基于增量稀疏核极限学习机的发动机状态在线预测

针对发动机状态在线预测中样本累积、预测模型膨胀和在线更新速度慢等问题,提出了基于增量稀疏核极限学习机的在线预测方法.该方法定义了KELM核函数矩阵的稀疏测量矩阵,并根据矩阵原子相干最小化和自信息量最大化的样本信息度量准则实现在线样本前向稀疏与后向删减,提高了样本稀疏化效率.利用有效样本对测量矩阵在最佳阶数内进行在线扩充与修剪,限制了预测模型膨胀.利用改进的增量建模方法对模型的核权重矩阵进行递推更新,从而建立规模有限且结构稀疏的在线预测模型,提高了在线建模速度.仿真数据和发动机状态参数在线预测实验结果表明,与现有在线预测方法相比,ISKELM具有更高的样本稀疏化和在线建模效率.对发动机排气温度进行120步预测时,预测速度分别提高了80.50%和31.72%,预测精度分别提高了48.56%和15.81%.      

载体平动条件下的磁梯度张量定位方法

针对现有磁场梯度张量定位方法存在的问题,提出载体平动条件下的磁场梯度张量定位方法.用目标磁矩替换目标的磁场值,通过2点的张量测量,构建关于位置参量的非线性定位方程组,通过遗传算法对方程未知数进行优化,解算得到位置参数.仿真结果证明:载体平动条件下的张量定位方法有效克服了现有张量定位算法的不足,定位精度高,可以在地磁背景环境下对隐蔽目标进行定位.     

基于电力载波的军用库房测报系统及抗干扰研究

应用电力载波传输技术和单片机技术,给出了一种军用库房自动测报系统的设计与实现.介绍了监测主机与库房监测分机的电路原理,并应用有源滤波器MAX275实现了抗干扰滤波,在滤除干扰信号的同时,对有用信号进行放大.测报系统具有安装简单、隐蔽性好、成本低、可靠性高的优点.     

基于快速留一交叉验证的核极限学习机在线建模

提出了一种基于快速留一交叉验证(FLOO-CV)的在线核极限学习机(OKELM),以逐次增加新样本与删除旧样本的方式进行在线训练;设计了一种无需人为设定、能够根据系统过程特性自适应改变的FLOO-CV预测误差阈值,根据误差阈值仅引入预报误差较大的样本对模型进行更新,以提高模型的稀疏性和泛化能力;利用Hermitian矩阵求逆引理实现了对网络输出权值的递推求解,减小了在线存储空间和计算时间.经混沌时间序列预测和连续搅拌釜式反应器的过程辨识结果表明,相比于离线核极限学习机、无稀疏策略的在线核极限学习机和在线序贯极限学习机,OKELM具有更快的计算速度和更高的学习精度.     

基于增量稀疏核极限学习机的柴油机故障在线诊断

为实现柴油机故障在线诊断,提出了基于增量稀疏核极限学习机(ISKELM)的快速在线诊断方法.针对核在线学习中的样本稀疏化与模型膨胀问题,提出了基于瞬时信息测量的稀疏核函数字典构造策略,根据最小化字典冗余和最大化字典元素自信息量的原则实现样本前向稀疏与后向删减,在最佳阶数内对字典进行在线扩充与修剪,从而建立阶数有限且结构稀疏的诊断模型.针对模型核权重矩阵更新问题,提出了增样学习与改进减样学习算法对核权重矩阵进行在线递推求解,降低了计算复杂度,提高了模型在线更新速度.UCI标准数据与柴油机故障数据分类实验结果表明,与几类现有在线诊断算法相比,ISKELM在保证较高分类精度的同时,极大地提高了在线建模速度,更加快速准确地实现了柴油机故障在线诊断.     

基于噪声特征的地震动信号目标预警和识别算法研究

利用MEMS加速度传感器采集到的人员、车辆目标在地面运动产生的地震动信号,由MSP430单片机采集和处理,完成对地面目标的预警、分类识别. 预警提出了基于噪声方差的3倍作为阈值的方法,目标识别采用一种改进的过零分析方法. 结果表明,该算法能对8 m以内的人员、20 m以内的轮式车辆进行预警和分类识别,正确识别率达到85%以上. 此算法对于识别数字输出式传感器采集到的信号非常简单、实用.