基于人物相关社区的重名消解研究

由于人的重名现象,人名检索的结果往往是同名的不同人物实体相关网页的混合。重名消解是根据上下文来区分同名的不同人物实体的过程。本文提出了基于相关社区的重名消解方法,采用改进的Espresso算法进行相关社区发现。将每个网页发现的社区应用到两阶段重名消解算法中,并且在WePS-2测试集上进行试验。实验结果表明了该方法的有效性。     

基于专利分析的中美纳米技术领域人才分布比较研究

以技术发明人申请的专利数据为基础,利用专利分析的方法,以可视化的形式,对中国和美国纳米技术领域的人才地域分布、机构分布、重要发明人及其专利申请趋势和技术领域进行了比较研究。基于比较研究的结果,提出我国应着力培养跨学科交叉的纳米技术人才和加快培养纳米技术产业化应用研究人才的人才发展建议。     

基于专利分析的我国中药产业技术发展情报研究

中药产业是一个知识和技术密集型的高科技产业。基于专利分析,从专利总体态势、技术生命周期、热点技术领域、重点申请机构和主要发明人等角度,对我国中药产业技术发展进行深入研究。最后,基于分析结果总结我国中药产业技术现状和发展趋势。     

异步电动机转子参数的自校正辨识方法的研究

转子参数的变化对异步电机调速系统的动静态性能有很大的影响。基于自校正方法设计了一种新的转子电阻的辨识算法。并通过仿真和实验 ,将这种算法与直接公式法进行了比较。在对自校正辨识算法进行研究时 ,主要分析了算法中参数 kp、 ki、电阻初始设定值、转速和负载转矩的变化对辨识效果的影响。讨论了负载转矩和转速对转子电阻辨识精度产生影响的原因。并且给出了该辨识算法的适用范围。实验结果证明了自校正辨识算法的有效性 ,特别是在大负载的情况下该算法可以准确地辨识出转子电阻     

专利审查员引文及引文分析新观察

专利引文包括专利发明人引文和专利审查员引文,人们在进行专利引文分析时通常把两种引文一起作为统计数据,对于这两者的引文之间的差别及对引文分析结果的影响尚无人进行研究。详细介绍了专利引文及专利引文分析的相关情况,分析了专利审查员引文与专利发明人引文之间的差别及其对专利引文分析结果的影响,例证了专利审查员引文分析的重要性和实用性,指出了专利引文分析的关键问题及未来发展。     

瞬态下基于MRAS的DC-DC转换器参数辨识

为了解决实际应用中电感和电容值漂移的问题,提出一种瞬态条件下基于模型参考自适应系统(MRAS)的在线参数辨识算法,该算法可以同时辨识电感和电容.首先,介绍了基于MRAS的在线辨识系统结构;然后,根据MRAS基本原理和Boost转换器状态方程提出了一种基于MRAS的在线电感和电容辨识算法,并利用波波夫超稳定理论对辨识系统的稳定性加以证明;最后,对基于MRAS的参数辨识算法进行仿真验证.仿真结果表明:该算法的电容辨识误差在0.1%以内,电感辨识误差在0.2%以内.     

中国科学院被质押专利现状、问题与对策研究

专利权质押是指出质人为了实现担保债权,将其专利权中可以转让的、有权处置的财产权进行质押的行为。本研究以专利文献为分析对象,对中国科学院为申请人的被质押专利自身特征、申请人/发明人特征及时间概念特征进行分析,揭示中国科学院被质押专利布局态势。最后基于中国科学院被质押专利现状,提出了提升中国科学院或科研机构、高校等相关科研部门的专利权质押效率的相关建议。     

系统辨识的粒子群优化方法

研究了一种基于粒子群优化算法对系统进行辨识的新方法.该方法的基本思想是将典型数学模型相互组合而构成系统模型,即首先将系统结构辨识问题转化为组合优化问题,然后利用粒子群优化算法同时实现系统的结构辨识与参数辨识.为了进一步提高粒子群优化算法的辨识性能,提出了一种改进的粒子群优化算法.仿真结果表明,给出的辨识算法是合理的,虽然扰动对算法的性能以及辨识结果有一定的影响,但利用文中所提出的改进粒子群优化算法仍然可以理想地辨识出系统的结构以及模型的参数,且与已有辨识算法相比更加有效.     

基于FLANN的非线性动态系统辨识

采用一种基于FLANN-PSO的SISO非线性动态系统辨识方法,构造了基于FLANN的辨识模型,然后运用PSO优化算法实现模型权值辨识.通过对4种典型非线性动态系统进行了辨识仿真,结果表明该方法具有良好的性能和高辨识精度,它将更适合于工程实际需要.     

基于混合遗传算法的开关磁阻电机模型参数辨识

将开关磁阻电机（SRM）的建模问题作为一类非线性约束优化问题进行参数辨识研究,对模拟退火遗传算法进行了改进,提出一种带有退火精确罚函数的自适应混合遗传算法（HGA）,给出了算法的具体实现方法．建立了基于DSPTMS320F2812的磁链特性检测系统,通过实验获取开关磁阻电机的磁化曲线族,利用改进的混合遗传算法在测得的实验数据基础上对电机模型进行参数辨识．基于辨识得到的模型,对电机在两种不同工况下的运行特性分别进行了研究,仿真结果与实验结果的对比验证了该方法的有效性和准确性．辨识得到的电机模型可以作为电机性能估计及优化控制的基础．     

货车整车质量辨识方法研究

针对货车整车质量辨识问题,分别对基于车辆纵向动力学和基于运动学的两种整车质量辨别方法进行仿真和实车试验研究。阐述了两种整车质量辨识方法的原理,在TruckSim软件平台上建立车辆模型并在多种工况下基于这两种方法进行仿真分析。根据仿真结果进行实车试验,提出了一种车速冗余计算和加速度计算的方法,利用带时变遗忘因子的递推最小二乘法（RLS）对实车质量进行估计。研究结果表明,所提出的车速冗余计算方法和加速度计算方法准确有效,同时减少换挡次数能够显著提高辨识算法的收敛速度。相比于运动学整车质量辨识算法,基于车辆纵向动力学整车质量辨识算法能够有效地估计货车整车质量,鲁棒性好,估计准确,收敛速度快,具有很好的工程应用价值。     

基于粒子群优化算法的气动参数在线辨识方法

对再入式高超声速飞行器的气动参数在线辨识方法进行了分析研究,采用滤波器对动态方程进行静态化处理,以简化辨识方法,但同时引入了不确定的滤波器参数.为了减小辨识过程中由滤波器参数选择引起的辨识误差,设计了一种参数选择策略.在常规选择参数的基础上引入了智能优化算法——粒子群优化算法,用以确定合适的滤波器参数值.然后,利用基于带遗忘因子的最小二乘法对时变气动参数进行在线辨识.最后基于SX-2模型进行了相关仿真.结果表明:基于粒子群优化算法的气动参数在线辨识方法与未引入参数选择策略的气动参数在线辨识方法相比,辨识精度得到了一定程度的提高.     

自适应模糊神经网络的优化辨识及仿真

利用优化理论对自适应模糊神经网络的辨识问题进行了研究，提出了基于共轭梯度法的网络辨识算法，通过与ＢＰ算法进行的比较仿真表明本方法切实可行。     

新型蝙蝠算法辨识船舶运动模型参数

为准确、有效辨识出船舶运动模型的参数,以构建精确的船舶运动模型,将群智能优化算法中新型蝙蝠算法引入船舶运动模型的参数辨识。将船舶运动模型参数辨识问题转化为一个多维变量函数优化问题,分析了新型蝙蝠算法求解船舶运动模型参数辨识的适应性;给出了采用新型蝙蝠算法进行船舶运动模型参数辨识的流程。基于实船实验数据,采用新型蝙蝠算法辨识了实船一阶线型响应型模型参数。实例显示,将船舶运动模型参数辨识问题转化成优化问题,通过新型蝙蝠算法对构建的误差准则目标函数的优化,能够快速找到使得目的函数最优的一组变量,该变量即为辨识得到的模型参数。研究表明,提出的技术路线简明且适用,是一种有效的计算机辅助船舶运动模型参数离线辨识方案。     

基于EM-EKF算法的RLV再入段气动参数辨识

可重复使用运载器(RLV)再入返回段的气动参数表现为不确定和快时变的特点,导致RLV气动特性具有强耦合性和非线性,使气动模型难以设计和控制,降低了飞行器的稳定性.在系统噪声存在的前提下,针对RLV的动力学模型,提出一种由最大期望(EM)算法和扩展卡尔曼滤波(EKF)算法相结合的RLV再入段气动参数辨识方法,以飞行高度和攻角为基准,每10 km一个区间将RLV再入段划分为3个飞行阶段,并分别进行了气动参数辨识.首先,将RLV飞行器再入段的动力学模型转换为非线性系统的状态空间模型;其次,基于状态空间模型,将飞行器的原始状态向量进行扩维,得到由待辨识气动参数和原始状态向量组成的新扩维状态向量;然后,采用EKF算法对RLV气动模型的扩维状态向量进行辨识,达到滤除噪声和估计未知气动参数的目的;之后,为了降低测量和过程噪声统计特性的设置对EKF辨识结果带来的影响,在EKF算法前向滤波和Rauch-Tung-Striebel(RTS)后向平滑过程的基础上,采用EM算法对EKF的测量和过程噪声的先验统计数据进行估计,基于估计所得到的精确噪声特性,能够更好地提高EKF算法对气动参数估计的精度;最后,通过基于EM-EKF算法与极大似然方法的气动参数辨识值对各种气动系数影响的仿真对比,验证了EM-EKF结合辨识算法的准确性.     

基于组合混沌策略自适应量子微粒群的Volterra核辨识算法

针对非线性Volterra泛函级数的参数辨识问题,提出了一种基于组合混沌策略自适应量子微粒群算法(CCSAQPSO算法)的Volterra时域核辨识方法.该方法在量子微粒群算法(QPSO)的基础上,采用混沌策略分两个阶段对QPSO进行优化,在初始化时以混沌序列初始化种群,在搜索过程中则引入混沌变异机制,利用混沌变异算子空间遍历特性对个体进行变异操作,同时按照各微粒适应度的优劣程度对其进化过程中的收缩扩张系数进行自适应调节,有效避免了早熟收敛现象的发生,提高了算法的全局寻优能力,保证了算法的准确性和精度.最后将该Volterra核辨识方法与基于标准微粒群算法(PSO算法)和QPSO算法的Volterra核辨识方法进行了对比分析.仿真结果表明,提出的方法具有参数辨识精度高、抗噪声能力强等优点,且在全局优化能力和快速收敛能力上都有较大提高.     

利用新型蝙蝠算法辨识船舶运动模型参数

为准确、有效辨识出船舶运动模型的参数,以构建精确的船舶运动模型,将群智能优化算法中新型蝙蝠算法引入船舶运动模型的参数辨识。将船舶运动模型参数辨识问题转化为一个多维变量函数优化问题,分析了新型蝙蝠算法求解船舶运动模型参数辨识的适应性;给出了采用新型蝙蝠算法进行船舶运动模型参数辨识的流程。基于实船实验数据,采用新型蝙蝠算法辨识了实船一阶线型响应型模型参数。实例显示,将船舶运动模型参数辨识问题转化成优化问题,通过新型蝙蝠算法对构建的误差准则目标函数的优化,能够快速找到使得目的函数最优的一组变量,该变量即为辨识得到的模型参数。研究表明,提出的技术路线简明且适用,是一种有效的计算机辅助船舶运动模型参数离线辨识方案。     

基于改进粒子群算法的双馈感应发电机参数辨识

基本粒子群算法(PSO)存在早熟问题,且惯性权重对参数辨识结果的影响较大,为此提出将变权重PSO算法和全局最优位置变异PSO算法相结合的改进PSO算法,并将其应用于双馈感应发电机(DFIG)的参数辨识。分析了DFIG中各参数的可辨识性和辨识难易度,给出了基于改进PSO算法的参数辨识步骤。与采用基本PSO算法、变权重PSO算法和全局最优位置变异PSO算法的参数辨识结果相比较,该方法具有收敛速度快、辨识误差小的优点,即使在较大的搜索范围内仍具有较高的辨识精度。     

基于改进的BP神经网络算法的控制系统在线辨识方法

 讨论了以计算机虚拟仪器为核心器件,搭建了动态测试与系统辨识硬件平台,使用Delphi语言编写辨识模块,实现对控制系统的在线辨识。在非线性系统辨识方面,针对BP神经网络算法中存在的收敛速度比较慢和辨识精度不高的问题,提出一种基于降低网络灵敏度的MBP神经网络辨识算法和一种基于小波分析的神经网络辨识算法,实现了对控制系统的状态进行预测估计。并以“防空武器半实物仿真系统”中的三轴稳定平台为对象,试验验证了算法的正确性。     

基于生物地理学优化算法的高速磨削电主轴定子电阻辨识

目的减小电主轴在运行过程中定子电阻变化导致的电主轴转矩脉动,进而提高高速磨削机床加工精度.方法基于直接转矩控制系统下的高速磨削电主轴温度检测试验数据,将BP神经元网络算法与随机扰动的生物地理学优化算法(MLBBO)相结合,利用MLBBO算法对传统的BP神经网络权值和阈值进行优化,建立基于MLBBO-BP的定子电阻辨识模型,并利用MATLAB进行仿真.结果利用MLBBO-BP模型方法对直接转矩控制系统下的电主轴定子电阻辨识精度可达±0.3%,模型辨识能力较强.和传统的BP神经网络辨识定子电阻方法相比,精度更高.结论利用MLBBO-BP方法可以有效地辨识定子电阻,辨识精度较高.