基于模糊递归小波神经网络的葡萄酒品质预测

针对葡萄酒品质预测模型难以建立的问题,提出一种基于模糊递归小波神经网络的葡萄酒品质预测模型。利用葡萄酒物理化学指标和品酒师打分作为模型的输入输出,采用梯度下降算法在线学习隶属函数层中心、宽度和小波函数平移因子、伸缩因子、自反馈权重因子以及输出层权值。仿真实验时,首先利用Mackey-Glass混沌时间序列进行了性能测试,然后利用UCI数据集葡萄酒品质数据对所建立的品质预测模型进行了验证。结果显示,与多层感知器、径向基函数神经网络等传统前馈神经网络相比,构建的模糊递归小波神经网络品质预测模型具有更高的预测精度,更加适合于葡萄酒的品质预测。     

基于模糊模型支持向量机的混沌时间序列预测

基于支持向量机强大的非线性映射能力和模糊逻辑易于将先验的系统知识结合到模糊规则的 特性, 根据混沌动力系统的相空间重构理论, 提出了一种混沌时间序列的模糊模型的支持向 量机预测模型,并采用适用于大规模问题求解的最小二乘法来训练预测模型,利用该模型分别 对模型的整体预测性能与嵌入维数及延迟时间的关系进行了探讨.最后利用Mackey-Glass时 间序列和典型的Lorenz系统生成的时间序列对该模型进行了验证,结果表明该预测模型不仅 能够自动的从学习数据中获取知识产生模糊规则，提取能够代表混沌时间序列内在规律的支 持向量，大大减少支持向量的数目，精确地预测未来的混沌时间序列,而且在混沌时间序列 的嵌入维数未知和延迟时间不能合理选择的情况下,也能取得比较好的预测效果.这一结论预 示着基于模糊模型的支持向量机是一种研究混沌时间序列的有效方法. 关键词： 模糊模型 混沌时间序列 支持向量机 最小二乘法     

材料性能的模糊神经网络建模

本文利用模糊神经网络直接从实验数据中提取规则，进行材料性能建模与预测，作为应用示例，建立了基于成份和组织参数的灰铁预测模型，与多元统计分析，模糊回归和广义回归网络所得的结果相比，该方法所得的模型具有学习精度高，且具有更好的泛化能力。     

基于WVPMCD和层次模糊熵的液压泵故障诊断方法研究

为了更准确地对液压泵进行故障诊断,提出了基于WVPMCD(WLS-Variable Predictive Mode Based Class Discriminate,WVPMCD)和层次模糊熵（Hierarchical Fuzzy Entropy,HFE）的故障诊断方法。由于液压泵振动信号比较复杂,基于变量预测模型的模式识别(Variable Predictive Mode Based Class Discriminate,VPMCD)方法在对模型参数进行估计时会出现异方差的现象,从而导致参数估计出现病态,估计所得参数不稳定,从而降低预测精度。WVPMCD作为VPMCD的改进,采用更先进的加权最小二乘参数估计法代替最小二乘参数估计法,消除异方差的影响,提高参数估计的精度,进而提高液压泵故障诊断准确率。此外,在层次熵（HierarchicalEntropy,HE）的基础上提出了层次模糊熵的概念,模糊熵作为样本熵的改进,在衡量时间序列复杂度上并比样本熵更优越。运用WVPMCD和层次模糊熵对液压泵进行故障诊断,实验结果验证了该方法的有效性。     

基于模糊模型的CMP过程智能R2R预测控制方法

针对化学机械研磨(CMP)过程非线性、时变和产品质量不易在线测量的特性,提出了一种基于T-S模糊模型的CMP过程智能run-to-run(R2R)预测控制器FIPR2R;通过G-K聚类算法和最小二乘法对CMP过程的T-S模糊预测模型离线辨识,解决了复杂CMP过程难以建立精确数学模型的难题和提高了模型预测精度;通过双指数加权移动平均(dEWMA)中对过程扰动及漂移进行估计的方法实现反馈校正和基于克隆选择算法的滚动优化求取最优控制律,提高了控制精度;性能分析结果表明,FIPR2R控制器的控制性能优于dEWMA方法,有效抑制了过程扰动和漂移的影响。     

基于模糊局部信息C均值算法的网目调光谱反射率预测模型研究

提出了一种网目调光谱反射率预测方法。网目调单个网点由若干个区域组成:网点核心区域,该区域的油墨层厚度均匀,且等于实地印刷的油墨层厚度;其余边缘区域有一个模糊的厚度分布函数,这部分油墨层厚度比实地油墨层厚度薄,且越靠近网点边缘油墨层厚度越薄。采用模糊局部信息C均值算法按像素密度值聚类网目调单个网点,得到了层次分明的网点密度分布并计算各个层次的面积率。以此建立了一个新的光谱反射率预测模型,该模型预测的光谱反射率与实际印刷样张测量得到的光谱反射率具有很好的光谱匹配曲线,证明该算法模型具有较高的预测精度。     

基于PEMS测量的机动车尾气预测研究

为了实现对机动车尾气排放的控制,解决现有预测模型未能通过燃油消耗来研究污染物排放以及未能建立起油耗及其车外可观测影响因素之间的关系问题,对油耗数据及其理论模型进行了研究,提出了微观综合预测模型,它是根据便携式尾气测量系统(PEMS)实际工况下测量的机动车油耗与各污染物排放数据,并结合油耗的理论模型建立起的综合预测模型;最后,通过实验对综合预测模型进行了实例分析与验证;实验结果表明,综合预测模型首次对污染物CO和NO的预测模拟值和实测值之间的平均误差分别为14.3%和12.8%,实现了较好的预测效果,为进一步研究燃油消耗和排放的关系奠定了很好的基础。     

紫色土土壤全氮和全磷含量的高光谱遥感预测

高光谱遥感技术是土壤养分预测的有效手段之一。以三峡库区王家沟小流域为研究区,在对土壤样本的理化性质和实验室反射光谱数据分析和测量的基础上,用偏最小二乘回归方法建立了紫色土土壤全氮和全磷含量的预测模型,并用33个水稻土土壤样本对紫色土土壤养分预测模型进行了验证。结果显示,紫色土土壤全氮预测模型得到的土壤样本预测值和实测值之间的总相关系数达到了0.672,而紫色土土壤全磷预测模型得到的相关系数只有0.498; 用紫色土土壤养分预测模型对水稻土土壤养分进行预测得到的相关系数分别为0.550和0.124。因此,用高光谱来预测紫色土土壤全氮含量具有一定的可行性,但高光谱对于紫色土全磷含量的预测效果相对较差;土壤养分预测模型在不同类型土壤之间并不具有很好的通用性。     

利用可见近红外光谱多指标综合预测生鲜牛肉储存期

建立了牛肉基于TVB-N、菌落总数、pH值和肉色参数L*多个指标的储存期预测模型,利用可见近红外光谱(Vis/NIR)技术结合区间偏最小二乘(iPLS)和遗传算法(GA)建立了各个指标的PLS预测模型,实现了多指标综合无损快速预测4 ℃下牛肉的储存期。用iPLS和iPLS-GA提取有效波长变量建立PLS预测模型,以预测相关系数和预测标准差作为模型评价标准,结果表明用iPLS-GA选择变量建立的各个指标的PLS预测模型均优于全波段和iPLS组合的PLS模型。由多个指标的预测值和储存期的预测模型,对校正集和预测集样品储存期进行预测,其预测相关系数和标准差分别是0.903, 0.897和1.88, 2.24。说明利用光谱技术结合得出的储存期预测模型可以实现多指标综合预测牛肉储存期,为无损快速检测牛肉储存期或货架期提供了一种新方法。      

基于改进教学优化算法的Hermite正交基神经网络混沌时间序列预测

针对传统预测模型对混沌时间序列预测精度低、收敛速度慢及模型结构复杂的问题, 提出了基于改进教学优化算法的Hermite正交基神经网络预测模型. 首先, 将自相关法和Cao方法相结合对混沌时间序列进行相空间重构, 以获得重构延迟时间向量; 其次, 以Hermite正交基函数为激励函数构成Hermite正交基神经网络, 作为预测模型; 最后, 将模型参数优化问题转化为多维空间上的函数优化问题, 利用改进教学优化算法对预测模型进行参数优化, 以建立预测模型并进行预测分析. 分别以Lorenz 系统和Liu系统为模型, 通过四阶Runge-Kutta法产生混沌时间序列作为仿真对象, 并进行单步及多步预测对比实验. 仿真结果表明, 与径向基函数神经网络、回声状态网络、最小二乘支持向量机及基于教学优化算法的Hermite正交基神经网络预测模型相比, 所提预测模型具有更高的预测精度、更快的收敛速度和更简单的模型结构, 验证了该模型的高效性, 便于推广和应用.     

基于环摆式双面抛光法加工预测模型的去除均匀性研究

针对环摆式双面抛光难以建立稳定去除函数并进行加工面型预测这一问题,提出了基于磨粒运动学的环摆式双面抛光加工预测模型,并通过预测模型分析不同参数影响下元件表面去除均匀性,针对不同特征面型给出优化策略以指导加工实验。首先,根据环摆式双面抛光机理,探究了环摆式双面抛光中影响去除均匀性的主要因素,提出了元件上、下表面磨粒运动学模型,结合Preston方程给出了基于磨粒运动学的环摆式双面抛光去除均匀性预测模型。根据实际加工工况,分析了不同抛光均匀性影响因素下的磨粒轨迹分布与抛光去除非均匀性,最后通过加工实验验证环摆式双面抛光加工预测模型。实验结果表明：环摆式双面抛光加工预测模型的预测结果与实际加工结果基本吻合,其面型去除特征相同。元件上表面是元件去除非均匀性的主要来源,通过改变中心偏心距、径向摆动距离等参数能改变元件上表面的去除非均匀性,从而影响元件整体面型特征,并实现基于预测模型指导下元件表面面型的快速收敛。     

基于模糊神经网络的短时交通流预测方法研究

为满足交通控制和诱导系统的实时性需求,减少交通拥挤状况,降低交通事故突发频率,需要对短时交通流进行预测。当前的短时交通流预测方法是采用K-近邻的非参数回归对其进行预测,预测过程中没有将预测模型中关键因素对交通流的影响进行详细的说明,导致预测结果不准确,存在短时交通流预测误差较大的问题。为此,提出一种基于模糊神经网络的短时交通流预测方法。该方法首先以历史短时交通流数据样本序列为基础,将提取的关联维数作为短时交通流的混沌特征量,然后以该特征量为依据,对短时交通流数据进行聚类,使相同的短时交通流聚合类样本比不同的交通流聚合类样本更为贴近,采用高斯过程回归对短时交通流预测模型进行建设,建设过程中利用差分方法对短时交通流预测序列进行平稳化操作之后,对短时交通流预测模型进行训练,将GPR模型引入至短时交通流预测过程中,得到交通流预测方差估计值,并确定交通流预测值置信区间,由此实现短时交通流的预测。由此实现短时交通流的预测。实验结果证明,所提方法可以准确地预测交通运输系统的实时状况,为车辆行驶的最佳路线进行了有效引导,减少了自然影响方面和人为因素对短时交通流预测结果的干扰,为交通部门对交通路况的控制管理提供了依据。     

自然风格言语的汉语句重音自动判别研究

重音是语音合成中韵律处理的一个重要参数。本文分析了轻声和重读音节同正常重音在各声学参数上的差异,包括基频、音节时长、强度、停顿长度等,还特别考察了时长同基频参数之间的关系,以及上声音调同基频的关系。建立了基于人工神经网络的三种重音预测模型,即声学预测模型、语言学预测模型和混合预测模型,对汉语句重音(包括轻声、正常重音、重读)进行了自动判别,结果显示混合模型要优于另外两种模型。此外,本文还根据重音标注的多样性现象设计了支持率的评价方法。     

制导火箭弹落点预测导引控制研究

为了提高火箭弹攻击地面目标的精度,文中给出了一种基于落点预测的火箭弹导引方法。首先以某型火箭弹为例,建立了其运动方程组,然后简化处理弹道方程得到落点预测模型,设计了基于落点预测模型的导引律,最后建立了Simulink六自由度弹道仿真模型并进行了数字仿真验证。研究结果表明：落点预测模型有效,相比无控火箭,采用落点预测导引律后制导火箭CEP由231m减小为31m,有效提高了火箭精度。     

最小方差无失真响应浊音谱建模方法研究

讨论了在语音处理中广泛使用的线性预测模型,分析了线性预测模型在建模语音谱包络方面存在缺点,并分析了线性预测模型过高估计浊音谐波频率处能量以及随着阶数增加线性预测谱逐渐恶化的原因。在此基础上,提出了最小方差无失真响应(MVDR)建模方法,并讨论了通过Toeplitz矩阵的Cholesky分解确定MVDR滤波器系数的方法,通过与线性预测方法进行比较,发现最小方差无失真响应滤波器能提供一个更好的原始语音包络。     

高频振动模糊图像仿真与分析

研究了运动模糊图像在空间域和频域上的数学模型,根据运动图像的模糊原理,提出了时间等分运动模糊图像的仿真方法,仿真了高频振动模糊图像.理论分析指出,物体做高频谐波振动时运动模糊成像的频谱会由于Bessel函数的零点的存在而形成系列条纹,对振动模糊图像的频谱做两次Radon变换能检测出振动的方向和振幅,从而得到高频振动模糊...     

一种新的运动模糊图像超分辨力盲复原算法

研究了具有深度运动模糊效果的图像的复原算法.采用对运动模糊图像的傅里叶频谱进行Radon变换来估计运动模糊方向,在此方向上计算运动模糊图像的自相关来估计运动模糊长度,再以运动模糊方向和运动模糊长度为参量结合超分辨力图像复原处理算法对比较严重的运动模糊图像进行复原.结果表明,该综合性算法能够较为精确地估算出运动模糊图像的模糊参量并取得较好的复原效果.     

向心透平初始设计自动进化寻优方法与变工况性能预测模型

发展了一套向心透平初始设计自动进化寻优方法及变工况性能预测模型。借助遗传算法,以向心透平的总-静效率为目标函数,在给定范围内选取载荷系数Ψ、流量系数φ以及转速n的最佳组合,配合变工况性能预测模型,快速得到性能曲线。以1996年Jones发表的T-100透平为例校核本文设计方法,结果表明设计结果略胜于T-100透平。变工况性能实验数据、CFD结果以及预测模型结果对比,CFD结果普遍偏高,预测模型结果在低于设计速比工况下更接近实验数据。     

参数微扰激光超混沌系统模糊模型

研究了存在参数微扰的激光超混沌系统的Takagi-Sugeno (T-S) 模糊模型的逼近性及建立问题。分析了存在参数微扰的激光超混沌系统的动力学特性。基于典型T-S模糊系统的建模原理,研究了激光超混沌T-S模糊系统的通用逼近性,通过确定非线性关键变量、模糊隶属度函数及模糊规则,建立了激光超混沌系统的T-S模糊模型。仿真结果表明,所建立的模糊模型能够有效逼近存在参数微扰的激光超混沌系统。     

小模糊尺度下运动模糊方向鉴别算法研究

针对现有模糊方向鉴别算法检测小尺度运动模糊图像存在误差的问题,基于运动模糊图像二次傅里叶变换后的频谱特性,分析了其误差成因,并提出了一种适用于小尺度运动模糊图像模糊方向鉴别的新算法。首先对小尺度运动模糊图像的频谱进行细化,通过中值滤波对细化图像去噪,避开了频谱噪声带来的估计误差问题;其次,选取灰度中值作为阈值进行二值化,同时去除二值图像的中心十字亮线和中心亮斑,使模糊方向特征更加明显;然后用投影变换计算出亮条纹方向得到小尺度模糊图像的方向估计。最后通过仿真验证了算法在运动模糊尺度为3～10像素的小尺度情况下的实效性。实验结果表明,该算法相比其他同类算法对于小尺度运动模糊图像的模糊方向估计精度更高。