复合插补实现的椭圆插补法

以圆弧插补算法作为基础插补算法,直线插补算法作为复合插补算法,可以获得椭圆插补的一种新算法．与当前使用的椭圆插补算法相比,该算法的插补计算量小、输入参数规范．     

准确计算插补步数的插补算法

通过分析逐点比较法,特别是逐点比较法的插补步数和终点判别问题,构造了一个准确计算插补步数的插补算法。该算法能够很好地应用于实型插补过程,以及需要预先知道插补步数的场合,为插补算法的应用带来便利。     

基于图像的激光切割曲线插补算法

针对当前普遍使用的曲线插补算法存在计算复杂、插补段数多等缺点，满足不了对切割速度和精度要求的问题，提出了一种基于图像的圆弧插补算法。该算法一方面通过图像膨胀算法绘制误差区域，采用沿插补曲线逐点提取颜色与判断的方法计算插补精度，取代了以往繁琐的误差计算过程，减少计算量约50％；另一方面，采用边计算精度边延长插补曲线的圆弧生长法，使每段插补圆弧尽可能地长，从而减少了对切割质量和切割速度都非常不利的段间跨越点，在提高切割质量的同时更提高了切割速度。最后。通过一个与以往算法的比较实例，对此算法进行了验证。     

含缺失数据Eichhorn模型中的比估计插补

利用随机化技术进行敏感问题抽样调查中常会出现缺失数据,借鉴Srivastava SK[Calc Stat Assoc Bull 16(1967)]在直接调查中利用辅助变量的构造估计量的思想,建立了具有数量特征的随机化Eichhorn模型中缺失数据的比插补方法.通过理论比较和数值模拟得出的结果表明提出的插补方法比传统的方法效率更高.     

基于过渡模型的连续小线段前瞻插补

为了高速插补连续小线段轮廓,开发了一种新型的速度规划算法。该算法首先根据小线段的变化规律定义了线段过渡模型,以描述连续小线段轮廓的曲率特征;然后根据曲率特征优化了小线段各衔接点的速度;最后对衔接点速度进行三次样条插值处理以生成连续光滑的速度曲线。该算法使得速度跟随曲率的变化,即由轮廓的低曲率部分向高曲率部分过渡时减小速度,由轮廓的高曲率部分向低曲率部分过渡时增大速度,从而即保证了加工精度,也提高了加工效率。     

一种椭圆插补的改进算法

针对现有基于圆心角分割的椭圆插补算法插补公式复杂,影响数控插补加工的实时插补速度的问题,在时间分割插补算法原理的基础上,提出一种基于圆心角分割的椭圆插补改进算法,推导出改进的插补公式,得到具体的算法流程.通过实例计算与分析表明,在同一NC平台上,该改进算法能够达到基于圆心角分割的椭圆插补类似算法的插补精度,并具有更好的实时性.     

传统逐点比较法直线插补方法的改进

逐点比较法直线插补方法在开环数控系统中被广泛采用,但其存在插补误差大、直线光滑性差等缺点.针对以上问题,提出了改进的逐点比较法直线插补算法,避免了无穷大导数计算、多分支判断编程复杂等缺陷,提高了逐点比较法的直线插补精度.     

脉宽调制的插补控制

针对脉宽调制技术在电力调功控制中调整性较弱的问题，本文提出了一种新型的调制控制技术—插补控制．分析了这种控制方法改善控制性能的本质因素，并给出了实现这种控制方法的计算机控制流程．     

具有负偏差特性的快速圆弧插补

本文提出了一种改进最小偏差法圆弧插补的算法，它具有算法简单、执行速度快和负偏差特性．     

基于模糊神经网络的瓦斯爆炸危险性评价模型

煤矿瓦斯爆炸事故的复杂性和随机性决定了煤矿瓦斯爆炸重大危险源的变化不会按照某一特定的规律或函数变化.模糊神经网络具有较强的非线性函数逼近能力和较强的自学习、自适应和联想能力.通过简化易燃、易爆、有毒重大危险源评价模型,确定了网络的输入参数,应用模糊神经网络对各参数之间的关系进行计算,验算结果表明:该网络模型在评价煤矿瓦斯爆炸危险性方面效果良好.     

基于集成神经网络的信道估计方法研究

为解决噪声以及信号干扰等因素严重影响接收端信道估计的问题,提出一种基于集成神经网络的信道估计方法,利用多个改进后的神经网络来提取带噪导频信号与原始导频信号之间的非线性关系模型,根据其输出误差来计算差异度值,并结合差异度对其进行集成,得到训练完成的集成神经网络模型,通过集成神经网络模型来获取信道估计结果;与最小二乘(least squares,LS)估计方法相比,该方法不仅可以提高通信的可靠性,而且还能减少导频开销提高通信有效性;在不同的调制方式下,当误码率相同时,算法所需的信噪比LS算法均要更低;基于正交频分复用(orthogonal frequency division multiple,OFDM)通信系统进行仿真,结果证明,该方法具有优良的性能。     

基于神经网络的相干信源稳健DOA估计

目前基于神经网络的DOA估计主要是针对理想情况下的均匀线阵,且信源非相干,可估计的信源数较少.针对阵列误差和相干信源同时存在的问题,在理想数据集中引入互耦误差、阵元幅度误差、阵元相位误差以及阵元位置误差,并设计了一个多通道CNN+DNN网络和目标函数生成方法,用于相干信源的稳健DOA估计.引用B-band互耦模型和相关误差模型合成阵列输出信号,通过提取阵列输出信号的协方差矩阵的实部、虚部与相位角,构建网络的输入信号.对理想条件下的MUSIC算法DOA估计结果进行拟合,根据拟合公式生成多信源从不同角度入射时的空间谱,作为网络的目标信号.使用相同的数据集对本文DOA估计网络与其它文献中的DOA估计网络进行训练和测试.结果显示,在不同信噪比、不同误差大小以及不同信源数的情况下,本网络的稳健性和解相干能力都更优.     

基于径向基函数神经网络的工程造价估算

提出了一种更有效的前向网络——径向基函数(RBF)神经网络,以多、高层办公楼为例,建立了工程造价的估算模型,运用MATLAB语言程序实现,同时采用同样的样本对BP网络进行训练,两者结果比较表明,这种方法弥补了BP网络存在的收敛速度慢,易陷入局部最优等缺陷,从而大大提高了其实用性,是对造价估算方式的又一新的尝试。     

基于进化神经网络的灰色预测模型

为了弥补神经网络用于灰色理论中学习效率低、收敛速度慢、易陷入局部最优等缺点,采用了改进遗传算法IGA(im proved genetic algon ithm)来辅助优化神经网络,实现了对网络连接权的自适应进化,并应用于灰色预测中。提出了进化神经网络灰色预测模型,通过M atlab程序对某地区农村人均收入的数据进行了预测、比较,预测结果误差均在0.3%以下,明显优于传统的GM(1,1)(grey m odel)的预测结果,其误差在10%左右。实例验证,将进化神经网络应用于灰色预测模型中是可行和有效的。     

基于神经网络的PM2.5预测模型

目前PM2.5的计算主要采用物理方法,其成本较高.为此,通过采集空气中O3,CO,PM10,SO2,NO2的浓度数据,选择神经网络方法建立PM2.5预测模型.实验结果表明,该模型对PM2.5的预测准确率较高.     

基于神经网络集成的经济预测模型

针对单个BP神经网络用于经济预测存在的不足,提出了一种新的更有效的经济预测模型--神经网络集成.神经网络集成通过训练多个神经网络并将各网络输出进行合成,能够显著提高网络的泛化能力.以广东省江门市的经济数据为例,采用Bagging算法训练了五个BP神经网络,构建了一个神经网络集成的GDP预测模型,并运用MATLAB 7.0语言程序实现.预测结果令人满意,优于单个神经网络预测方法.实证表明,神经网络集成用于经济预测是有效可行的,同时在一定程度上克服了单个神经网络的缺陷.     

基于神经网络的鹿角盘蛋白水解模型

研究了底物浓度、酶添加量、温度、时间、pH值对鹿角盘酶水解的影响,并利用神经网络建立鹿角盘酶解过程的数学模型。结果表明,所建立的模型能很好地描述鹿角盘酶水解过程,为有限水解提供了基础。     

基于T-S模型的模糊神经网络

一种基于Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模型的模糊神经网络由前件网络和后件网络两部分组成。前件网络用来匹配模糊规则的前件，它相当于每条规则的适用度。后件网络用来实现模糊规则的后件。总的输出为各模糊规则后件的加权和，加权系数为各条规则的适用度。所提出的模糊神经网络具有局部逼近功能，且具有神经网络和模糊逻辑两者的优点。它既可以容易地表示模糊和定性的知识，又具有较好的学习能力。给出了调整规则后件参数及前件隶属度函数参数的学习算法，举例说明了它的逼近性能。     

基于神经网络的伙伴选择协商模型研究

为了更好的在伙伴选择中对供应商进行评判，提出建立基于BP神经网络的伙伴选择智能协商模型。模型经过训练学习，使其拥有商家的思维方式，并对供应商可协商和非可协商因素进行分析，对供应商做出客观评价。供应商通过对可协商因素进行调节，得到双方都比较满意的协商结果。