一种基于像素域与变换域联合估计的JND改进模型

建立一种基于联合估计的像素域JND(just noticeable distortion)改进模型.对纹理区域采用DCT方法的JND模型能够方便地引入CSF函数,使得纹理区域的对比度掩蔽估计更精确;对于平坦区域、高亮度或者较暗区域则使用基于像素域直接计算的JND模型,充分利用了亮度自适应因素.仿真结果表明,与目前其他几种像素域JND模型相比,在相同的主观质量下,本文方法可以进一步减少图像的视觉冗余.     

基于ACO-LSSVM燃煤碳元素分析的锅炉CO2排放量计算

针对生产实际中无法对燃煤组分进行在线检测分析的问题,建立了基于最小二乘支持向量机的燃煤的碳含量预测模型. 以工业锅炉燃煤的相关工业分析数据作为模型的输入,并采用蚁群算法对最小二乘支持向量机相关参数进行寻优以提高模型的建模精度. 应用该模型对福建地区工业锅炉燃煤的碳元素含量进行预测,预测结果的最大误差为1.18%,平均误差为0.64%. 和传统多元逐步回归预测方法相比,该预测模型具有较高的预测精度,为工业锅炉二氧化碳排放量的科学计算奠定了基础.     

基于最小连通支配集移动的WSANs连接恢复算法

在无线传感器与执行器网络(wireless sensor-actor networks,简称WSANs)关键任务应用中,单个或多个节点的失效可能造成内执行器节点产生网络分隔,自动检测和快速恢复来保持内执行器网络的连接性显得非常重要.论文提出了一种基于最小连通支配集移动的连接性恢复算法(minmal CDS motion-based connectivity recovery,简称MCDSR),该算法主动探测影响网络连通的割点,并为其指定最小的连通支配集.一旦检测到节点失效,备份的支配集初始化恢复进程直到网络连接恢复.并通过实验与现有的恢复算法进行比较,发现MCDSR算法在移动的节点数目、总的移动距离、覆盖度减少等方面有更好性能.     

基于激光扫描共焦显微技术的刀具刃口精密测量

为表征刀具刃口结构,提出了一种刃口精密测量和数据处理方法.采用激光扫描共焦显微镜对刀具刃口进行精密测量,通过数据后处理拟合刃口圆弧半径.研究结果表明:测量采用的角度块倾角会对刃口测量范围及刃口不对称度判定产生影响,应根据刀具结构参数合理选择,对于TPMT16T304刀具选择倾角为50.5°的角度块时测量效果较好;数据平滑可以有效去除测量噪声,提高数据处理效率和测量精度;刀具刃口最小二乘拟合结果与扫描电镜法测量值及标称值较吻合,标准不确定度优于0.084μm.以上结果说明,基于激光扫描共焦显微技术的刀具刃口测量方法简便、测量精度高且不破坏刀具.     

四轴车辆全轮转向的最小转向半径模式研究

通过调整双前桥转向传动机构以适应四轴车辆的全轮转向,研究得出转向中心线由3、4桥中心移至2、3桥中间且靠近3桥对车辆转向特性的影响可以忽略. 在双前桥转向的基础上,以降低轮胎磨损、减小转弯半径为目标设计了四轴车辆最小转弯半径模式的控制算法. 另外,为减小后两桥车轮向外滚出让驾驶员有摆尾感觉,在控制输出时加入了定延时. 仿真结果表明所设计的控制器提高了四轴车辆的机动性,并且有效地改善了摆尾现象.      

单快拍数据预处理的相干信号波达方向估计

针对已有的相干信号单次快拍波达方向(direction-of-arrival,DOA)估计算法需要限定入射信号类型或者通过损失部分阵列孔径来放宽限定条件的问题,提出一种新的单快拍解相干算法.算法首先对接收的单次快拍数据做互相关预处理,利用预处理所得的数据重构等效协方差矩阵,再基于多重信号分类法(multiple signal classification,MUSIC)或信号参数估计的旋转不变子空间技术(estimation of signal parameters via rotational invariance techniques,ESPRIT)完成相干信号DOA估计.算法在不损失阵列孔径的同时,无需限定入射信号类型.进一步的快拍数叠加试验表明,在低信噪比条件下,通过随机快拍数据叠加,算法性能较已有算法更好.计算机仿真结果验证了算法的有效性.     

AR(p)扰动下最小均方误差受控过程的联合监控

针对最小均方误差(Minimum Mean Square Error,MMSE)受控过程联合监控可控输入与过程输出这一问题,在任意阶自回归AR(p)平稳扰动模型下开发了一种通用的联合控制图,并将界内点排列非随机判异规则引入其中.同时,对AR(p)平稳扰动模型下生产过程的MMSE控制器和输入与输出的平均链长(Average Run Length,ARL)进行了推导.最后,通过仿真实验验证了该联合控制图的有效性.     

基于模糊聚类测点优化与向量机的坐标镗床热误差建模

为了研究电主轴系统热特性对机床精度的影响,建立了主轴轴向及径向热误差模型.以精密坐标镗床为对象,采用五点法对主轴热误差进行测量,并分析了转速对主轴热误差及温度场的影响规律.利用模糊聚类分析法对温度变量进行分组优化,选出对热误差敏感的温度变量,建立主轴轴向热伸长及径向热倾角的最小二乘支持向量机(LS-SVM)以及多元线性回归(MLRA)的综合热误差模型,并设定了预测优度评价标准.结果表明:模糊聚类分组法能有效降低温度变量间的多重共线性,并提高模型的稳定性;LS-SVM模型具备全局寻优的特点,可实现不同工况的高精度预测,预测精度可达90%,且比传统的MLRA模型有更好的通用性以及更强的泛化能力,可作为后期热误差的补偿模型.     

矩阵Fan积和Hadamard积的特征值界的新估计

给出非奇异M-矩阵A和B的Fan积AB的最小特征值下界和非负矩阵A和B的Hadamard积A·B的谱半径上界的新估计式,这些估计式都只依赖于矩阵的元素.数值例子表明,新估计式在一定条件下改进了现有的结果.     

基于黑洞算法的LSSVM的参数优化

采用黑洞(BH)算法对最小二乘支持向量机(LSSVM)的惩罚系数C及径向基核函数参数σ进行搜索优化,提高LSSVM的预测性能.黑洞算法模拟自然界黑洞,吸引一定范围内的星体向其运行并吸收它们;算法在运行过程中,始终保持黑洞为最优解,通过星体的运行搜索整个空间.通过基于黑洞算法的LSSVM和基于粒子群(PSO)算法的LSSVM实现对二维函数的预测,并对二者进行了仿真研究.仿真结果证实,黑洞算法可以更好地实现LSSVM参数的优化搜索,且基于黑洞算法的LSSVM方法具有更高的预测精度.