基于JointBoost I2C距离度量的图像分类方法

基于图像到类(I2C)距离度量的图像分类是一种新颖的方法,但其分类性能仍有待提高.为此,文中提出了一种基于JointBoost I2C距离度量的图像分类方法.首先生成原型特征集,该集合中的样本具有代表性,故计算测试图像到该原型特征集的距离更有效;然后根据JointBoost算法的思想,联合多个I2C距离度量生成一个强分类器,并将空间信息融合到强分类器中.实验结果表明,该方法在图像分类实验中具有更高的分类性能.     

基于傅里叶系数插值的短波信道迭代频偏估计

针对短波突发通信中存在的频偏问题,结合短波调解器的波形格式以及低信噪比的信道条件,提出了一种基于傅里叶系数插值的迭代频偏估计算法.该算法首先利用离散傅里叶变换(DFT)确定频谱峰值;然后对其结果进行Jacobsen插值,通过对插值结果进行误差分析,得出其方差与训练序列长度及信噪比的函数关系,并依此自适应调节其置信度为0.99999时的置信区间,将其作为精频偏估计的搜索区间;最后在搜索区间内进行迭代,并利用抛物线插值获取更精确的结果.仿真结果表明:对于长度为128、256、512的训练序列,在低信噪比条件下,文中算法均可逼近Cramer-Rao下界(CRLB),特别是在信噪比为0 d B时,两次迭代即可使算法的均方误差与CRLB的比值达到1.005左右.     

面向非硅MEMS的桌面微装配系统模块化设计方法

针对非硅MEMS零件的装配瓶颈难题,提出一种面向非硅MEMS的桌面微装配系统模块化设计方法.论述了所提出桌面微装配系统的内涵、特点及其应用对象,并在此基础上提出了基于装配单元通用功能完整性和系统可重配置性的模块划分原则;利用相关性分析方法建立了综合相关矩阵并应用模糊聚类方法对其进行了操作,确定了模块划分定量计算流程,利用模糊评价方法对模块划分合理性进行了评价;以桌面微装配系统的自主式装配单元为实例进行了设计方法的验证,证明了模块化设计方法的有效性.      

多缩微智能车交互行为研究平台设计与实现

针对真实道路上开展智能汽车研究存在的风险和困难,提出了一种基于缩微城市道路环境的智能车交互行为研究平台. 该平台首先实现了具备视觉认知功能的缩微智能车,采用了一种基于特征和模型融合的嵌入式平台实时车道线和障碍物检测算法,通过本车可行驶区域的形式化描述,实现道路环境的感知,最后经过模糊决策控制方法控制缩微智能车产生拟人驾驶行为. 实验结果表明,文中提出的研究平台能够有效模拟智能车车间交互行为,环境感知算法和决策控制方法能够满足实时性和精度要求.     

风力发电机组最佳功率追踪自适应模糊PID控制

针对变速恒频风力发电系统,以额定风速以下风能的最大利用率为目标,设计了基于自适应模糊PID控制的风能最佳利用追踪控制器.该控制器对叶尖速比进行控制,运行时根据实际输出的叶尖速比与其最优值间的误差及误差变化率在线实时调整PID参数,实现自整定,达到风能利用系数最佳的功率追踪目标.通过仿真对几种控制方法进行对比分析,结果表明,自适应模糊PID控制能够将风能利用系数和叶尖速比均控制在最优值附近,系统的稳态性能和动态性能都较好,控制效果优于PID控制和模糊控制.     

基于Choquet模糊积分算子的多指标属性船型方案优选模型

船型方案排序及优选是一个多指标属性、多层次且指标属性相互关联的决策问题.考虑船型方案评价中各评价指标间存在的模糊性和相互关联性,利用模糊测度和Choquet模糊积分算子对船型方案进行优选.此方法的优点是考虑了方案各指标属性的关联关系,而且决策过程不用确定各指标属性的权重,减少了决策过程中决策者的主观臆断性,使排序结果更具客观性和科学性.计算实例说明:基于Choquet模糊积分方法建立的船舶方案优选模型正确,方法简单,结果合理,为船型方案选择提供了一种可靠的参考.     

基于分段模糊Lyapunov函数的轮式移动机器人轨迹跟踪控制

研究了具有控制输入约束和外部干扰的轮式移动机器人的轨迹跟踪问题.在轨迹跟踪位姿误差的T-S模型和并行分布补偿框架下,利用分段模糊Lyapunov理论给出了满足控制输入约束的H∞控制器设计方法,并证明了闭环系统的稳定性.仿真结果验证了所提方法的有效性.     

一种改进的基于超网络的高维数据聚类算法

高维数据聚类问题是当前聚类分析研究的重点。笔者提出了一种改进的基于超网络的高维数据聚类算法。首先,将高维数据映射到一个大规模带权超网络中;其次,定义超网络中边的权重;再次,采用优化的超图划分方法划分带权超网络;最后实现高维数据聚类。这样有效过滤掉聚类中的噪声数据,避免了传统聚类方法在降维过程中产生的弊端。实验证明,该算法具有较理想的有效性和精确度。     

机床温度测点优化方法研究及试验验证

针对机床热误差补偿技术中的关键温度测点选取问题,提出了一种温度测点优化新方法.首先采用简单相关分析,剔除掉与热误差明显不相关的测点.然后对初步筛选出的测点进行模糊聚类分析,以消除温度变量间的复共线性问题,同时进行灰色综合关联度分析,判断各测点与热误差间的紧密程度.根据分析结果,建立多个不同测点的热误差模型,对模型进行基于统计学理论的分析,确定出关键温度变量,将温度测点由20个减少至4个.根据优化结果,重新建立多元线性回归模型.误差预测结果表明,主轴Z向最大热误差从17.903μm减小到1.850μm.     

基于非均等排序集抽样的符号检验

为检验未知总体的中位数,提出基于非均等排序集抽样的符号检验.通过比较符号检验的Pitman效率,表明非均等排序集抽样效率高于排序集抽样和简单随机抽样. 考虑到非均等排序集样本独立但不同分布,提出与秩次有关的加权符号检验,具体给出使检验效率达到最大的权数,并证明出最优权数具有适应任意分布性. Pitman相对效率的计算结果表明,非均等排序集抽样下最优加权符号检验优于排序集抽样下最优加权符号检验. 最后,对阔叶松树的一组真实数据进行了实际应用.