大入射余角CFAR检测器

雷达在大入射余角高分辨率海杂波背景下检测时,等效后向散射面积增大,大部分海杂波能量投射到少数距离单元,能量分布不均,出现功率突然增大的杂波“异常单元”,导致检测器参考窗口所处的背景环境复杂多变,传统检测器检测概率降低,虚警率及误检率增加。为解决此问题,通过参考滑窗单元的协方差矩阵构造正定矩阵,求解其矩阵范数用以估计杂波功率水平,并采用支持向量机改进传统恒虚警率(constant false alarm rate,CFAR)检测器,得到基于正定矩阵杂波功率估计训练支持向量机的改进CFAR检测器。实验结果表明,新检测器在均匀杂波、多目标环境下检测性能稳定,在杂波边缘的虚警控制能力良好。     

基于DLENN模型的沈阳地区PM2.5浓度预测

受到重工业发展规模、北温带季风气候、秋冬季燃煤取暖、机动车拥堵状况以及微观气象条件等各种因素影响,沈阳地区PM2.5浓度变化具有趋势性、周期性及随机性特征。针对上述三种特征,论文构建了一种集成双向长短期记忆网络的神经网络预测模型DLENN(Double-LSTM Ensemble Neural Network),内含的两个方向LSTM分别刻画PM2.5浓度变化趋势性和周期性,然后采用线性回归杂合神经网络来捕捉PM2.5浓度变化的随机性。基于沈阳地区11个监测站2016至2017年空气质量和气象条件数据,本文将DLENN模型分别与自回归移动平均ARIMA模型、支持向量机SVM模型、随机森林RF模型和梯度提升树GBDT集成学习方法进行对比实验,结果表明DLENN预测模型稳定优于其他方法,其预测误差RMSE相对于ARIMA、SVM和集成模型分别下降了9.23%、3.83%、5.49%.     

小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法

现有低分辨雷达目标识别方法，通常采用先特征提取、再进行目标分类的两步识别算法，这种算法存在识别率难以提高和方法泛化性不足的问题，对此，提出一种增强条件生成对抗网络（strengthening condition generative adversarial network，SCGAN）+卷积神经网络（convolutional neural network，CNN）的低分辨雷达目标一步识别算法。该算法利用CNN自动获取采样数据深层本质特征，无需特征提取，实现对目标的一步识别。为进一步提高小样本条件下的识别效果，基于CGAN理论来提高样本在特征空间的覆盖程度，并对CGAN的判别器进行改进，在损失函数中增加混叠惩戒项，通过SCGAN生成不混叠的生成样本来更好地训练CNN，提高其在小样本条件下的识别能力。仿真对比实验校验了一步识别算法较传统两步识别算法的优越性，以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性。     

一种3D空间中的两级力导引可视化算法

可视化是研究复杂网络的重要方法,目前2D平面可视化研究十分成熟,而3D可视化研究相对较少.为解决目前3D可视化布局结果不能真实展示复杂网络结构特征的问题,提出了一种两级力导引3D可视化算法.该算法基于复杂网络的特征分析,通过对网络聚类得到多个子网络及建立抽象网络,然后分两步依次对抽象网络和子网络进行力导引布局,从而得到最终布局.真实数据的实验分析表明,该算法的可视化布局结果能够真实展示复杂网络结构特征,同时具有较低的时间复杂度和较好美观度、清晰度.     

基于HF-RBF的初始地应力场预测研究与应用

用水压致裂法(HF)测量地应力时存在实测数据数量少、不连续、精度低的问题.为此,建立基于HF-RBF的初始地应力场预测方法,首先构建埋深和水平主应力之间的学习样本,然后利用径向基函数(RBF)神经网络对学习样本进行训练,建立埋深与水平主应力之间的非线性映射,最后利用检验样本对初始地应力场预测效果进行检验.在黑龙江某矿山利用2个勘探钻孔开展了水压致裂法测量地应力试验,应用HF-RBF方法获得了该矿区水平主应力分布规律,训练样本最大预测误差为28.6%,检验样本水平最小、最大主应力预测误差都在10%以内,满足工程设计要求.表明了在矿山钻孔勘探期间,HF-RBF法能较好地预测矿区初始地应力场.     

非计算机专业"C语言"教改方案的探讨与实践

C语言程序设计作为高等院校理工科的一门必修课程,其理论性和实践性较强,受到较高的重视.在该文中,首先分析非计算机专业C语言的传统教学,存在着课堂教学没有把握C语言本身的特点、没有充分调动学生学习的主动性、实践教学环节重视不够、考核单一等问题.针对这些问题,提出相应的教改方案,即采用网络资源平台结合上机实验课程的一种驱动式教学模式.最后根据实际的教学实践,从期末考试及格率、上机操作技能等5个方面对该教学方式进行比较和探讨.     

基于RSM-GA法的薄壁蜡模压蜡过程收缩率建模与优化

基于响应面法(RSM),通过一系列的实验建立了薄壁蜡模壁厚方向的收缩率与压蜡参数之间的数学模型,并对模型的合理性与充分性进行了方差分析,对压蜡过程中工艺参数对尺寸收缩率的影响进行了敏感性分析.为了减小收缩率,基于遗传算法(GA)对工艺参数进行了全局优化.     

硬岩掘进机刀盘载荷与撑靴接触界面刚度的耦合关系

在复合地质条件掘进时刀盘载荷与撑靴接触界面的耦合关系严重影响硬岩掘进机(TBM)动态特性.基于并联机构理论研究TBM推进系统的力传递特性,建立刀盘、机械系统和撑靴接触刚度耦合力传递模型,讨论了刀盘在复合地质条件下掘进时刀盘载荷波动与撑靴岩石接触界面刚度之间的耦合关系.结果表明,撑靴接触界面刚度随刀盘载荷增大而非线性增大;复合地层中,刀盘载荷波动,接触界面刚度也呈现相应的波动特性;两侧撑靴接触界面岩石软硬不同时,刀盘载荷均值和波动增加,接触界面刚度均值和波动加大,且较硬一侧增加幅度大于较软一侧减小幅度.     

基于ANN模型和HPSO算法的数控机床可靠性分布模型研究

针对数控机床可靠性研究过程中,由于可靠性数据较难收集导致可靠性分布模型不唯一的问题,采用ANN模型对收集到的少量可靠性数据进行扩充,扩充后的数据采用K-S检验法进行分析以确定可靠性数据模型,同时在求解确定可靠性分布模型参数过程中,将混合粒子群优化(hybrid particle swarm optimization,HPSO)算法引入极大似然估计中,解决其在小样本数据下求解某些复杂分布模型时易陷于局部最优解和求解效率低的问题.实例分析结果表明:采用混合粒子群算法求解可以在求解效率和收敛性性能上达到较好的平衡,比较所有的求解模型结果,经过ANN模型扩充后的2重3参数威布尔分布的相对均方差最小,其值为0.0425,说明利用该方法求解数控机床的可靠性分布模型是可行的,而且能够获得较精确的结果.     

基于网络层析成像技术的道路交通流预测算法

为了更有效地预测城市路网交通流量,本文提出了一种城市道路交通预测模型.该模型基于网络层析成像(Network Tomography, NT)技术建立生成树,采用期望最大 (Expectation Maximization, EM) 算法得到路网子网车流概率分布,再结合路网子网中流量守恒原则,对待预测路段流量进行推测.实验结果表明,该模型优于现常用的人工智能模型,对城市交通流量预测更为有效,且提高了预测精度.