基于岭回归径向基神经网络的MIMU误差建模

对MEMS（Micro Electro Mechanical systems微电子机械系统）IMU（Inertial Measurement Unit惯性测量单元）的随机漂移和误差进行建模和补偿是提高捷联惯导系统性能的主要方法之一。为了避免径向基（RBF）神经网络输出之间可能存在的复共线性,更加准确有效的对MIMU的输出误差建模,提出将岭回归径向基神经网络用于MIMU的误差建模中。通过与时间序列建模方法的仿真比较表明,在对MIMU误差补偿上所建立的岭回归RBF网络与四阶AR模型方法精度相当,比一阶AR模型精度高,而且无需对数据平稳性处理。

Abstract：

It is one of the main methods to improve the performance of Strap-down Inertial Navigation System for compensating the random drift and bias of MEMS （Micro Electro Mechanical systems） IMU （Inertial Measurement Unit）. In order to eliminate latent multicollinearity of radial basis function neuron network output layer and model the drift and bias of MIMU accurately,the radial basis function neuron network based on ridge regression method was proposed which was applied in modeling and compensating MIMU errors. The simulation shows,compared to the AR model,the precision of compensation of MIMU error using radial basis function neuron network based on ridge regression method is equal to the fourth order AR model,better than first order AR model,and no data stabilization processing.     

高灵敏显色剂meso-四-(4-甲基,3-磺基苯)卟啉间接分光光度法测定微量硫化物

本文利用汞（Ⅱ）－ＴＴＰＳ４的显色反应间接分光光度法测定微量硫化物，灵敏度高，选择 性、稳定性均好．已应用本法测定了温泉水、工业废水中微量硫化物，结果满意．     

确定事例特征权值的方法研究

针对事例特征权值的确定问题 ,提出了 Delphi和 AHP相结合的权值确定方法 ,以及二次规划模型权值确定法和信用统计权值确定法 .这些方法在事例特征权值的确定中 ,有助于减少主观性 ,增加客观性 .     

基于径向基函数网络或模糊系统的非线性连续时间系统的自适应调节

对于一类连续时间的非线性动态系统x=f(x)+Bu+d,当系统中的非线性函数f(x)满足有界或线性增长条件(具有未知的增长系数)时,首先证明了f(x)中的x落入一紧集中,然后根据径向基函数网络或模糊系统的逼近性质,给出了两种自适应调节器的设计方法.利用李亚普诺夫稳定性理论,证明了控制算法是全局稳定的,闭环系统的状态是一致最终有界的,且控制律是稳定的.     

投资组合有效集问题和它的一种算法

本文构造了一种二次参数规划转轴方法,并在此基础上提出了Ｍａｒｋｏｗｉｔｚ投资组合有效集的一个解法。该方法的优点在于能够处理各投资项目之间的协方差距阵为半正定的情形。     

机动运动辐射源的单站无源定位自适应算法

利用目标到达角(DOA)和到达时间(TOA)作为测量数据,采用最优加权最小二乘估计和基于机动加速度的非零均值时间相关模型的自适应卡尔曼滤波算法,通过加速度方差对滤波增益的修正,完成机动加速度方差自适应算法,实现了对机动目标进行单站无源定位与跟踪的方法.计算机仿真验证了算法的有效性和可行性,证明该方法在无源定位系统中有一定的参考价值.     

一般指数函数算符exp（iF（Q1,Q2,....Qm））的分立基中的路径积分

研究了由分立基描述的量子系统中的一般指数函数算符ｅｘｐ（ｉＦ（Ｑ１,Ｑ２,．．．,Ｑｍ））的路径积分构造方法,建立起随“参数数τ（０≤τ≤１）”演变的分立基路径积分,并给出了将泛函（路径）积分处理多重积分的一般方法,最后,就分立基路径分在物理学中的应用,结合具体实例作了计算和处理。     

模糊遗传滚动优化的LS-SVM预测控制研究

提出一种基于最小二乘支持向量机(LS-SVM)的非线性系统预测控制算法。该算法通过LS-SVM对非线性系统输入输出数据序列的训练学习建立其预测模型;基于模糊遗传算法完成非线性预测控制的滚动优化过程。仿真结果表明基于该方法的非线性系统预测控制比基于RBF神经网络的预测控制具有更好的控制效果。     

基于鲁棒LS-SVM的ARMA时序模型研究

对时序数据建模与辨识技术进行了分析,提出了使用鲁棒LS-SVM算法建立ARMA时序预测模型。该模型是在LS-SVM的约束条件中加入鲁棒特性和时序模型参数,使之在求解的过程中对孤立点与噪声不敏感,并且能准确地辨识时序模型参数。考虑到高炉的热状态的输入输出数据集间存在着复杂非线性时序上的关系,通过用基于鲁棒LS-SVM的ARMA模型预报铁水中硅的含量,从而达到了预测高炉热状态的目的。说明了该模型在对非线性时间序列预测精度和稳定性上具有明显的优越性,为稳定钢铁质量和生产工艺创造了良好条件。     

基于双尺度连续小波变换的二相编码信号识别

针对信号和噪声小波变换的模极大值在不同尺度上表现出截然不同的性质,提出一种利用粗细定位相结合的思想对二相编码信号奇异点实现精确定位的方法。该方法采用大尺度上的模极值点进行粗略定位奇异点出现的范围,并据此去除小尺度上的伪极值点,用小尺度上的模极值点精确定位奇异点出现的时刻。实验仿真比较了几种不同小波基函数下的算法性能,结果表明,该方法在采用db3小波基下对二相编码信号突变点的识别具有很好的效果。