一种基于PCNN的参数自适应图像分割方法

针对在基于脉冲耦合神经网络（PCNN）模型的图像分割中,如何确定合适的网络参数的问题,提出一种基于PCNN的参数自适应图像分割方法。该方法通过设定神经元合适的捕获范围和连接值,综合利用图像像素邻域的灰度信息,结合PCNN网络参数间的相互联系,实现对模型参数自动确定。仿真实验表明,该方法可有效地对不同图像进行自适应分割。与传统的PCNN图像分割方法相比具有一定的优越性。     

基于预测状态空间实现的GPC自适应算法

依据文［１］中提出的ＣＡＲＩＭＡ模型预测状态空间实现，在线辨识被控系统的单位阶跃响应序列和特征多项式系数，直接用辨识出的序列和特征多项式系数构成广义预测控制律．该算法计算量小，鲁棒性好，模型中Ｂ多项式阶次及时延可以未知     

模型基编码中实时三维运动估计的新方法

将自适应迭代松弛搜索算法RSA引入到MPEG4模型基编码的三维运动参数估计中，解决了估计算法的稳健性问题。经过简化计算的复杂度，得出一种快速算法，大大提高了估计速度。同时设计有效的参数初值设置和调整方法，改善了估计的准确性，使之更适用于长序列实时运动估计。通过与预测最小均算法PLS和扩展的卡尔曼滤波算法EKF进行模拟数据和真实序列实验比较，证明本文提出的RSA算法具有很好的鲁棒性和准确性。     

估计同步电机不可测状态量的自适应观察器

提出了一种新的适用于工程的自适应观察器的设计方法。该观察器以可测状态量作为输入，能输出不可测状态量。设计中采用互相关分析确定观察器的阶次，然后以多输入多输出最小二乘法递推出观察器参数。输入基矢量的正确选择，保证了观察器对任意输入的适用；互相关函数分析保证了观察器模型阶次的正确选定；所推导的算法足以保证观察器参数的一致收敛性。以同步电机为例，在微型计算机上进行仿真计算，仿真结果证明了本观察器设计方法的有效性。本观察器可用于同步电机参数自适应辨识中。     

阶次自适应AR等效电路模型的锂电池SOC滑模观测

基于等效电路模型的一类车载动力电池剩余荷电状态(state of charge，SOC)的估算方法，其估算精度高度依赖于模型精度，模型精度又正比于模型复杂度，以至于难以较好地应用于嵌入式控制单元.提出复杂度相对较低、能够自适应确定最优模型阶次的全新等效电路模型——基于阶次自适应AR模型的车载动力电池等效电路灰箱模型.基于此灰箱模型，给出锂离子电池SOC的滑模观测器设计推导及能观性、收敛性证明.结果表明，本文提出的基于阶次自适应AR等效电路灰箱模型的滑模观测器SOC估算方法(adaptive autoregressive-sliding mode observer，AAR-SMO)具有低模型复杂度、高精度、强鲁棒性及快速收敛等性能.     

基于多维泰勒网的自适应混沌时间序列多步预测

提出了一种新的混沌时间序列预测方法——多维泰勒网方法.该方法不以相空间重构方法中嵌入维数和时间延迟这两个关键参数的选取为前提,无需系统的先验知识和机理,仅根据已知的时间序列样本,通过多维泰勒网模型获得n元一阶多项式差分方程组,进而得到能反映非线性系统动力学特性的多维泰勒网动态模型.在此基础上提出了基于多维泰勒网的自适应多步预测方法,通过数据窗口的滑动自适应建模,实现对混沌时间序列的多步预测.将该方法应用于Lorenz混沌时间序列的一步和多步预测,均方误差分别达到2.56×10-5和2.76×10-3.仿真结果表明,该方法可以对混沌时间进行有效预测,且具有较高的预测精度.     

GPS系统SA误差模型的分析和建立

将采集的GPS数据进行处理，获得GPS的误差数据，使用非平稳时间序列数据的建模方法对其进行分析，首先通过直观检验方法判断误差数据具有非平稳特性，而后对误差数据进行一次差分处理，得到差分数据序列，通过系数检验方法证明此数据序列是平稳的。使用平稳信号建模方法确定差分数据序列的模型结构、类别、阶数以及模型系数，建立了AR(2)模型。最后对此模型进行检验，结果表明此模型的效果较好。     

基于滑模控制分数阶统一混沌系统的函数投影同步

研究分数阶统一混沌系统的混沌特性.基于滑模控制理论设计了一种自适应函数投影同步的控制方案.选取合适的控制器以及自适应控制律,证明分数阶误差系统为渐近稳定的,驱动-响应系统最终实现自适应修正函数投影同步,且可以对驱动系统的不确定参数进行估计.最后利用Adams-Bashforth-Moultom算法进行数值仿真,仿真结果表明该方法是有效可行的.     

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．     

最小自相关原理在有色过程定阶中的应用

基于残差序列最小自相关原理，提出一个新的模型适用性检验准则及其递推算 法，用于确定有色噪声过程模型的阶次。其特点是显著性高、计算量小，并且不受噪声 模型自回归阶次等于滑动平均阶次条件的限制。     

基于多尺度奇异谱分析的转子碰磨诊断的数值仿真

针对从系统时间响应谱分析的角度研究转子碰磨故障的识别和诊断问题，提出了一种新的基于多尺度奇异谱分析的故障诊断方法．该方法首先建立转子碰磨模型，并用龙格一库塔法求解碰磨转子的运动方程得到碰磨转子的时间响应；其次构造了一种简单的多尺度奇异谱分析方法，用不同尺度下的各阶经验正交函数作为分析函数；最后用提出的多尺度奇异谱分析方法分析了碰磨转子和正常转子的时间响应信号．数值仿真结果表明，具有数据自适应的分析函数能够捕获信号的不同特征，通过比较不同阶次的分析函数分析的结果，可以有效地对转子碰磨进行识别和诊断．     

一种散乱点双三次多项式自然样条插值

 考虑对空间散乱点的一种双三次多项式样条插值, 使得插值函数对x与对y的二阶偏导数平方积分极小(带自然边界条件)。用希氏空间样条方法,得出其解可表为一个双一次多项式与分片双三次多项式之和。它的系数能够用线性代数方程组确定,方程组系数矩阵对称,可用改进的平方根法解。例子表明方法简单,效果良好。     

二次均匀B样条曲线的新扩展及应用

文章给出含2个参数λi、μi的三次和四次多项式调配基函数,并将其推广到高次形,它们都是二次B样条基函数的推广;基于给出的调配函数,建立带双参数的分段多项式曲线,讨论了基函数的性质和参数的几何意义;最后给出实例,表明新推广的曲线为曲线设计提供了一种有效的方法。     

三次非均匀B-样条曲线的扩展

给出四次多项式调配函数,它是三次非均匀B-样条函数的扩展;基于给出的调配函数,建立一种带多个形状参数的分段多项式曲线的生成方法;通过改变各个形状参数的取值,可以调整曲线接近其控制多边形的程度;选取不同的形状参数值,可以得到不同位置的G2连续的曲线,且所给曲线与三次非均匀B-样条曲线有相同的性质。     

二次均匀B样条曲线的扩展

该文给出三次和四次多项式调配函数,并将之推广得到高次调配函数,它们是二次B样条函数的进一步扩展。基于给出的调配函数,可建立一种带形状参数的分段多项式曲线;调整形状参数可使三次多项式曲线在二次均匀B样条曲线两侧摆动,而四次多项式曲线在三次多项式曲线两侧摆动;最后给出实例,分别利用它们构造出带局部调节参数的G1和G2连续的曲线。     

一种新型齐次扩容精细积分法

根据函数分段插值逼近的思想，在一个积分步长内用多项式近似表示方程的非齐次方程，提出了一种原理简单、实施容易的求解非齐次线性微分方程组的新型齐次扩容精细积分法，该方法不涉及矩阵的求逆运算，不需要计算傅里叶级数展开系数的振荡函数积分，且在一个积分步长内只求解一个相应的齐次扩容微分方程组，因而本方法和已有的同类方法相比具有更高的计算精度和效率，数值算例表明了该方法的有效性。     

基于趋势特征聚类的多元相似时间序列的提取

历史相似时间序列的提取在数据挖掘、工业故障检测以及故障根源分析等领域应用非常广泛。针对工业报警系统中异常根源分析方法存在的问题,提出了一种基于趋势特征聚类的多元相似时间序列的提取方法,可以有效地辅助现场工作人员分析关键变量发生异常变化的根源。首先对多元时间序列进行分段线性表示,获得变量的趋势特征信息;然后采用基于密度峰值聚类分析算法对获得的趋势特征在高维空间中聚类,从而实现历史数据的相似性提取;最后可根据关联变量的幅值变化量分析导致主变量发生异常变化的根源变量。数值仿真和实际工业数据案例验证了所提方法的有效性。     

抛物型最优控制问题的三次B样条有限元方法

对一类四阶非线性抛物方程最优控制问题提出一种三次B样条有限元方法。状态变量和对偶状态变量用具有更好光滑性的分片三次B样条连续函数进行逼近,控制变量由分片常数函数进行逼近。这样得到的状态变量和对偶状态变量的数值解二阶连续可微。建立最优性系统的全离散格式,并用迭代法进行求解。最后建立数值算例,验证方法的有效性。     

时滞系统终端时间参数优化控制

针对时滞系统终端时间优化控制问题,提出一种基于参数化的数值求解方法.首先将优化控制向量用分段常数函数来近似;然后引入时间转换方法将未知切换时间点和未知终端时间映射到新时间域的固定时间点上,从而将原未知时域的时间最优控制问题近似为固定时域的非线性规划问题;最后采用全联通粒子群算法求解.资源再生系统优化控制问题的仿真结果表明所提方法是有效的.     

一种用于正交频分复用系统频偏盲估计的快速算法

针对利用多项式求根实现类music算法时计算量过高的缺点,提出一种适用于小频偏情况下的快速算法.该方法利用三角函数的Taylor级数展开,通过合理选取展开阶数对度量函数进行低阶函数逼近,并借助低阶多项式求根实现快速频偏估计.理论分析和计算机仿真结果表明,本算法在保证估计精度的前提下极大地降低了计算复杂度,优于原算法.