邻两次迭代中动量方程或能量方程残差范数的比值作为控制输入量, 经过模糊化、模糊推理和解模糊, 输出亚松弛因子的变化率, 并以新的亚松弛因子进行下一次迭代. 对4个二维有基准解的层流的流动和传热问题使用该方法求解, 都在几乎是最少迭代次数下获得了收敛的结果, 证明了该方法的有效性.     

基于两级模糊控制的交叉路口多相位控制

用模糊控制方法对交叉路口的交通信号进行控制,提出一种面向城市交叉路口的交通信号两级模糊控制系统.该系统能够分散处理交通信息参数,有效减少模糊规则数,易于提取模糊规则,实现相位顺序、绿信比和周期均随着交通状况的变化而自适应变化;并利用混沌优化对模糊控制器的隶属度函数进行优化搜索,从而提高交叉路口的通行效率,减少车辆的延误...     

由硅酸盐水泥的观测数据反向萃取水化早期动力学方程

早期水化反应对于硅酸盐水泥浆体微观结构的形成和强度的发展有着重要影响.然而由于水泥水化过程中发生了多相多尺寸并且相互关联的复杂的化学和物理变化,因此使得人工推导水化动力学方程的研究存在很高的难度.利用基因表达式编程与粒子群算法相结合的进化计算方法从观测到的硅酸盐水泥水化程度时间序列数据中自动地萃取出了水化早期的动力学方程,并通过GPU进行并行加速来减少运算时间.研究显示,根据该动力学方程得到的模拟曲线可以很好的吻合水化早期观测到的实验数据,而且即使化学组成、颗粒尺寸和养护条件发生改变,该方程仍然具有良好的泛化能力.     

Forecasting daily foreign exchange rates using genetically optimized neural networks

Forecasting currency exchange rates is an important financial problem that has received much attention especially because of its intrinsic difficulty and practical applications. The statistical distribution of foreign exchange rates and their linear unpredictability are recurrent themes in the literature of international finance. Failure of various structural econometric models and models based on linear time series techniques to deliver superior forecasts to the simplest of all models, the simple random walk model, have prompted researchers to use various non‐linear techniques. A number of non‐linear time series models have been proposed in the recent past for obtaining accurate prediction results, in an attempt to ameliorate the performance of simple random walk models. In this paper, we use a hybrid artificial intelligence method, based on neural network and genetic algorithm for modelling daily foreign exchange rates. A detailed comparison of the proposed method with non‐linear statistical models is also performed. The results indicate superior performance of the proposed method as compared to the traditional non‐linear time series techniques and also fixed‐geometry neural network models. Copyright © 2002 John Wiley & Sons, Ltd.     

泄漏检测信号滤波技术比较

通过泄漏检测模型试验分析测量信号中的噪声来源，在对比研究传统小波去噪、改进神经网络去噪、最小二乘拟合去噪等方法在实测数据中去噪效果的基础上，借鉴神经网络反向传播学习算法的思路，提出了信号预滤波结合闽值自学习小波去噪的综合滤波方法。该方法通过对恒定状态下带噪压力信号阈值自学习使得重构信号与期望输出均方误差最小来获得单一工况下的最佳去噪阈值，再将此阈值用于同一工况下整个时间段的去噪，这样根据不同工况下得到的最佳阈值可以获得最优输出。数值计算结果比较表明该方法对噪声的抑制作用明显，比传统小波去噪、改进神经网络去噪等方法效果更好。     

改进果蝇优化算法优化广义回归神经网络的预测问题研究

为提高传统非线性预测模型的预测精度,提出一种基于改进果蝇优化算法优化广义回归神经网络的预测方法,将果蝇群体分两部分分别进行迭代寻优,从而改进了果蝇优化算法的寻优性能,进而避免了在寻优过程中陷入局部最优。该方法利用改进果蝇优化算法优化广义回归神经网络的径向基函数扩展参数,然后用训练好的广义回归神经网络预测模型进行预测,最后通过订单预测算例进行实证研究。实证研究结果显示,该方法在解决订单预测问题中与未改进的果蝇优化算法优化广义回归神经网络和传统的广义回归神经网络方法对比,具有更高的预测精度和更好的非线性拟合能力。     

基于小波阀值降噪和BP神经网络的超短期风电功率预测

针对超短期风电功率预测问题,考虑了风电场复杂的噪声背景和风电功率的波动性,提出了一种基于小波阀值降噪-BP神经网络的超短期风电功率预测方法。该方法采用近似对称光滑的紧支撑双正交小波db4（Daubechies函数）作为小波基,通过多分辨分析的Mallat算法对历史时序风电功率数据进行3尺度分解。根据Donoho阀值法对各层小波系数进行软阀值降噪处理,再通过小波逆变换重构历史时序风电功率,由BP神经网络对其进行训练,预测目的风电功率序列。仿真算例将该方法与普通BP神经网络方法进行了对比,比较结果证明其预测精度优于后者,具有很好鲁棒性和降噪性能,适用噪声复杂的风电场超短期风电功率在赣预测．     

Forecasting Core Business Transformation Risk Using the Optimal Rough Set and the Neural Network

In the process of enterprise growth, core business transformation is an eternal theme. Enterprise risk forecasting is always an important concern for stakeholders. Considering the completeness and accuracy of the information in the early‐warning index, this paper presents a new risk‐forecasting method for enterprises to use for core business transformation by using rough set theory and an artificial neural network. First, continuous attribute values are discretized using the fuzzy clustering algorithm based on the maximum discernibility value function and information entropy. Afterwards, the major attributes are reduced by the rough sets. The core business transformation risk rank judgement is extracted to define the connection between network nodes and determine the structure of the neural networks. Finally, the improved back‐propagation (BP) neural network learning and training are used to judge the risk level of the test samples. The experiments are based on 265 listed companies in China, and the results show that the proposed risk‐forecasting model based on rough sets and the neural network provides higher prediction accuracy rates than do other widely developed baselines including logistic regression, neural networks and association rules mining. Copyright © 2015 John Wiley & Sons, Ltd.     

无线网卡在设备监测系统的研究与应用

针对传统有线监测系统传输柔性程度低的现状,提出了将无线网卡应用于设备监测系统的方案。介绍了Linux环境下,基于ARM9263数据处理板的设计方案。论述了无线网卡驱动开发方法及其关键环节,最后将驱动程序编译后加载到内核。实际应用表明,该系统具有较好的效果。     

基于区块位置与加权视觉语义映射的语义图像检索

提出了一种新的图像语义映射方法WVS—RSSVM,采用自适应的NCut分割方法自动发现并图像中的区域,提取出每个区域包含了位置信息的特征,达到消除一定歧义的目的。并将这些区域采用加权的方式映射为视觉语义空间中的一个点,然后通过SVM分类的方法进行语义学习,实现对图像的语义标注。并且以SVM分类时点到边界的距离作为该点属于某个语义的隶属度,实现检索的排序。实验结果表明,该方法对表达图像的主要语义以及发现有歧义的区块代表的语义,有很好的效果。     

An intelligent model selection and forecasting system

In this paper we present an intelligent decision‐support system based on neural network technology for model selection and forecasting. While most of the literature on the application of neural networks in forecasting addresses the use of neural network technology as an alternative forecasting tool, limited research has focused on its use for selection of forecasting methods based on time‐series characteristics. In this research, a neural network‐based decision support system is presented as a method for forecast model selection. The neural network approach provides a framework for directly incorporating time‐series characteristics into the model‐selection phase. Using a neural network, a forecasting group is initially selected for a given data set, based on a set of time‐series characteristics. Then, using an additional neural network, a specific forecasting method is selected from a pool of three candidate methods. The results of training and testing of the networks are presented along with conclusions. Copyright © 1999 John Wiley & Sons, Ltd.     

基于STDP规则和忆阻桥突触的神经网络及图像处理

忆阻器是具有记忆和类突触特性的非线性电路元件.基于此特性,文中提出了一个基于STDP（spike-time-dependent plasticity）学习规则的忆阻桥突触电路,它具有可以作为人工神经网络突触的优势.根据此优势,将这个新的电路与其他电路和网络结合,构成全新的电路和网络.首先将该忆阻桥突触电路和3个附加的晶体管结合在一起,实现神经网络的突触运算,并构建完整的忆阻桥突触神经网络.然后再将它与细胞神经网络结合用于图像去噪、边缘提取、角检测和汉字识别.最后,通过一系列的仿真实验证实了该方案的可行性,说明基于STDP学习规则的忆阻桥突触神经网络更具仿生特性,而且集成度更高、模板更易更换,有望解决实时的复杂的智能问题.