最小二乘B样条函数在火箭发动机数据处理中的应用

在固体火箭发动机地面试验数据处理中,通过应用最小二乘三次B样条函数拟合的方法,进行野值辨识和修复。文中阐述了实际应用中的步骤及应注意的几点问题。为避免常规的控制序列中含有野值而影响数据辨识的问题,提出差别选取控制点循环过滤的方法,实现精度更高的野值辨识。进而采用门限判别方法,实现野值的修复。通过实测数据处理的应用表明,该算法对单个和成片野值的辨识度都很高,适用于火箭发动机地面试验数据处理。     

“宏观辨识与微观探析”视域下的初中化学教学*——中和反应

在“宏观辨识与微观探析”视域下进行中和反应教学,首先以常规实验为载体,从宏观视角认识中和反应的外在表现,然后以模型、动画为载体,从微观视角了解中和反应的微观过程,再以数字化实验为载体,从宏观与微观相结合的视角理解中和反应的内在本质,最后联系生产生活实际,体验中和反应的应用价值。这样设计,学生能深刻理解中和反应的本质,增进化学学科理解,培养化学学科核心素养。     

基于恒等映射多层极限学习机的高速列车踏面磨耗预测模型

针对高速列车车轮踏面磨耗单一模型无法对各种复杂工况下列车车轮踏面磨耗进行定量计算的问题, 提出一种基于恒等映射多层极限学习机的高速列车车轮踏面磨耗测量方法. 首先将恒等映射引入到多层极限学习机中, 提出一种基于恒等映射的多层极限学习机模型(identity multilayer extreme learning machine, I-ML-ELM), 采用机器学习公共数据集对该模型进行性能验证, 数值结果表明I-ML-ELM模型具有较好的准确性与泛化性; 然后基于车辆-轨道耦合动力学理论建立高速列车的车辆-轨道耦合动力学模型, 模拟列车运行的不同工况, 观测和分析高速列车的车轮踏面磨耗情况, 并通过I-ML-ELM预测模型对高速列车车轮踏面磨耗量进行学习及预测; 最后应用高速列车车轮踏面磨耗的实际测量值对I-ML-ELM预测模型进行进一步的验证, 结果表明: I-ML-ELM预测模型的各项性能参数指标在整体上优于以下五种网络: ELM, FLN, ML-ELM, ML-KELM和DLSFLN, 通过高速列车线路实测数据的进一步验证表明, 本文提出的基于I-ML-ELM的高速列车车轮踏面磨耗预测模型能较好地反映不同参数对高速列车车轮踏面磨耗值的影响规律.      

飞行器参数辨识的一种演化计算方法

将混合遗传算法应用于飞行器气动参数辨识。该方法结合了遗传算法的全局寻优能力和极大似然法的局部寻优能力,使得混合遗传算法不受极大似然法初值选取的影响,同时也解决了遗传算法收敛速度慢和收敛精度较低的问题。在混合遗传算法寻优过程中,仅对最优个体和变异后的个体执行局部寻优操作,从而使得混合遗传算法的计算量维持在一个适当的水平。最后,一个飞行器纵向模型气动参数的辨识仿真表明：混合遗传算法的收敛性和精度都远高于没有采用局部寻优策略的遗传算法。     

用于数字电视的盲均衡技术研究

对目前在接收端采用均衡技术时常用的CMA算法和子空间算法的原理和性能进行了详细的讨论和说明,并给出各自的适用场合.     

基于矢量量化的模糊参数辨识及分辨率增强方法

在实际的图像复原中通常需要预先估计模糊函数。该文将Nakagaki等人提出的基于矢量量化的模糊参数辨识算法进行改进,利用Sobel 算子形成特征矢量,避免了LOG滤波器参数的选择,增强了算法对辨识不同类型图像的模糊函数的鲁棒性,并利用DCT对特征矢量降维,减小了计算量。同时将其应用于超分辨率图像复原中,辨识出多幅低分辨率图像的模糊函数,然后融合具有不同模糊函数和信噪比的低分辨率图像,实现了盲超分辨率图像复原。仿真结果表明了改进算法的有效性和可行性。     

一般二元关系下的关系决策系统属性约简

文献[Wang C Z,Wu C X,Chen D G.A systematic study on attribute reduction with rough sets based on general binary relations.Information Sciences,178(2008),2237～2261]将基于经典粗糙集上的属性约简模型推广到基于广义粗糙集模型上,给出了关系决策系统中属性约简的判定定理和辨识矩阵.但是在属性约简模型中,支撑域的界定使模型的一般性受到限制.本文通过重新定义决策域的正域,给出了改进的决策系统属性约简判定定理和辨识矩阵,并对约简性质进行研究,实现关系决策系统基于正域的属性约简.     

永磁同步电机GWO-PID优化控制

永磁同步电机（Permanent Magnet Synchronous Motor,PMSM）由于具有结构简单、效率高、重量轻、故障率低等特点,成为新能源汽车中一类动力电机,并被广泛地使用。由于PMSM拥有强耦合,非线性、动态时变系统的特点,当其处于运行状态时会受温度、磁通、电流等因素影响,使电机系统参数产生变化。这些变化会极大地影响系统的鲁棒性以及各种性能稳定性。然而在使用同步电机的过程中,对系统参数的高精度识别以及控制是保证控制系统可以平稳运行的重要条件。针对永磁同步电机(PMSM)参数辨识算法存在辨识精度低、同时辨识多参数困难等缺点,提出一种基于永磁同步电机模型的灰狼优化算法(GWO)的PID控制策略。在MATLAB软件中利用Simulink中建立了PMSM模型,通过对比PID、GWO-PID在启动环节和负载变化时的速度变化,验证了改进GWO-PID控制的有效性。仿真结果表明GWO-PID控制具有更快的响应,更好的抗干扰素力。经仿真与实验表明,GWO算法对于PID控制的PMSM参数辨识具有更好的精确性、收敛性和稳定性。     

大尺寸电磁振镜的RDLS-DE算法辨识

针对大尺寸电磁振镜系统,提出"递推阻尼最小二乘-差分进化"算法进行系统辨识.首先通过递推阻尼最小二乘法对该系统进行初步模型辨识后,得到相对准确的种群范围,在此辨识基础上选择小范围的种群作为差分进化算法的初始化种群,经过反复变异、交叉和选择,最终辨识出待辨识参数的最优值.通过对该方法进行仿真辨识和实验验证,结果表明,在收...     

基于GMM-UBM模型的说话人辨识研究

为了进一步提高基于传统的GMM模型的说话人辨识的识别率,引入了GMM-UBM模型,并且在特征提取方面采用多种特征参数组合来代替单一特征参数,以提高有效特征维数来弥补特征样本的不足,同时在说话人辨识的端点检测部分,用基于MFCC相似度和谱熵的端点检测方法来代替传统的基于短时能量和过零点的方法,以解决其对含噪语音检测不准确而影响说话人辨识的问题。实验表明,与传统的GMM模型相比,GMM-UBM模型能够有效地提高说话人辨识的性能,并且使用组合特征参数和利用基于MFCC相似度和谱熵的端点检测方法都可以进一步提高说话人辨识的性能。