基于量子框架的重卡AMT系统逻辑建模研究

针对应用传统有限状态机方法建立的行为模型存在可读性差、系统功能扩展、裁剪困难等缺点,提出将量子框架(QF)应用于重卡积械式自动变速箱(AMT)开发中.首先介绍了量子框架的基本特点及其运行机制,然后重点分析了AMT系统的工作过程,将整个系统分解为四个相互独立的活动对象,分别建立了基于量子框架(QF)的状态机模型,最后进行了实车试验.结果表明,在重卡机械式自动变速箱(AMT)开发中应用量子框架技术,显著地提高了设计效率、代码可读性以及系统的可维护性.     

基于有限状态机理论的ABS模糊控制仿真研究

在分析汽车防抱死制动系统传统控制方法以及汽车稳定性控制系统集成控制基础上,提出了基于滑移率的模糊控制方法.利用Matlab的模糊工具箱建立了模糊控制系统;搭建了基于Simulink的7自由度车辆模型、Dugoff轮胎模型和压力调节单元模型;基于有限状态机理论的控制输出模型,在此模型搭建的环境中完成了单一路面和对接路面仿真.仿真结果表明:基于Matlab/Simulink/Stateflow的ABS仿真系统能很好的模拟车辆制动过程;基于滑移率的模糊控制方法能将滑移率稳定控制在理想值,为车辆稳定性系统集成控制提供了必要接口;能有效地缩短制动距离,提高车辆的方向稳定性,对路面的突变具有很好的适应性.     

基于自调节分类面SVM的平衡不平衡数据分类

标准支持向量机(SVM)对不平衡数据集进行分类时,会出现不平衡现象;传统不平衡数据集分类方法只能对不平衡数据集分类,且在分类过程中存在人工因素的参与.提出一种平衡不平衡数据集统一分类方法--自调节分类面支持向量机(self-adjusting classification-plane SVM,SCSVM),设计自适应的分类面调节方法,根据训练错分情况对分类面进行调整,控制正负类样本的错分率使其达到均衡,平衡或不平衡数据集都可采用相同的方法进行分类而不需预知数据集种类.实验表明该方法可对平衡或不平衡数据集进行有效的分类.     

Hybrid Genetic Algorithms with Fuzzy Logic Controller

SYSTEMS ENGINEERING1. IMTSODUCTIONMachine scheduling problem is the study of constructing schedules of machine processing for a set of jobs inorder to ensure the execution of all jobs in a reasonable amount of time or cost. Usually, it deals with whatmachines to be allocated to which jobs and how to order the jobs in an appropriate processing sequence. Inparallel machine system, two machines are identical and a job can be processed by any one of the free machines.Each finished job …     

紫外线荧光效应及其在棉花异性纤维分拣系统中的应用

基于机器视觉技术的棉花异性纤维分拣是近几年来国内外研究的热点,为了有效分拣棉花中含有的与棉花色泽相近的异性纤维,提出了一种结合紫外线荧光效应的机器视觉方法应用于分拣棉花中的异性纤维.该方法利用紫外线的荧光效应突出与棉纤维色泽相近的异性纤维与棉纤维的特征差别,并根据异性纤维的类型归纳,提出了用非线性阈值判断算法进行检测.试验结果表明,在紫外线照射下,90%以上的白色异性纤维特征发生明显变化,算法具有非常高的拣出率,系统可以有效地清除棉花中异性纤维杂质.     

切削参数对系统动态稳定性的影响规律

本文基于所建立的描述切削过程动态稳定性的一个非线性理论模型,研究了机床主轴转速、进给量、切削宽度以及刀具前角和后角对系统动态稳定性的影响规律,并用计算机数字仿真分析了在线调整这些切削参数抑制颤振的效果.     

机器学习与智能决策支持系统

长期以来，两个关键性的问题一直困扰着智能决策支持系统的研究者们，即智能决策支持系统如何获取和精确与决策过程直接相关的知识，以及如何使智能决策支持系统具有一定的适应性和演进能力，使其在不断的使用过程中积累经验而改善自身的性能。本文就如何利用机器学习方法解决智能决策支持系统研究过程中存在的上述问题进行了探讨。     

基于残差补偿的极限学习机自编码器

极限学习机自编码器作为无监督降维方法,通过重构输入数据来提取原始样本特征,具有学习速度快、泛化性能高等优势.但经典极限学习机自编码器表示能力有限,使得重构输出和原始样本之间的残差不可避免.因此借鉴残差补偿思想,提出基于残差补偿的极限学习机自编码器,通过不断对重构残差补偿式学习来改善ELM-AE的表示能力.在6个公开数据集上进行K-means聚类实验,结果表明基于残差补偿的极限学习机自编码器(RCELM-AE)能够有效提高聚类准确率.     

基于支持向量机的压力传感器校正模型

针对压力传感器输出特性受温度变化和电压波动影响的问题,提出了应用支持向量机对压力传感器输出特性进行非线性补偿的校正模型。校正模型利用支持向量机具有逼近任意非线性函数的特点,通过建立压力传感器输出特性与其实际电压值之间非线性映射关系的校正模型,实现压力传感器非线性补偿校正。实验结果表明,最大相对波动从22.2%降为0.64%,能有效地消除温度和电压波动的影响,在校正模型的输出端得到期望的压力传感器输出特性。     

融合模糊评价与极限学习机的配电线路台风灾损预测

为了提升配电网线路应对台风的防灾减灾能力,提出一种台风影响下配电线路的灾损预测方法.充分考虑台风登陆位置对目标地区影响程度的复杂性,利用模糊评价方法评估台风登陆距离的影响模糊程度.并在此基础上结合台风风级、风速和风圈半径等属性作为预测模型的输入特征,构建基于极限学习机(ELM)的灾损预测模型,对台风影响下的目标地区配电...