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.     

基于遗传算法的改进径向基支持向量机及其应用

通过对径向基核函数进行分析后发现:根据样本各个特征的识别能力赋予其不同大小的核参数,可以提高支持向量机的推广能力。此结论基础上,提出了一种基于遗传算法的多核参数径向基支持向量机算法,通过遗传算法最小化验证误差,实现了根据各个特征的识别能力赋予其不同大小的核参数。将该算法用于轴承故障诊断,实验结果表明,与传统支持向量机相比,多核参数径向基支持向量机具有更好的推广能力,同时,核参数的大小反映了对应特征识别能力的大小。     

Pareto/NBD模型扩展

Pareto/NBD模型是由schmittlein等(1987)提出,用于描述非契约客户关系情景下客户重复购买行为.该模型被认为是目前客户基分析中的基准模型,但其所基于的概率分布假设过于严格,且存在与常识不符的问题.针对这些问题,使用马尔可夫链蒙特卡罗方法,直接获得客户购买率和流失率的后验样本,从而使放松Pareto/NBD模型的假设成为可能.通过放松Pareto/NBD模型假设,设计了三个扩展模型,推导了相应的公式.用实际的数据集对pareto/NBD模型及其扩展进行预测效果对比,发现了预测能力明显高于Pareto/NBD模型的扩展模型.     

系统关键变量反馈基模层次生成法及应用

在彼得．圣吉对社会管理系统分析九个基模的基础上,提出分析社会管理系统的四个基本基模。并且,提出系统反馈基模的层次生成法,此方法可以实现特定复杂系统的基模生成研究,并可以生成彼得．圣吉的九个管理基模,为复杂系统的反馈分析提供了有效的工具。     

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.     

基于正交基函数的广义FIR模型辨识方法

为了解决高阶脉冲响应模型带来的分析和计算上的困难,利用系统的部分已知信息构造正交基函数,并将其引入到传统脉冲响应建模中,提出了一种广义脉冲响应模型辨识方法。该方法通过正交基函数对输入数据进行滤波,使得滤波后的数据蕴涵着系统的部分动态特性,但也使滤波后的数据不再满足时移特性,因而无法直接使用梯度算法对模型参数进行辨识。结合递推最小二乘原理,给出了模型参数的计算公式。最后给出了仿真算例,结果表明,给出的方法具有优良的性能,完全能够满足系统建模要求。     

基于RBF网络和ARX模型的液压系统故障诊断方法

提出了基于径向基函数(Radial Basis Function,RBF)网络和有源自回归(Auto-Regressive with Extra Inputs,ARX)模型的液压系统的故障诊断方法.作为一种性能优越的网络分类器,RBF网络比传统的反向传播(Back Propagation,BP)网络表现出更好的分类效果,非常适合于故障特征识别.故障诊断方法首先针对目标故障状态建立 ARX模型,提取 ARX 模型的自回归系数作为故障特征向量.然后将故障特征向量作为RBF网络训练样本,建立RBF网络故障分类器,进一步根据RBF网络的输出结果来判断故障的类型.通过建立挖掘机铲斗部分液压系统仿真模型,验证了于基于RBF网络和 ARX 模型的故障诊断方法的有效性.     

基于脸部结构知识的三维人脸建模

将Sibson坐标用于局部特征分析,提出了一个新的局部形变模型.该模型具有较强的局部性,可以精细地刻画人脸个性特征,且能够根据人脸形状的先验信息进行整体控制.然后,在局部形变的基础上采用双重形变,实现了两种互补的形变算法在特征级的融合,进一步提高了建模精度.实验结果表明,本算法具有较小的重建误差和较快的处理速度,能够生成光滑、逼真的三维人脸模型.     

基于RBF神经网络的井眼方位角误差建模及补偿

对于陀螺钻井测斜技术而言,由于惯性器件本身误差及井下恶劣条件带来的干扰均具有复杂性,误差补偿是影响测量精度的关键因素。在阐述陀螺测斜原理、分析测斜系统可能产生的各种误差的基础上,进行了测斜仪转台实验,并采用神经网络中的径向基函数理论建立了井眼方位角误差模型,将其建模性能指标与双线形插值建模指标进行综合对比,结果表明RBF网络建模时间短、拟合性能好、预测能力强、补偿后方位角误差得到有效抑制、补偿精度高,各项指标均优于双线形插值方法。     

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。