数控机床力-几何误差的PSO-SVM建模

为了提高数控机床几何误差建模精度,改进补偿效果,先用测力环等仪器模拟施加并测量机床主切削力,再用激光干涉仪同步测量机床俯仰角和偏摆角误差. 根据粒子群优化算法(particle swarm optimization,PSO)优化支持向量机(support vector machine, SVM)的相应参数,并以实际测量数据进行训练,从而建立
了PSO-SVM力-几何误差预测模型. 实际试验表明,PSO-SVM误差预测模型输出的偏摆角误差预测值与实测数据的最大差值仅为0.6 μrad,俯仰角误差预测值与实测数据的最大差值仅为0.21 μrad,远小于利用BP神经网络以及常规方法优化的SVM所建立的力-几何误差预测模型的误差,因此该模型可用于数控机床几何误差的高精度实时补偿.     

遗传算法在飞机目标识别中的应用

针对雷达目标识别中特征维数压缩和神经网络的隐含层结点数的确定等关键问题 ,提出了一种基于遗传算法的目标识别方法 ,该方法首先构造了一个符合目标识别这一特定问题的初始种群 ,然后利用遗传算法模拟生物遗传迭代和自然选择的遗传机理 ,通过多次遗传迭代最终收敛于问题的一个满意解。最后将该方法用于对三类飞机目标的分类和识别 ,验证了该方法用于目标分类和识别的可行性和有效性。     

OFDM系统在短波信道上的线性均衡方法

由于短波信道CHF的时变和多径,使OFDM信号的正交性受到损失(产生子载波间干扰ICI),从而导致了码间串扰(ISI),误码底板上升,并且随着信道的多普勒频率的增加而增加。针对这种情况,提出了一种简单的频域均衡方法。这种均衡方法假设:在一个OFDM块期间,信道的冲激响应(CIR)是线性变化的,而常规的单抽头频域均衡器对频率选择性多径衰落信道的补偿是假定在一个FFT块期间信道是静态的。当相对多普勒频率在范围(1.0005.0相似文献   

基于同伦(homotopy)关系的ARMAX模型的辨识算法

论述了采用同伦 (hom otopy)法辨识 ARMAX模型的问题 .在 ARMAX模型的辨识中 ,由于滑动平均(MA)噪音模型部分的存在 ,用以估计 ARMAX模型参数的误差函数不再是单峰的 ,因而常用的基于最优化的估计算法有被陷入局部最小点的危险 .本文提出一种基于同伦关系的算法来解决这个问题 ,其基本想法是建立 ARMAX模型参数的估计和 ARX模型参数的估计两者之间的同伦关系 .由于用以估计 ARX模型参数的误差函数是单峰的 ,因而没有局部最小点问题 ,这就使得有可能利用它们之间的同伦关系来解决 ARMAX模型参数的估计中的局部最小点问题 .详细描述了基于同伦关系的新辨识算法 ,并利用蒙特卡罗 (Monte Car-lo)仿真试验说明了新算法的有效性     

基于三阶累积量奇异值分解的雷达目标识别

基于一维距离像三阶累积量矩阵的奇异值分解 ,由非零奇异值构成奇异值矢量作为正则子空间法的输入 ,提出一种雷达目标一维距离像识别方法 ,对目标进行分类识别。该方法一方面利用三阶累积量提高了抗噪性能 ,同时又使用非零奇异值矢量减少了存储量与运算量。仿真实验结果表明 :在低信噪比 ,该方法的识别率高于特征子空间法     

电工实验测量误差的分析

分析在电工实验测量时产生测量误差的原因及减小测量误差的方法，正确估计测量误差和有效数字的正确表示。     

基于时间冗余度侦破过失误差的修正系数法

为正确侦破与识别测量数据中含有的过失误差以保证数据校正结果的可靠性 ,提出一种修正系数法 ,利用过程测量数据的时间冗余度对测量数据中可能含有的过失误差进行侦破与识别 ,并对过失误差的大小进行估计。应用实例表明 ,此方法对过失误差的数目、位置等因素并不敏感 ,具有较好的鲁棒性 ,适用于空间冗余度较小的实际问题。     

圆弧曲面的近似加工

针对传统加工圆弧面特别是大圆弧面存在加工复杂且成本高的问题 ,提出了通过选取适当的加工参数 ,利用铣床和盘形立铣刀对圆弧曲面进行近似加工的方法 ,同时对加工后产生的加工误差进行了分析 .实践表明 :用椭圆曲线代替圆弧曲线进行近似加工无须添加专用工装 ,可提高生产效率     

走出普通话教学误区之我见

社会的发展进步迫切要求全民有统一的共同语。在普通话教学过程中，我们应注重理论和实践的关系，注重学普通话的长期性和社会性，以走出普通话教学的误区。     

沉淀滴定中的终点误差

基于沉淀滴定基本原理，利用双曲正弦函数性质提出了一种处理沉淀滴定终点误差的新方法.导出了一个内含最大敏锐指数的终点误差公式，由此获得了一个计算沉淀滴定突跃范围的公式.处理结果与有关文献一致.