多参考通道自适应有源结构声辐射控制系统参考信息的拾取研究

理论研究了多参考通道自适应有源结构声辐射控制系统参考信息的拾取问题,利用二维空间采样定理,对简支条件下矩形板的受激振动信号的采样点的个数和布放作了研究,给出了恢复矩形板的振动信号的解析形式,并作了数值计算和误差分析,得到的结果具有普遍性,对结构振动的近场声辐射的预测及进行有源噪声抵消的研究和应用具有重要的意义     

基于能量谱函数相关系数的极化SAR数据滤波方法研究

有效的极化SAR相干斑滤波器需要在抑制噪声的同时避免图像细节信息的模糊。然而固定大小窗口的滤波器很难做到两方面都好的效果。由于极化总功率(Span)图像可以有效地反映地物极化散射特征的变化,提出根据Span图像局部能量谱函数的相关系数值自适应地选择窗口大小,能够在均质地区选择较大窗口而在异质地区选择较小窗口,再利用方向窗选择像素进行最小均方误差(MMSE)滤波。实验结果表明,该方法能在滤除噪声的同时,有效地保持对地物细节的分辨能力,为极化SAR数据的后期处理和应用打下基础。     

智能天线在卫星定位抗干扰中的应用

介绍了自适应波束形成技术的基本原理,结合卫星定位系统的特点,提出了一种将自适应波束形成技术应用于卫星定位接收机抗干扰系统的解决方案.该方案利用卫星星历和惯性导航器件的输出来构造卫星信号的方向向量,对阵列接收信号的协方差矩阵利用其最大似然估计逼近,在最大化输出SINR准则下求出相应的最佳权值向量.仿真结果显示利用该最佳权值向量能够有效地对单干扰和多干扰在干扰来向形成深度零陷,同时在卫星信号来向保持一定的增益,能较好地满足卫星定位抗干扰系统对前端天线阵抗干扰能力的需求.     

PEMFC输出功率的二自由度PID控制

为提高质子交换膜燃料电池(PEMFC)的输出性能,对于其输出功率的一阶滞后数学模型,进行二自由度PID控制方案设计.针对二自由度PID控制器参数整定过程中存在的不足,提出一种基于自适应遗传算法的二自由度PID控制器设计.仿真结果表明,经优化整定后的二自由度PID控制器,可使PEMFC的输出功率能较好地跟踪给定期望值的变化,同时也可更好地抑制外扰.     

基于神经网络的模型参考自适应逆飞行控制

针对飞行安全控制问题,结合动态逆方法和神经网络理论,提出了一种基于改进BP神经网络的模型参考自适应逆控制方法,应用到飞行控制系统中。该方法在控制器中引入神经网络算法,在经典BP神经网络控制算法的基础上,使用遗传蚁群算法优化神经网络参数,在线调整网络的权值和阈值,避免了传统梯度下降法的缺点,提高了自适应算法的效率,达到了抗干扰的目的。从而改善了飞机飞行稳定性和操纵性。在波音747—100/200飞机模型上仿真实验表明了该方法的可行性和鲁棒性,能够保障飞行安全。     

广义特征值盲波束形成的低复杂度自适应算法

提出了一种线性低复杂度盲自适应Lagrange乘子波束形成算法．基于最大信干燥比准则(MSINR)的特征值波束形成将导致广义特征值(GE)问题,新算法通过把GE问题表示成期望信号和干扰噪声信号协方差矩阵特征值的函数,用线性迭代的方法搜索最大GE,并利用最陡下降法更新权向量;提出方法被用于W—CDMA智能天线基站上行信号接收．数值仿真结果表明,与其他算法相比,在未牺牲系统BER性能的同时,提出算法具有更快的收敛速度和更低的计算复杂度;算法总的计算复杂度约为O(7N)(N为天线元数目)．     

基于动量自适应学习率PSO-BP神经网络的钻速预测模型研究

机械钻速(rate of penetration, ROP)是钻井作业优化和减少成本的关键因素,钻井时有效地预测ROP是提升钻进效率的关键。由于井下钻进时复杂多变的情况和地层的非均质性,通过传统的ROP方程和回归分析方法来预测钻速受到了一定的限制。为了实现对钻速的高精度预测,对现有BP (back propagation)神经网络进行优化,提出了一种新的神经网络模型,即动态自适应学习率的粒子群优化BP神经网络,利用录井数据建立目标井预测模型来对钻速进行预测。在训练过程中对BP神经网络进行优化,利用启发式算法,即附加动量法和自适应学习率,将两种方法结合起来形成动态自适应学习率的BP改进算法,提高了BP神经网络的训练速度和拟合精度,获得了更好的泛化性能。将BP神经网络与遗传优化算法(genetic algorithm, GA)和粒子群优化算法(particle swarm optimization, PSO)结合,得到优化后的动态自适应学习率BP神经网络。研究利用XX8-1-2井的录井数据进行实验,对比BP神经网络、PSO-BP神经网络、GA-BP神经网络3种不同的改进后神经网络的预测结果...     

基于功率谱密度与随机配置网络的低压串联电弧故障检测

低压串联电弧电流为非平稳信号,故障特征区分度低且具有随机性,给电弧故障特征提取和准确检测带来困难,提出了基于功率谱密度与随机配置网络的低压串联电弧故障检测方法。首先,搭建了串联电弧故障发生平台,采集不同负载类型的电流数据,构建数据集。其次,采用功率谱密度对电流信号执行随机信号分析,实现对电流信号的定量化频域特征描述,增强故障电流与正常电流特征的区分度。然后,采用随机配置网络构建串联电弧故障检测模型,将功率谱密度特征用于随机配置网络的自适应训练学习,提升网络训练效率和模型故障检测能力。在本文构建的电流数据集上,串联电弧故障检测的平均准确率达到96.156 7%,证明了方法的有效性。     

WSAP： provide loss rate differentiation with active queue management

How to provide service differentiation in the Intemet is a hot research topic. One proposal is to provide loss rate differentiation by assigning levels of drop precedence to IP packets. This paper proposes a new Active Queue Management (AQM) mechanism, Weighted SAP (WSAP) to achieve this goal. WSAP is based on a new AQM algorithm called Simple Adaptive Proportional (SAP). WSAP can approximate proportional loss rate differentiation, while keeping high link utilization and short queuing delay. Compared with Weighted RED(WRED) and RED In and Out (RIO), WSAP is easier to configure and can provide better performance. Furthermore, an architecture for differentiated service is proposed. In the design of this architecture, more attention is paid to the characteristics of network traffic in the lntemet and an attempt is made to preserve the Intemet‘s original design principles.     

基于后验概率SVM的交通标志识别研究

在无人车交通标志识别系统中,以传统的神经网络算法或标准的支持向量机算法(SVM)设计的分类器,只能反映样本是否属于某类而不能确定样本属于某类的可信度,提出一种后验概率SVM交通标志识别方法。首先对检测与跟踪得到的交通标志大概区域图像进行彩色分割以精确定位交通标志区域,然后采用最大类间方差法分割交通标志的内部图案,最后将分割的结果进行大小归一化作为交通标志的特征图像以训练分类器和进行识别。实验结果表明,基于后验概率SVM的交通标志识别系统在复杂的室外环境下具有很强的鲁棒性和可行性。