WSN中传感器节点的弹性神经网络任务分配方法

为解决WSN多目标跟踪节点任务分配的竞争冲突问题,提出一种融合了模糊聚类的多弹性子模自组织神经网络节点任务分配方法.通过模糊聚类估计目标数量,建立节点任务分配跟踪精度和能量消耗的综合性能指标,采用非全连接的环形弹性结构自组织神经网络优化监测联盟,用最近邻法对神经元弹性子模进行初始化,根据胜者为王原则动态调整子模的感受域,以快速锁定最优监测联盟,实现多目标的精确跟踪.实验结果表明:文中方法能有效解决多目标跟踪节点任务分配的竞争冲突问题,以及竞争冲突时的系统能耗增加与实时性问题;在随机均匀部署节点拓扑和目标直线运动模式下,文中方法的能耗较最近邻法降低了48.2%~55.9%,较未改进弹性神经网络法降低了37.4%~42.5%,且运算速度提高了19.0%~27.4%.     

复杂工况下的纸浆Kappa值软测量方法

在纸浆Kappa值软测量技术的研究与应用中，发现直接基于经验模型的Kappa值软测量方法在复杂工况应用中预测精度有所下降，针对这个问题，提出了首先利用Daubechies小波变换获得升温过程特征信息来进行工况分类，再进行分类模型预测的方法，以某制浆车间的130组样本数据为对象进行分析，证明了该方法在复杂工况下的预测结果要好于直接基于经验模型的Kappa值软测量方法。     

面向污水处理的数据驱动故障诊断及预测方法综述

在污水处理过程中,存在着强非线性、多变量耦合、参数时变、大滞后、内外干扰频繁等问题,因此如何及时发现系统的异常从而保证过程设备的可靠性和稳定性显得尤为重要.文中根据污水生化处理的特点,综述了基于数据驱动的故障诊断方法在污水处理领域的研究现状、存在的问题以及解决方案,探讨了故障预测在污水处理中的研究前景,指出了基于数据驱动的故障诊断方法研究在污水处理中存在的问题和未来的发展方向.     

基于广义Hammerstein模型的多变量非线性预测控制

将单输入单输出的Ｈａｍｍｅｒｓｔｅｉｎ模型推广至多输入多输出系统,提出了广义Ｈａｍｍｅｒｓｔｅｉｎ模型,并给出了其辨识建模方法．进一步以此模型为基础,提出了一种多变量非线性预测控制算法．该算法利用了线性预测控制的成果,避免了通常非线性模型预测控制所需的在线数值寻优计算,大大节约了在线计算时间、提高了算法的可靠性和稳定性．     

基于激光散斑的实时立体匹配算法及其应用

立体匹配是双目立体视觉的关键步骤和难点问题,制约着双目视觉系统的应用。图像的噪声、遮挡、弱纹理等问题使得匹配精度低。为了解决这些难点问题,文中提出了一种基于激光散斑的立体匹配算法。首先根据激光散斑特点,提出了一种基于梯度方向的匹配代价计算方法;然后将半全局匹配和导向滤波器串联起来进行代价聚合,以满足实时性要求和提高算法对倾斜平面的适应能力;最后,根据匹配代价的平均值与最小值,提出了一种可靠性检验方法,以处理遮挡和物体边缘视差不连续的问题。文中匹配算法在物流行业中的应用结果表明,该算法可以实时测量包裹尺寸,测量精度可以达到±5%。     

基于DLF神经网络的非线性自适应PID控制器

针对非线性时变现象,将DLF神经网络与PID基本原理相结合,提出了基于DLF神经网络的非线性自适应PID控制器设计方法,并解决了此类控制器初始参数难以设置的问题,仿真研究证实了其可行性和有效性。     

大学生青春健康教育首重知识的正确性——4031名高职新生的实证分析

调查4031名2007、2008级高职大学新生,从性知识、性经历、性观念和性健康教育四个方面了解当前"90后"学生的青春健康教育情况。调查显示目前的大学新生性知识的普及程度不低,但似是而非的内容比较多,故此,学校性健康教育要重视知识的正确性,纠正网络性知识传播的谬误。     

含对象脉冲序列模型辨识智能PID参数自整定

提出了一种新的在线ＰＩＤ参数自整定方法，在对象辨识中，引进了非参数的离散脉冲序列模型，并推导出一组闭环情况下的辨识公式，它适合于大纯滞后和各种阶次的复杂对象，很好地解决了大纯滞后的辨识问题，文中还把仿真技术引进实时控制中，设计出一种实用的，具有一定智能性的自整定方法，实时控制实验证明此方法是正确和有效的。     

挤出吹塑中型坯壁厚的在线智能检测技术

采用激光扫描加图像处理的方法以实现在线测量:用一束激光从某一角度入射到型坯壁上,反射回来的光线由2部分组成,一部分是从型坯外表面反射的,另一部分是从型坯内表面反射的,这2部分光线之间是平行的,并存在一定的间隔.重新推导出该间隔与型坯壁厚之间的计算公式.用CCD摄像机接收从型坯反射回来的光线形成2个光斑图像.通过数字图像处理测取2个光斑之间的距离.即应用图像预处理、平滑滤波、图像二值化、边缘提取、图像分割、边缘曲线的跟踪和连接、尺寸标定来获取光斑中心坐标及光斑中心之间的距离.通过该计算式即可求出型坯的壁厚.实验研究表明,此检测方法所需硬件简单,计算量小,实施容易.它的实现可提高吹塑制品的质量,降低原料消耗.     

面向污水处理过程的预测元-RVM故障诊断建模

污水处理系统是一个复杂的非线性大系统,存在作业环境恶劣、控制目标复杂等问题。这些问题导致污水厂故障频发,因此急需开发高效的监测技术。本研究提出了一种新的故障监测技术,即预测元-相关向量机方法。该方法是将可预测元算法与相关向量机进行有机结合。首先利用可预测元算法对在污水厂采集的数据进行特征提取,去除重复特征和冗余信息。然后,利用处理后的数据训练相关向量机模型。为了验证所提方法的优越性,将预测元-相关向量机与相关向量机(RVM)、主元分析-相关向量机(PCA-RVM)和独立元分析-相关向量机(ICA-RVM)3种方法同时用于监测国际水协会提供的污水仿真基准平台(BSM1)。实验表明本研究所提方法诊断精度高于3种基础方法。