基于流水线CORDIC算法的三角函数发生器

离散三角函数发生器在数字信号处理中有着广泛的应用。介绍了CORDIC的基本原理 ,提出了一种利用流水线CORDIC结构来实现高速度精度的三角函数发生器的设计。而后给出该三角函数发生器的结构及VHDL描述 ,综合及实现过程。最后给出用FPGA实现的硬件仿真结果。     

基于相位旋转法的NCO设计与实现

针对信道化接收机的低通滤波器组结构中NCO消耗资源巨大的问题,提出了一种基于三角函数的相位旋转法。介绍了该算法的结构,然后在FPGA上实现了该方法。最后通过产生八路NCO所占用资源的对比,说明该方法与直接使用查表法或CORDIC算法相比最少能节省50％的逻辑单元和存储器单元。该方法可以很容易推广到频谱监测、多频移键控调制、跳频接收等应用中。     

冗余系统费用模型及优化

根据冗余设计的不同形式 ,在Tillman并联系统费用模型的基础上引入了系统功能指标 ,并将其推广至其它形式的冗余系统 ,从而得到了一个较为完整的冗余系统费用模型。在此基础上 ,建立了用于优化并串联冗余系统设计的非线性混合整数规划模型 ,分别使用了模式搜索与启发式算法的组合算法以及遗传算法对其进行求解 ,着重讨论了两种方法的实现关键及各自的优劣。最后 ,经计算比较 ,提出了遗传算法与模式搜索、启发式算法相结合的求解方法 ,并说明了该方法的有效性。     

基于小波分析和神经网络的软件衰退预测

许多研究人员指出软件性能衰退的主要原因之一是系统资源的耗尽,为了避免软件衰退导致的高成本,应用了基于小波分析和神经网络的四阶段混合模型来实现软件性能衰退的预测。首先应用小波过滤器去除噪声数据;然后使用冗余的Haar小波变换把监控系统采集到的系统资源使用数据分解到不同的分辨层上;再在每一层使用神经网络进行预测,神经网络的权重采用基于免疫机理和模拟退火算法来初始化;最后使用神经网络组合各个分辨层上的预测值。为了验证算法的预测精度,使用软件运行中采集到的系统资源耗费数据进行了仿真实验和比较,实验结果显示该算法具有较好的预测精度。     

区域覆盖星座结构与参数同时优化的进化算法

针对区域覆盖卫星星座的优化设计问题,设计了一种能同时优化星座结构和参数的进化算法。算法采用固定长度的染色体编码,由星座可能的最多轨道面数和各轨道面内最多卫星数目确定的最多变量个数决定染色体编码长度。根据个体星座的轨道面数和各轨道面卫星数的实际值确定染色体中哪些基因是冗余的,并将这些冗余的基因设为隐性,达到可变维数优化的目的,从而实现星座结构的优化。染色体采用二进制/实数混合编码的方式处理同时具有整数/连续变量的星座优化问题,二进制编码部分采用二进制的进化算子,实数编码部分采用一组星座设计专用的进化算子。在一个虚拟的区域海洋监视卫星星座优化设计中的应用显示了该算法的有效性。     

基于CORDIC算法的DDS在铷原子频标中的实践

在铷原子频标中,需要产生带有小数频率的微波信号,DDS(direct digital synthesis)逐渐成为实现该频率的最佳手段。首先DDS不仅能够产生小数频率,另一方面,DDS同时提供了一种频率微调手段,具有较细的频率分辨率。本文在介绍铷原子频标基本原理的基础上,提出并且实现了一种基于CORDIC(coordinated rotationdigital computer)算法的DDS。最后给出实现DDS的实例与实验结果。     

整车物流网络规划问题的混合粒子群算法研究

综合考虑整车物流系统中的运输规模经济效应、库存控制策略、设施、服务质量等决策因素,建立了整车物流网络规划集成优化模型.给出了一种流预测算法和粒子群算法相结合的求解方法,用粒子群算法搜索物流网络可行结构,用流预测算法确定其最优运输路径,二者相互协调实现最优解的搜索.在粒子群搜索过程还加入了交叉变异操作来增加种群的多样性,以避免早熟收敛.实例仿真表明混合粒子群算法的运行效率有显著提高,且有更高概率搜索到全局最优.     

基于混合算法的电力系统负荷预测

电力系统负荷预测是电力系统中的一个重要的研究课题。对神经网络算法和时间序列预测算法进行加权融合,提出一种混合算法对EUNITE竞赛数据进行了短期电力负荷预测。实验结果表明负荷预测精度得到了很大的提升。     

混合编码免疫算法在非线性系统辨识中的应用

基于免疫算法优越的全局搜索性能与GP算法简洁的结构树编码方法,提出了一种混合编码免疫辨识算法,通过对模型结构与参数分别编码及免疫操作,同时实现了非线性模型的结构与参数辨识,实现了全局寻优,辨识的模型结构简单、易于理解.仿真验证了本算法的有效性及较强的非线性逼近能力.     

基于k-近邻互信息的前向式变量选择方法及在水质参数软测量中的应用

软测量技术通过构造易测量的辅助变量与难测量的主导变量间的数学模型,实现对难测变量的实时预测.为有效分析辅助变量间的相关性和冗余性并实现变量精选,本文提出了一种基于k-近邻互信息的前向式变量选择方法.该方法以变量前向累加互信息值最大化为准则选择相关变量,同时计算每次累加变量与已选择变量子集间的互信息值来判断所累加变量是否为冗余变量,通过设定冗余互信息阈值,实现冗余变量的剔除,得到最优辅助输入变量子集.基于数值案例仿真结果验证了本文所提变量选择方法的可行性与有效性,在准确选取辅助变量的同时降低了算法复杂度.最后,该方法成功应用于污水处理过程中出水生化需氧量(biochemical oxygen demand,BOD)预测模型的输入变量选择上,利用精选出的辅助变量有效提高了模型预测精度.     

广义加权算术平均组合预测法的最优化理论基础及性质

从 P次幂误差的概念出发 ,提出了广义加权算术平均组合预测法新的预测方法优超和冗余度的定义 .通过构造最优化函数进一步探讨了广义加权算术平均组合预测法的最优化理论依据及其数学性质 .     

注塑过程子时段动态非线性质量预测

针对注塑间歇过程多阶段、缓慢时变、非线性和质量变量测量值不能在线获得等特点，提出子时段滑动窗口广义回归神经网络质量预测方法，首先，采用分类算法对三维数据矩阵的时间片PCA负载矩阵进行分析，根据相关性分析把注塑过程划分为几个子时段，然后确定与重量密切相关的阶段，在确定的阶段内采用滑动窗口建立GRNN多模型，解决常规MPLS在工业应用过程中存在的几个潜在问题：（1）静态单一模型；（2）模型失配问题；（3）MPLS线性方法不能充分有效压缩和抽取非线性过程信息；（4）估计未来测量变量所引进的模型偏差。所提方法与子时段滑动窗口MPLS方法进行仿真比较。结果证明了所提方法的有效性。     

基于BLP-ALO-SVM的风电功率短期预测方法

为了对短期风电功率及其波动范围作出有效预测,提出一种基于混合算法优化支持向量机的风电功率短期预测方法。采用探索性数据分析对原始风速数据进行预处理,提高风速数据的质量;采用混沌映射、莱维飞行策略和粒子群算法提升蚁狮算法的性能;应用经混合算法优化的支持向量机模型对风电功率进行预测。实验结果表明：相较于新型的风电功率预测模型,该方法输出的结果预测误差更低,表现出对于风电功率更好的预测能力。     

混合区间粒子群算法

提出了一种新的混合区间粒子群算法,该算法包含两部分,首先应用区间优化算法删除大部分不含有全局最小点的搜索区间,其次在剩余的搜索空间产生粒子群算法的初始种群,应用粒子群算法和区间算法共同解得全局最小值。数值实验表明,该方法快速、有效。     

Study on High-Speed Magnitude Approximation for Complex Vectors

Abstract: High-speed magnitude approximation algorithms for complex vectors are discussed intensively. The perfor-mance and the convergence speed of these approximation algorithms are analyzed. For the polygon fitting algorithms, theapproximation formula under the least mean square error criterion is derived. For the iterative algorithms, a modifiedCORDIC (coordinate rotation digital computer) algorithm is developed. This modified CORDIC algorithm is proved to bewith a maximum relative error about one half that of the original CORDIC algorithm. Finally, the effects of the finiteregister length on these algorithms are also concerned, which shows that 9 to 12-bit coefficients are sufficient for practicalapplications.     

MRA与GP/MP组合预测及在陀螺仪漂移预测中的应用

研究MRA(Multi-resolution Analysis MRA)与GP/MP(Grey prediction model/Markov prediction model)组合预测及在陀螺仪漂移预测中的应用。陀螺仪漂移是各种外界环境影响下产生的综合效果,不同的外界影响产生的漂移样本频率特征是不同的,因而不适合用单一的预测模型进行预测。用小波将陀螺漂移信号进行分解,根据各子信号的频率特征选用灰色预测模型或马尔可夫预测模型分别进行预测,还原为总的预测结果。仿真试验显示,这种组合方法比起用单一的灰色马尔可夫方法可以将精度提高一倍左右,证明了这种方法的有效性。     

灰色广义预测控制系统的稳定性和鲁棒性研究

在文[1]中，针对贫信息，不确定性系统存在的不确定性，随机干扰以主系统特征参数随工作环境的变化而变化的特点，本文作者将具有广阔发展前景的灰色系统理论和广义预测控制理论结合起来，提出了一种新型的计算机控制策略；灰色广义预测控制算法（GGPC），在本文中，我们将应用IMC结构理论，对该算法的稳定性，鲁棒性进行一些初步探讨，并给出了一个生态学方面应用的例子，实例仿真结果表明：GGPC算法具有较强的干扰能力，有较好的鲁棒性以及自适应能力，通过调整参数，可以获得非常满意的动、静态性能。     

基于多学科虚拟样机的粘着控制仿真平台

重载列车和准高速动车组的运行,使轮轨之间的粘着经常处于极限状态,因此需要研究更先进的控制方法来优化利用粘着力。建立了包括牵引系统、控制系统和机车多体动力学模型的多学科虚拟样机仿真平台。使用机械动力学仿真软件ADAMS/Rail建立了某种电力机车的多体动力学仿真模型;利用MATLAB建立了组合粘着控制算法;通过联合仿真实现了针对机车粘着控制系统的多学科虚拟样机仿真。联合仿真平台成为了沟通粘着控制方法理论研究和试验研究的桥梁,为智能控制方法在粘着系统中的应用提供了有效的仿真环境。

Abstract：

With heavy-haul train and high-speed electric multiple unit （EMU） operation,the adhesion between wheel and rail often reaches limit states.Therefore the advanced control arithmetic should be studied to optimize the use of the adhesion force.A simulation platform was built including traction system,control system and multi-body dynamics model of an locomotive.The model of the electric locomotive was established with ADAMS/Rail （Automatic Dynamic Analysis of Mechanical Systems）.Then a hybrid adhesion control algorithm was designed using MATLAB.The adhesion control system can be studied with co-simulation of different simulation tools.The theoretical and experimental studies are realized with the simulation platform.It provides a new and effective ways to study the adhesion control.     

冗余系统中备件可靠性预测

就冗余系统中备件可靠性设计问题给出了两种预测模型,应用以往的评估数据,对模型进行了检验,结果表明这两种模型基本可用．