固体物料混合过程中混合度的研究

应用自行研制的多参数混合机,利用标准玻璃球模拟混合介质,对混合过程中的混合时间,装料填充系数,转筒倾斜角和转速等工艺参数进行了系统研究,从中找出一些改善混合质量的因素,建立了计算混合度的计算公式,同时确定了上述工艺参数的参考值。     

深度学习中对比散度算法的有偏性分析

为了给对比散度算法的进一步优化提供理论指导,尝试从理论上分析对比散度算法的收敛性。首先从仅含4个结点的玻尔兹曼机入手,利用单纯形表征模型的概率空间,以及流形表征概率空间与模型参数的关系,形象地表示了对比散度算法和极大似然算法的收敛过程,并从理论上推导出对比散度算法的收敛集与极大似然算法的收敛集之差不为空,从而证明了对比散度算法的有偏性。基于该结论,设计了一种先利用对比散度算法进行预训练,再利用极大似然算法调优的训练策略。实验结果表明,在应用该策略获得同等收敛效果的条件下,训练迭代步骤降低了83.3%。     

星载ATP平台的建模与仿真

采用了分析力学中的拉格朗日方程对星载ATP平台进行了动力学分析,推导出了较准确的运动方程,并说明了为什么U型转台比T型、L型转台具有更高的精度和结构稳定性.利用无刷直流电机的方程式,给出了星载ATP平台系统的非线性数学模型,并利用MATLAB进行了数学仿真,通过实验进行了验证,此模型可作为设计和调试星载ATP平台控制器的基础.     

基于最小二乘支持向量机的交通安全预测模型

分析了最小二乘支持向量机(LS-SVM)在交通安全预测中的优势,确定输入向量集合和输出向量集合,利用LS-SVM建立交通安全预测模型.将1953～2006年全国交通安全相关数据分为训练集和测试集,利用Matlab 7.0进行仿真测试.通过训练LS-SVM得到模型具体参数值,然后对测试集数据进行预测,计算预测误差,并与神经网络模型、SVM模型预测结果进行对比.仿真结果表明,基于LS-SVM建立的交通安全预测模型比神经网络预测模型、SVM模型具有更高的运算速度和预测精确度.     

基于LS-SVM的温度传感器非线性关系拟合及参考端温度补偿

文章编号: 提出一种基于最小二乘支持向量机(LS-SVM)的温度传感器非线性关系拟合模型,并根据温度传感器的输入 输出特性给出两种方案对参考端温度进行补偿. 建立了LS-SVM回归模型,利用LS-SVM超强的学习能力对温度与电势 间的非线性关系进行精确拟合. 两种方案均可对参考端温度进行有效补偿,其中方案2 可根据参考端温度、传感器实测 电势对实际温度直接拟合,简化了补偿过程,提高了识别精度. 实验表明,LS-SVM回归法及文中所提出的补偿方案能很 好地逼近实际温度,提高测量精度.     

一种基于比例因子的慢启动策略

TCP慢启动机制中拥塞窗口大小指数增长,会导致在慢启动前期发送速率偏低的现象。针对此问题,本文提出一种基于比例因子的慢启动策略,该策略实现了慢启动到拥塞避免的快速过渡,并保证了数据传输的总体效率。实验表明,新策略能明显提高网络吞吐量,利于网络资源利用。     

基于多分类支持向量机的智能辅助质量诊断研究

在分析比较目前常用的质量辅助诊断方法局限性的基础上,提出了一种基于多分类支持向量机(SVM)的质量控制图智能诊断新方法.该方法以SVM技术为智能核心,较好地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诊断时所表示出的过学习、泛化能力弱等缺点.另一方面,通过结合投票法和决策树的基本思想,所提方法拓展出对控制图混合型异常模式的识别能力,从而提高了对质量过程诊断的全面性和准确性.与其它几种常见人工智能方法质量诊断的效果进行对比,实验表明,所提方法容易实现、诊断精度高,为实现小批量加工过程的在线质量诊断与控制提供可行的思路.     

舰载垂直装填机械动力学建模与仿真研究

将舰载垂直装填机械看作机器人开链机械手系统,采用虚拟杆件原理,将载舰和吊臂末端与吊缆的连接处看作装填机的两个机械臂,利用机器人动力学建模原理,并在海上风浪条件下,建立了舰载垂直装填机械的动力学模型.然后对该模型进行了相应的优化,为使之更加直接和有效地描述吊重的摇摆状况.最后,利用Matlab仿真软件,对该模型在多种海况下吊重的摇摆进行了动态仿真分析,结果表明,对于较高海情条件下的装填作业,必须有防摇控制措施,以确保舰载武器装填的安全性和快速性.     

智能车辆在城区交通场景中的多类障碍物识别

针对智能车辆在城区交通场景中的前向障碍物识别,提出了一种基于集成学习改进的二叉树支持向量机(BT-SVM)的多类分类方法。根据城区交通场景中各类障碍物的出现概率、模式类别差异,设计了适用于智能车辆障碍物识别的BT-SVM树型结构;对每个节点分类器,采用AdaBoost集成学习方法进行改进,有效减少了差错积累误差,提高了分类精度和泛化能力。试验表明该方法能有效地对城区交通场景中6类常规障碍物模式进行实时在线识别。     

基于最小二乘支持向量机的TSK模糊模型

为了提高模糊系统处理高维问题的推广能力, 本文提出用最小二乘支持向量回归机(LSSVR)的思想设计TSK模糊模型.TSK模糊模型的传统算法普遍存在过学习问题, 为此我们在目标函数中考虑了结构风险从而避免了过学习现象.并且,我们将模糊系统的参数寻优问题转化为一个二次规划问题进行求解.由于该规划问题的求解与输入数据维数无关,适用于处理高维数据.算法分为两步：首先用Gustafsonk-Kessel (GK)算法确定模糊规则的前件;然后用最小二乘支持向量算法确定模糊规则的后件,这里的核函数是由模糊聚类确定的, 经证明它是Mercer核.三个著名数据的实验结果表明,与TSK模糊系统的传统算法相比,本文所提的算法提高了TSK模糊系统处理高维问题的推广能力;与LSSVR相比,,本文所提的算法具有良好的鲁棒性.