基于遗传算法的图像识别方法

分析了图像识别中模板匹配技术面临的计算量大、存储量大的问题,提出了基于遗传算法的图像识别方法。该方法首先对图像模板进行离散化处理,对图像离散点控制,从而把图像识别问题转化成一系列离散点的组合优化问题;然后利用遗传算法对种群优化的性能,对各个控制点组合优化,使各控制点与模板匹配;最后通过计算机仿真实验,证明了这种方法的有效性和实用性。     

基于模糊遗传算法的工业过程控制参数优化研究

针对复杂工业过程控制要求多样性、控制参数难调整的问题,提出了一种控制参数优化方法.其中,利用模糊评判方法设计了模糊适应度函数以改进标准遗传算法,把控制要求分解成多个对控制结果模糊评判的因素,由于其具有不同权重,因此控制结果与控制要求的接近程度就转化成了对遗传算法中个体(控制参数)的适应度.应用该算法优化了生物发酵罐温度控制器的控制参数,实验表明,控制器的控制精度、温度变化平稳性、能耗、电磁阀开关频率等指标均得到了改善,能够较好地解决复杂工业过程中控制参数优化的问题.     

感应电机自适应无源性控制方法及 dSPACE 实时仿真研究

利用本质上是非线性反馈控制的无源性控制 (PBC)方法与自适应控制相结合 ,实现负载转矩时变未知情形下磁链、转速的渐近跟踪 ,并可有效抑制由定、转子电阻变化引起的跟踪误差 .该方法从能量角度分析电机控制系统 ,确定不必抵消的“无功力” ,设计全局定义的控制律 ,具有形式简单、无奇异点、鲁棒性好等的特点 .基于dSPACE的在线仿真结果表明 :系统运行平稳 ,负载转矩时变未知时 ,仍可有效渐近跟踪期望的转子磁链和参考转速 ,具有较优的动静态响应特性     

火电厂锅炉先进控制与优化策略研究

在简述先进控制与优化理论思想基础上，详细阐述了一种应用于电厂锅炉的先进控制工作站ACMP，及其在PID自动整定、主蒸汽温度和压力的预测控制、在线燃烧优化控制等方面的应用，估计了此策略在电力企业的应用前景。     

一种基于Lagrange神经网络的盲多用户检测器

提出了一种基于Lagrange神经网络的盲多用户检测器，该检测器以最小平均输出能量为准则，把盲检测问题转化为优化问题，利用神经网络进行有效求解。理论分析和仿真结果表明，该检测器在性能上优于传统的检测器，且计算量少，收敛速度快，便于实时处理。     

模拟退火算法机理研究

从机理上分析了采用Metropolis概率接受准则的重要性 ,认为按照该准则可以使模型跳出局部极小值 ,避免了落入局部极小点的可能 ,然后在退火计划的控制下模拟退火算法 ,最终可以找到最优解 ;深入分析了算法的退火计划和模型扰动 ,以及两者之间的配合的技巧 ,认为算法本身可以作进一步的改进 ;并提出了改进的思路 ,为下一步的具体改进打下了基础     

基于模糊自适应谐振理论的彩色目标跟踪系统

提出了一种在变光照条件下进行彩色图像分割和目标跟踪的方法 .通过在色度、饱和度、亮度HSI(hue ,satura tion ,illumination)空间自组织非监督地进行颜色聚类 ,使用增加、削减和融合聚类的方法 ,寻找适当的聚类数量 ,使目标跟踪更加精确 .该方法基于模糊自适应谐振理论 (fuzzyadaptiveresonancetheory ,FuzzyART) ,具有在线升级目标颜色模型的能力 ,可以克服环境光线变化所带来的影响 .在复杂背景和变光照条件下的目标跟踪实验结果证实了该方法的有效性 .     

计算结构可靠指标的循环逼近法

基于几何原理,建立了可靠指标的新优化模型.对于任何类型变量,该模型均无需计算其当量正态分布的平均值和标准差.将循环筛滤思路引入到该优化模型中,提出了循环逼近法.经算例验证,该算法简便实用,可以快速逼近并确定验算点、求解可靠指标,且具有令人满意的计算精度,为结构可靠指标计算提供了新的有效途径.     

黄孢原毛平革茵产锰过氧化物酶培养基优化

黄孢原毛平革菌(Phanerochaetechrysosporium)5.776在限氮高锰培养基中产生较高的锰过氧化物酶。通过对初始发酵培养基的优化条件研究,对原培养基进行优化/g·L-1):葡萄糖,10;酒石酸铵,0.37(2mmol);吐温80,1;Mn2+,9.9×10-6;于34℃静置培养5d;产MnP活力达1200U·L-1,比优化前提高了近17倍。     

基于信号谱熵的模糊Hamming网络缺陷识别

无缝钢管损伤监测和诊断的关键在于缺陷信号特征的提取和识别，作者研究了无缝钢管内伤、外伤及孔洞等缺陷信号的频域特征，提取信号二维谱熵指标作为特征指标，运用改进的模糊Hamming神经网络识别方法，对无缝钢管的缺陷进行识别，结果表明，该方法具有很高的识别精度，实例中识别准确率达100％，由于该识别方法不需要示教学习过程，因此能够应用于实时在线缺陷识别。