短时交通流预测FSMSVR模型

针对城市道路短时交通流的复杂非线性特点和以往的预测仅考虑典型交通条件（无交通事故等突发事件）的现状,结合交通流的特征,提出了一种有限状态机支持向量回归模型（finite state machine of support vector regression model,FSMSVR）的短时交通流预测机制. 通过线性回归算法和指数平滑算法划分交通流状态,根据各状态特点结合支持向量回归算法建立有限状态机工作机制,实现涵盖典型和非典型交通条件的短时交通流预测. 通过实验例证,对比了FSMSVR模型和传统SVR模型对城市道路6min交通流的预测,研究结果表明,该预测机制能够提高预测精确度,在非典型条件下有着较好的预测表现.     

柔性印刷机虚机实电仿真系统

提出了一种用于装备工业的真实电控装置和计算机模拟的虚拟机械进行联合调试的新思想——虚机实电．虚机实电系统不需要连接到真实的机械设备上，就可以调试其电控装置，能够发现其潜在的错误，因而能够缩短产品的调试时间，节约成本，极大地提高企业的竞争力。作为其一个应用实例，介绍了柔性印刷机虚机实电仿真系统。给出了其系统结构和组成，详细介绍了其五个功能模块。并对系统的实时性问题提出了解决方案．通过试验实现了其真实电控装置对虚拟印刷机的实时控制，验证了上述思想的正确性。     

集成人机交互仿真系统研制与应用

基于虚拟现实技术和人机工程学原理,综合应用多通道宽屏投影拼接、光学运动跟踪和数据手套手势跟踪、Vega和Creator等许多虚拟现实软、硬件技术,构造出一个可供人与计算机中的虚拟操控系统进行实时交互的虚拟仿真环境,可对人机交互绩效进行动态、客观的测量,继而评价操控面板系统的设计质量,亦可用于各类二维操控面板的操作培训。初步实验结果验证了系统的可行性。     

基于支持向量机的换档质量评价系统

车辆换档质量是自动档车辆最重要的性能之一,因此换档质量的评价一直是车辆性能研究的一个重点。以支持向量机理论为核心创建的换档质量评价系统,综合考虑了车辆换档的各种工况和影响因素,利用支持向量机良好的泛化能力,能够稳定的对换档质量进行动态综合的评价。     

基于并行计算的盾构机刀盘三维切削仿真

针对盾构机工作时刀盘切削土体的数值仿真，建立了细致分析模型，并利用任意拉格朗日欧（ALE）和流固耦合（FSI）理论及方法未解决传统有限元方法进行切削仿真时易引发的网格大变形问题；在国产曙光4000A超级计算机上利用LS-DYNAMPP970完成了并行计算，采用了传统递归坐标对分、以夏根据仿真模型特点提出的基于耦合均衡坐标对分等两种区域分解策略。结果表明，ALE-FSI方法能有效处理刀盘切割土体仿真时的网格大变形，仿真数据与试验数据对比也比较一致：通过促进负载均衡，在计算时CBCB法比RCB法体现出了更好的加速比和并行效率。     

一种新的支持向量机快速训练算法

针对大规模数据集的分类中支持向量机的训练,为解决选取样本集合边界向量时需事先判定样本集合是否线性可分的问题,提出一种基于密度法的支持向量预选取方法。该方法不需要事先判定训练样本是否线性可分,具有较强的抗击噪音点和孤立点干扰的能力,并且计算简单,易于实现。实验结果证明了这种方法是有效的。     

基于模糊支持向量机的小批量生产质量智能预测方法

在分析比较目前常用的智能工序预测技术及其特点的基础上,提出一种适合小批量生产过程的质量智能预测模型,并给出了相应的预测过程和算法.由于该模型中以模糊支持向量机(FLS-SVM)技术为智能核心,一方面较好的解决小样本学习问题,避免了人工神经网络等智能方法在对小批量生产过程质量进行预测时所表示出的过学习、泛化能力弱等缺点.另一方面,通过隶属度函数对样本进行模糊化,达到样本优化选择,实现历史数据“重近轻远”的预测效果.通过对具体加工过程的预测实验,并与其它几种常见预测方法效果进行对比,说明本文方法实现容易,建模速度快,小样本的泛化能力强,为实现小批量加工过程的在线质量预测与控制提供可行的思路.     

基于支持矢量机和循环累积量的调制识别算法

利用通信信号的循环平稳特性,在循环累积量域内构造信号分类特征矢量,采用支持矢量机将分类特征矢量映射到高维空间并构建最优分类超平面,实现对QAM调制信号的自动识别。该算法解决了样本在低维空间中的不可分问题,具有良好的泛化推广性能,并且可在多种调制信号环境下实现对感兴趣信号类型的识别。理论分析和仿真结果均证明了算法的正确性和有效性。     

最小二乘支持向量机分类器的高稀疏化及应用

为减少训练完毕之后的最小二乘支持向量机的分类计算量,借鉴神经网络的快速剪枝策略,提出了一种新的稀疏化算法:HS-LSSVM。它在主成分分析基础上,筛选出样本子集作为支持向量,它们既包含较多核函数矩阵信息,又相互独立性强,具有较好的代表性。算法将其余个体的信息转移至支持向量上,在实现高度稀疏化的同时,良好地保持了LSSVM的分类性能,并能适用于多类问题。对多个分类问题的测试表明,HS-LSS-VM具有稀疏率高,分类性能强,且稀疏化速度较快等优点。     

基于极限学习机的生化过程软测量建模

针对极限学习机方法隐层神经元数目过多的缺陷，提出一种改进的极限学习机方法。在单隐层前向神经网络的隐层中，增加一类分类神经元，从而形成了一种新的单隐层神经网络结构。针对不同类样本数不相同的问题，提出了处理方法，使得可以利用相同的隐层神经元对不同类的学习样本进行拟合，这使得网络的隐层神经元数目大大降低，从而简化了模型的结构，提高了神经网络的计算速度。将这一方法应用于诺西肽发酵过程，建立了菌体浓度的软测量模型，实现了菌体浓度的在线预估。