粒子群算法优化相空间重构参数的网络流量预测模型

在网络流量预测过程中,相空间重构参数是影响预测性能的重要方面,传统参数分开优化,为了提高网络流量的预测精度,提出一种粒子群算法优化相空间重构参数的网络流量预测模型(PSO-BPNN);首先将BP神经网络作为学习算法,然后采用粒子群算法对相空间重构参数—延迟时间和嵌入维进行联合优化,并重构网络流量序列,最后以小波BP神经网络建立最优络流量预测模型,并采用仿真实验对模型性能进行分析,结果表明,PSO-BPNN提高了网络流量的预测精度。     

基于融合技术的电子产品PHM系统研究

针对故障预测与健康管理(PHM)的复杂性,对融合技术进行了深入的分析和研究,提出了一种基于神经网络的特征融合方法,融合结果最大限度的给出决策分析所需要的特征信息,提高了故障诊断的可靠性;在预测方法上,提出了一种基于故障预兆监控与推理和失效物理(PoF)模型方法相融合的预测方法,充分利用了每种预测方法的优势,故障预兆监控与推理的方法能够提供故障诊断功能,而失效物理(PoF)模型的方法则有助于确定故障根源,融合预测方法能更加及时准确的预测故障;融合技术丰富了PHM的理论体系,提高了其实用价值。     

混沌时间序列重构相空间参数选取研究

基于重构相空间的延迟时间和嵌入维数这两个参数的选取不相关的观点,提出用互信息函数法确定延迟时间后,用CAO方法来确定嵌入维数的新思路.通过对几种典型的混沌动力学系统的数值验证,结果表明该方案能够确定出相空间重构的有效延迟时间和最佳嵌入维数.该方法能够从时间序列中有效地重构原系统的相空间,是混沌信号识别的一种有效途径.     

PHM模型的工程化验证方法研究

模型验证技术在故障预测与健康管理(PHM)系统研制中受到高度重视,特别是如何将验证方法在具体的工程应用中体现规范性、系统性、通用性和实用性,已成为亟待解决的技术问题;在分析国内外相关研究现状的基础上,对PHM模型验证方法进行了系统深入的研究,阐述了故障数据获取方法和故障诊断和预测性能指标体系,并以机载诊断模型为例,对PHM模型验证流程作了详细介绍;最后,将此方法应用到了PHM验证平台的设计、开发和具体实现中,充分体现了PHM模型验证方法的工程化特点。     

相空间重构中延迟时间选取的新算法

根据Takens提出的嵌入理论,对比研究在相空间重构过程中对延迟时间选取的若干方法,提出一种新的平均位移-互信息联合算法.在互信息函数的具体计算上,引入二叉树的方法划分和标记网格,克服了以往算法繁琐、难以编程实现的缺点,并通过判断稀疏网格所占比例控制划分层数,获得较高的精度.最后通过对R ssler系统和Lorenz系统的数值仿真,证明算法具备更高的可行性与准确度.     

基于PHM的电力中间件故障预警技术研究

提出一种面向中间件的故障预测与健康管理模型,将当前电力信息系统中中间件的运维工作,从传统的事后排查转变为故障预判和智能预警。依据故障预测与健康管理(PHM)技术,以灰色-马尔科夫为核心预测算法,结合时间切片管理和动态置信阈值技术,设计并实现了面向中间件业务的故障监控和预警系统。以湖北省电力公司构建的智能化运维管理平台上的应用为实例,实践证明了该方案的可行性和有效性。     

PHM技术国内外发展情况综述

随着现代武器装备复杂化、综合化、智能化程度的不断提高,传统的故障诊断技术难以适应新的需求。为了满足信息化战争对武器装备作战效能和快捷、精准、持续保障的要求,20世纪90年代中期,PHM(故障预测与健康管理)技术应运而生。从发展概况、应用成效、PHM验证评价、典型案例分析以及发展规划5个方面总结了国外PHM技术发展的应用成效;并对国内PHM技术的基础理论、工程技术与应用方面的发展状况进行了总结;通过对比国内外PHM技术的发展应用现状,总结分析了目前国内PHM技术发展现状与国外先进水平之间的差距以及未来发展的借鉴启示。     

基于径向基神经网络预测的混沌时间序列嵌入维数估计方法

根据Takens定理,研究了混沌时间序列相空间重构嵌入维数的选取问题.提出了基于径向基函数神经网络预测模型性能的嵌入维数估计方法,即根据嵌入维数与混沌时间序列预测模型性能的变化关系来确定嵌入维数.通过对几种典型混沌动力学系统的数值验证,结果表明该方法能够确定出合适的相空间重构嵌入维数. 关键词： 混沌 相空间重构 嵌入维数 预测     

无人机PHM系统体系结构设计研究

针对状态预测与健康管理(PHM)技术在无人机领域的应用需求,本文参考国内外PHM技术研究成果和应用经验,结合我国无人机保障现状,分析了无人机PHM系统的功能需求,研究设计了无人机PHM系统的体系结构,并详细介绍了该系统的工作流程,为无人机综合保障水平的提高提供了有益指导和参考。     

基于最优相空间重构参数的空调系统负荷预测

空调系统负荷非线性变化,单独利用人工神经网络方法进行预测,受到样本数量少等的限制,精度一般都比较低。空调系统负荷时间序列包含了参与空调系统动态变化的全部变量的信息,可以利用相空间重构技术提取和恢复出系统原来的规律。重构后的相空间具有与实际动力系统相同的几何性质,这样就可以大大增加样本数。相空间重构受嵌入维数m和延迟时间τ的影响,确定这两个重构参数的最佳数值是非常重要的。建立了基于相空间重构技术的神经网络空调负荷预测模型,在嵌入维数m和延迟时间τ分别取不同的值时,利用这个模型对相同时间段的空调负荷进行预测,选择预测误差最小时对应的参数为最佳相空间重构参数,对应的预测值为最佳预测结果。结果表明,这个方法有很好的效果,具有简化计算复杂性等特点。     

光栅成像的锥束相位CT重建算法

X射线相位衬度成像对弱吸收物质有着独有的高密度分辨率,在医学、生物学、材料学等领域显示出良好的应用前景.但是其中的干涉成像法、衍射增强成像法和同轴成像法具有一定局限性,难以被广泛应用.光栅成像克服了以往相位衬度成像的缺陷,也使相位衬度成像向锥束成像发展成为可能.本文致力于锥束相位X射线计算机断层摄影术(CT)重建算法的研究,根据基于光栅的锥束相位成像的特点,利用吸收CT中FDK (Feldkamp-Davis-Kress)重建算法的思想,发展出适用于锥束相位成像的CT重建方法.该方法为滤波反投影类型,以相位一阶导数像为投影值,直接重建物体的相位项.通过仿真验证了算法的正确性.     

准相位闭合在傅里叶望远镜图像重构算法中的应用

为了采用T型激光发射阵列的傅里叶望远镜对深空暗、弱、小目标进行高分辨率成像探测,研究了T型发射阵列情况下的图像重构算法.借鉴点面激光发射阵列,提出了准相位闭合概念,分别得到了T型发射阵列的最小二乘法(LMS)和加权噪声的Wiener滤波图像重构算法,完善了T型激光发射配置的傅里叶望远镜成像系统,为实际工程系统的实施奠定了技术基础.在不同成像信噪比条件下对整体系统数值模拟发现:相比直接傅里叶逆变换方法,重构图像成像质量有所提升,特别是当成像信噪比较低时,如SNR为50时,LMS和加权噪声的Wiener滤波方法重构图像的斯特里尔比分别提高了7%和8.4%,证实了该方法的可行性和正确性.     

基于压缩感知的反射光谱重构算法研究

光谱反射率描述物体的表面颜色特征,为了能够获取物体自身更加精确的颜色信息,在图像处理领域光谱反射率重构成为了关注的话题。反射光谱重构算法是对实验物体表面在可见光范围内每一波长处的光谱反射率进行重构,以达到提高物体自身颜色准确复制的精度,最后建立相应的反射光谱。尝试将压缩感知(CS)理论应用到光谱实验中,对光谱反射率进行重构。首先是介绍了压缩感知理论知识,然后把压缩感知理论与光谱反射率原理相结合,根据基于压缩感知的光谱反射率重构的理论框架,选取合适的采样值,压缩感知的采样值即压缩值,小波基作为正交矩阵,高斯随机矩阵作为测量矩阵,正交矩阵与测量矩阵需要保证具有不相关性,将原始光谱反射率从高维到低维进行线性投影,得到低维的观测信号,运行简单的正交匹配追踪算法(OMP)对低维的观测信号进行由低维到高维的高精度重构,重构得到的光谱反射率与原始光谱反射率具有相同的维度,最后将压缩感知重构算法与传统的光谱反射率重构算法伪逆法与多项式回归法进行比较。经过压缩感知重构算法得到的色差值与均方根误差值都小于伪逆法和多项式回归法重构的结果,经压缩感知的重构精度明显提高;经压缩感知重构的光谱曲线可以达到或者更接近原始光谱曲线的峰值,整体效果更接近原始光谱曲线;经多项式回归法和伪逆法重构的光谱曲线达不到原始峰值,整体上存在偏差。可以认为压缩感知用低采样的数据达到了全采样的效果,提高了光谱反射率重构的精度。基于压缩感知的光谱反射率重构算法效果明显优于传统的多项式回归法和伪逆法,可以将压缩感知理论应用到实际的多光谱成像系统中。     

基于相位重建的叠栅层析技术

针对叠栅层析研究中采用基于相位重建方法处理叠栅条纹图像的问题,用标量衍射理论对叠栅偏折仪的叠栅条纹形成原理进行分析.通过小孔滤波分别提取光场的零级和一级频谱,分析结果与传统的通过几何叠加原理的结果一致,在形式上更加精确.结论表明,叠栅条纹是多波面剪切干涉的结果,且一级频谱滤波下的叠栅条纹图像满足严格的余弦强度分布.采用基于多重网格相位展开的傅里叶变换方法和叠栅层析滤波反投影算法对丙烷燃烧场进行了层析重建.     

基于光谱信息的空间目标模式识别算法研究

在观测空间目标时,往往会受到地基观测仪器等因素的制约,导致无法利用目标图像信息从外形上进行识别。根据不同空间目标表面组成材料不同,其产生的反射光谱会存在差异这一特性,可利用空间目标特有的光谱信息进行识别分类。基于此,从光谱学角度对空间目标识别算法进行研究,在K最近邻算法(KNN)的基础上,采用了一种自适应权重局部超平面方法(AWKH),算法主要在计算预测样本与超平面距离时加入对特征权重的考虑,构建了以样本特征组间差与组内差的比值作为特征权重值的超平面模型,从而提高了分类效果和分类效率。为验证算法的分类效果,本文进行了四组验证实验,第一组实验将美国地质勘探局数据库中提取出的九种常用材料光谱随机选出三种混合成多类进行识别;第二、三组实验将四种常用空间目标材料的光谱作为纯物质光谱,分别从可见光和近红外波段对其混合物质进行分类;第四组实验通过实测四个方形模型样本六个面的光谱对其进行识别分类。实验过程中将实验结果与目前常用的支持向量机(SVM)进行对比,对比结果表明改进后的AWKH算法在识别精度和样本适用范围上具有更高的优越性。     

基于MODIS数据的卫星辐射特性研究

本文提出了一种结合MODIS数据产品和MODTRAN模型的典型地形条件空间目标红外辐射特性计算方法.考虑了地形条件和大气环境对空间目标的红外辐射特性影响,应用MODIS 3级陆地,海洋,冰雪圈数据产品得到全球温度分布,地形特征分布,将温度及地形条件代入MODTRAN计算得到地表-目标的辐亮度,进而计算目标的外热流以及表...     

高光谱数据处理算法的小麦赤霉病籽粒识别

赤霉病是小麦的一种主要病害,它会导致小麦减产甚至绝收,严重影响小麦种子质量,此外小麦受侵染分泌的真菌毒素危害人类身体健康。因此,小麦赤霉病籽粒的识别具有非常重要的意义。起初普遍采用色谱法和酶联免疫法进行赤霉病检测,这些方法设备昂贵、检测速度慢、准确性低。近年来,高光谱成像技术被广泛应用于农作物的识别与检测中,但是在小麦赤霉病检测的应用研究中,大多采用抽样检测的方法,图像采集完成后需要通过ENVI软件手动选取感兴趣区域。前期准备工作冗杂,而且容易发生漏检,漏检的小麦籽粒在存储运输过程中向周边籽粒快速侵染,难以保障小麦安全健康。鉴于此,利用高光谱成像系统结合机器学习提出了一种用于对大量小麦赤霉病籽粒样本快速可视化识别的算法,以降低漏检率并提升检测效率。实验分别采集健康小麦和染病小麦469～1 082 nm波段的高光谱图像,通过直方图线性拉伸结合图像分割的方法获取小麦样本的掩膜图像信息。利用Savitzky-Golay平滑去噪法与标准正态变量变换法（SNV）进行数据预处理,通过主成分分析法（PCA）和连续投影法（SPA）进行特征变量提取,筛选特征变量个数分别为4个和8个。在掩膜图像位置采集健康小麦样本与染病小麦样本各400份,其中75%用于建模集,25%用于测试集。采用十折交叉验证法结合线性判别分析法(LDA) 、K-近邻算法（KNN）、支持向量机（SVM）分别建立分类模型,测试集准确率都达到90%以上。随后比较了网格法（GRID）、粒子群算法（PSO）、遗传算法（GA）三种核参数寻优方法对SVM模型的影响,其中,SG-SPA-SVM（PSO）模型分类效果最优,建模集准确率为95.5%,均方根误差为0.212 1,测试集准确率为98%,均方根误差为0.141 4。基于样本点预测的基础之上,对掩膜获得所有小麦样本的光谱曲线进行预测并将识别结果反馈回掩膜中再进行伪彩色显示,实现染病籽粒可视化识别。结果表明,高光谱成像结合SG-SPA-SVM（PSO）算法建立的分类模型可以高效快速、准确无损、可视化的实现小麦赤霉病籽粒识别,为研制小麦赤霉病自动识别设备提供了算法基础。     

基于平稳小波和相空间重构的激光混沌预测

提出了一种激光混沌时间序列预测算法.该算法通过平稳小波分解，将原始数据序列分解为与原序列等长的尺度系数和小波系数，利用坐标延迟理论，重建各级尺度系数和各级小波系数的相空间,再根据混沌吸引子的稳定性和分形性,在相空间中对尺度系数和小波系数进行预测,进而通过平稳小波重构算法,实现了时间序列的非线性预测.该算法对数据可以进行更平滑的处理，比无小波算法预测的时间范围更长.通过仿真试验说明，原始时间数据序列被成功的重建，说明算法能够有效的对非线性动态系统的时间序列进行建模和预测.