基于声信号的履带机器人地面分类试验研究

为了拓展地面识别方式及提升识别率,提出利用履带机器人行驶噪声进行地面类型识别.使用声压传感器采集履带机器人在行驶过程中与地面相互作用辐射的声音信号,对声音信号提取修正的梅尔频率倒谱系数（MFCC）及其一阶差分（△MFCC）使用优化后的支持向量机（SVM）进行分类,并测试了该方法在多种背景噪声环境下的效果.结果表明,行驶噪声包含能够表征地面特点的信息.相比于幅域、频域和时频域特征,修正的MFCC+△MFCC特征具有明显优势.在校园环境中分类准确率达到了89.5%,当信噪比高于20 dB时,在多种背景噪声环境中分类准确率均达到80%左右.      

电压型逆变器变频平稳控制的研究

文章从电压型逆变器ＰＷＭ控制机理出发，着重研究了ＰＷＭ波形谐波分量以及逆变器开关时滞对逆变器输出电压及对电机速度平稳性的影响，最终提出了改进措施并给出了必要的突验结果     

基于高频信号注入的无传感器新型DTC系统

针对传统的直接转矩控制方法中存在的转矩脉动大、开关频率不恒定等问题,在分析永磁同步电机定子磁链坐标系中电压和磁链方程的基础上,提出了一种新型的基于空间电压矢量调制的直接转矩控制方法,并采用注入高频信号的方法来估计电机的转速和位置。通过Matlab仿真软件建立了该控制方法的仿真模型。仿真结果表明,该控制方法能有效地减小电机的磁链和转矩脉动,高频信号注入法可以准确估计出电机的转速和位置,系统具有良好的动态和静态性能。     

运用HSV－tk／ACV系统进行肿瘤基因治疗研究

构建了含ｐｇｋ启动子驱动的ＨＳＶ－ｔｋ基因的反转录病毒载体ｐＬＮＴＫ，将ＨＳＶ－ｔｋ基因转移至人脑胶质瘤ＳＨＧ４４细胞（命名为ＳＨＧＬＮＴＫ）及小鼠黑色素瘤细胞Ｂ１６（命名为Ｂ１６ＬＮＴＫ）．体外实验证实核着类似物ＡＣＶ对ＳＨＧＬＮＴＫ细胞和Ｂ１６ＬＮＴＫ细胞的杀伤敏感性分别高于亲本细胞１０００和４００倍．转ＨＳＶ－ｔｋ基因细胞与亲本细胞按不同比例共培养时，亲本细胞对ＡＣＶ的敏感性明显增高，存在旁观者效应．首次应用人脑胶质瘤细胞株进行裸鼠体内实验，结果表明：ＡＣＶ能完全抑制ＳＨＧＬＮＴＫ细胞在裸小鼠体内肿瘤的形成，对裸小鼠体内已形成的ＳＨＧＬＮＴＫ肿瘤的治疗效果与对照ＳＨＧ４４肿瘤相比，肿瘤体积缩小８０％；用Ｂ１６ＬＮＴＫ细胞接种同系Ｃ５７／ＢＬ小鼠，经ＡＣＶ治疗后，Ｂ１６ＬＮＴＫ组小鼠的肿瘤较对照组Ｂ１６肿瘤小９５％．ＨＳＶ－ＴＫ／ＡＣＶ系统原位基因转移治疗ＳＨＧ荷瘤裸小鼠、Ｂ１６荷瘤小鼠，原位注射病毒悬液／ＡＣＶ治疗组的ＳＨＧ肿瘤、Ｂ１６肿瘤分别较对照组肿瘤小５０％，４３％，原位注射ＰＡ３１７／ＬＮＴＫ细胞，ＡＣＶ治疗的ＳＨＧ肿瘤较对照组肿瘤小９０％，以上实验结果，统计学上差异极显著，Ｐ＜０．０１．实验     

自由幺半群的一族极大自由幺子半群

设X*是由字母表X生成的自由幺半群,{B1,B2}是X的任意2—划分,C=B2∪B1XN,N≥1,文[1][2]中证明了C*是自由幺半群X*的幺子半群。以X*为顶点集构造了一个语言图,利用它证明了:对N≥1,C=B2∪XNB1,幺半群C*也是自由幺半群X*的一族极大自由幺子半群.     

“数字太原基础地理框架构建”数据库建设

分析了影像数据库、矢量数据库、地名数据库建设中的关键技术,讨论了基础地理数据库综合应用到政务电子地图系统中的方法.     

光合细菌处理VB12废水降解动力学研究

用经过VB12废水驯化的4株光合细菌菌株进行试验。研究定义了最大比COD去除率（Umax,COD）,并通过测定Umax,COD来对比不同茵株的降解性能。研究表明,1g光合细菌中,2号菌株的Umax,COD值为0．698g／h,高于其他3种菌株,并进一步推导出基质降解动力学方程和细菌生长动力学方程。这一研究为选择处理VB12废水优势菌株提供了方法。     

支持向量机控制与在线学习方法研究的进展

支持向量机以其模型结构简单、较好的推广能力和全局最优解等特点已经被用来进行智能控制的研究,主要包括采用支持向量机回归的非线性时间序列的建模与预测、系统辨识等建模方面的研究以及优化控制、学习控制和预测控制等方面的研究以及采用支持向量机的故障诊断的研究。由于现有SVMR基于二次规划的优化方法不适合控制过程的在线训练,因此出现了对SVMR在线训练算法的研究。分析了国内外这些研究内容的最新研究进展,旨在探讨归纳支持向量机在控制领域研究的主要成果和存在的问题,以便为进一步的研究提供一定的支持与帮助。     

基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit,APU)性能参数预测的精度,针对支持向量机(support vector machine,SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm opti-mization,PSO)算法实现对SVM惩罚参数和核参数...     

一种基于粗糙集理论的SVM短期负荷预测方法

在分析粗糙集理论方法与支持向量机方法的优势和互补性后,探讨了粗糙集与支持向量机的结合方法,提出了一种基于粗糙集数据预处理的支持向量机预测系统。该系统利用粗糙集理论在处理大数据量、消除冗余信息等方面的优势,减少支持向量机的训练数据,克服支持向量机方法因为数据量太大,处理速度慢等缺点。将该系统应用于短期负荷预测中,与BP神经网络法和标准的支持向量机方法相比,得到了较高的预测精度,从而说明了基于粗糙集理论方法作为信息预处理的支持向量机学习系统的优越性。