基于主元分析与BP网络的颗粒体积模型

在颗粒加工工业中,获取颗粒尺寸和形状参数是一道常见的工序。体积是一个重要的颗粒三维参数,采用传统的手工测量方法获取体积耗时长,人工投入较多,很难实现过程控制中的实时反馈。应用计算机视觉技术,提出了一种基于颗粒单视二维图像信息（周长、投影面积、长宽比等）的BP神经网络体积估算方法。为了避免传统BP神经网络收敛速度慢,容易陷入局部极小值的缺陷,采用BP神经网络的改进算法-有动量的梯度下降算法。同时应用主成分分析法来进行体积影响参数的降维处理,减小了网络结构复杂度并提高了网络的整体性能。使用真实颗粒图像及实测数据对神经网络进行训练和精度测试,结果表明,将主元分析法与BP神经网络相结合来进行体积估算无论在预测精度还是在网络运算速度上比全要素传统BP神经网络模型具有更大的优越性。     

煤料堆测量系统的研究

提出了一种煤料堆体积和质量自动测量系统。该系统包含了基于图像处理方法的煤料堆体积测算和基于BP神经网络的煤料堆质量估算。在取料大机上安装激光扫描仪,通过控制取料大机的走形、回转和俯仰使得激光扫描仪的扫描面可以覆盖整个煤料堆。将激光扫描仪获取的相对坐标解析为对应料场上的绝对坐标,从而得到料堆的三维点云数据。将三维点云数据线性映射为二维灰度图像,在图像层面上使用一些理算法处理以获取料堆信息,最后提出了一种使用BP神经网络对料堆质量进行估算的方法。     

基于模拟退火算法的BP神经网络模型估算高分辨率叶面积指数

卫星遥感技术的快速发展使得获取全球大范围叶面积指数成为可能,但基于现有的算法和数据估算高分辨率LAI的精度还需要提高。针对农作物、草地和林地等3种典型地表类型,选取地面观测数据较多的4个研究区,包括3个各地类用于建模验证的研究区与一个用于适用性验证的独立研究区,针对4个研究区,分别获取地面测量数据以及对应的30 m空间分辨率地表反射率数据。在3个主要研究区建立并比较了NDVI植被指数经验模型、BP神经网络模型和基于模拟退火算法的BP神经网络模型,利用地面实测数据对模型进行验证。结果表明：在研究所选的3个主要研究区,基于模拟退火算法的BP神经网络模型的估算精度比BP神经网络模型和NDVI经验模型的估算精度高,农田、草地和林地站点估算结果的决定系数分别为0.899、0.858和0.863,BP神经网络模型的估算结果决定系数分别为：0.763、0.710和0.742,NDVI经验模型的精度最差,其估算结果的决定系数分别为0.622、0.536和0.637。为了验证SA-BP神经网络的适用性,选取独立研究区进行验证,结果显示验证精度较高,R²为0.842,RMSE为0.689 5,说明该模型外推能力较好。研究证明了基于模拟退火算法的BP神经网络模型提高了模型泛化能力,有效防止了BP神经网络模型滑入局部最小值,是提高高空间分辨率LAI估算精度的有效手段。     

液压支架疲劳寿命近似估算

针对常规的液压支架寿命近似分析方法需对危险点进行循环加载和获取,导致计算机负载增加的问题,提出了一种基于遗传算法与BP神经网络的寿命估算模型。利用遗传算法的全局搜索性优化BP神经网络,使其不易陷入局部最小点;利用优化后的BP神经网络建立危险点结构参量到疲劳寿命的网络映射模型。针对样本容量和隐含层节点数进行了测试,测试结果表明,样本容量为40、隐含层节点数为7时,模型估算精度较高;液压支架平均寿命估算值为36 456次,与理论值的最大相对误差为5.27%。     

基于遗传算法优化BP神经网络的线损计算研究

为了准确计算低压台区配电网的线损,提出遗传算法优化BP神经网络的配电网理论线损计算。通过电网线路获取线路特征参数,对特征参数建立BP神经网络的预测模型;根据BP神经网络的拓扑结构中的权值和阈值来确定染色体长度;通过遗传算法来确定BP神经网络的参数,拟合影响线损的特征参数和线损的复杂关系。该算法减少了线损计算误差,计算时间少,稳定性增强。     

基于图像分析的真假药胶囊颗粒识别方法研究

研究了一种基于图像处理和神经网络的真假药胶囊颗粒的自动识别方法。用高像素数码相机对胶囊颗粒进行拍照来获取图像,并对图像进行预处理。提取每个颗粒的形状因子、周长体积、面积体积等特征参数,作为神经网络的输入,建立特征参数与真假胶囊颗粒之间的神经网络模型。实验结果表明:该方法对真药胶囊颗粒与假药胶囊颗粒的检测平均准确率为97.5%,达到了较好的自动识别效果。     

一种估算锂电池SOC的新型方法

SOC（荷电状态）的预测和估算是锂电池管理系统中的一个重要部分。根据GAAA算法充分利用了遗传算法和蚁群算法各自的优势,提出一种GAAA算法优化BP神经网络的SOC估算方法。使用MATLAB进行编程,将锂电池的实时工作电流、电压、温度、健康度、安时积分值作为输入,实现对SOC的估算。实验结果表明,该算法在估算精确度和运算速度上都优于传统的BP神经网络和基于遗传算法的BP神经网络。     

基于卷积神经网络的永磁同步电机转矩观测器

内嵌式永磁同步电机具有高功率密度、高可靠性和弱磁性等诸多优点,但由于电动机参数具有非线性化特征,导致电磁转矩难以精确估算。该文提出了一种基于卷积神经网络的电磁转矩估算方 法,即转矩观测器。首先,基于所搭建的高保真非线性内嵌式永磁同步电机模型,获得用于神经网络训练的转矩观测器数据;然后,基于所提出的卷积神经网络转矩观测器实现内嵌式永磁同步电机的精确控制;最后,为获取最优的转矩估算误差,在仿真实验阶段对不同参数和结构的卷积神经网络进行了对比和分析。结果表明,该神经网络可以实现电磁转矩的准确估算,所建立的转矩观测器具有良好的性能参数和泛化能力。     

基于BP神经网络的专家系统体系结构

针对传统专家系统知识获取的“瓶颈问题”,利用BP神经网络于知识获取的长处,将BP神经网络和专家系统有机的结合。阐述了BP神经网络专家系统的基本原理,给出基于BP神经网络的专家系统体系结构。     

基于BP神经网络的模糊参数辨识

提出一种与TSK模糊模型相似的模糊模型—M-2模型,证明了M-2模型与一个4层前向神经网络是等价的,在此基础上提出基于BP神经网络的模糊模型参数辨别算法,即通过BP神经网络对样本数据的学习,直接从样本数据获取模型参数,建立M-2模糊模型,通过仿真实例验证了该算法的有效性。     

粒子滤波目标跟踪中的有效粒子数控制方法

针对视频目标跟踪中粒子滤波的粒子退化问题,提出一种有效粒子数控制方法。通过分析权值和有效粒子数对跟踪性能的影响,建立了有效粒子数控制的相关理论,并提出基于有效粒子数控制的粒子滤波目标跟踪算法。最后,建立了跟踪性能评价方法。大量的实验比较表明所提出的方法是有效的。     

基于MMTD算法的粒子群的解

粒子群算法是一种寻找最优解的算法,该算法在寻找的过程中需要粒子所得的目前解具有判断力和记忆力.然而正是由于该算法中的粒子对当前的解具有判断力,这才能够使得粒子群中的粒子能够较快地找到最优解.粒子群中的粒子在求解过程中所得的结果可分为三种：优,中,差,这三种解的属性符合中介思想.然而MMTD的算法正是中介思想的一种应用,因此本文将MMTD算法在粒子群上进行应用,该算法能够对粒子群解的属性上做出判断.     

利用粒子流滤波的单通道BPSK信号盲分离算法

由于粒子滤波本身的"粒子贫化"问题,导致基于传统粒子滤波的单通道信号盲分离算法分离性能恶化以及计算量较大,本文提出了一种基于粒子流滤波的单通道BPSK信号盲分离新算法。根据由两路BPSK信号混合的单通道信号,构造了测量方程和状态方程。然后,通过将状态空间中服从先验分布的粒子移动到其对应的后验分布上,实现了粒子更新,其不同于粒子滤波采用重采样来更新粒子,避免了"粒子贫化"现象发生。最后,采用一种基于弱解形式的粒子流滤波器实现BPSK信号的盲分离。计算机仿真结果表明,与粒子滤波算法相比本文算法具有更低的误码率和计算复杂度。     

基于高斯粒子群优化的RBPF滤波算法

针对动态系统目标跟踪问题,RBPF算法通过将高维状态空间分解成易于处理的线性子部分与非线性子部分,并采取不同策略进行滤波估计。为了提高RBPF的计算效率,提出将粒子群优化思想融入到RBPF滤波估计中,凭借粒子群算法卓越的全局搜索能力,对于状态空间中非线性部分,通过粒子群算法驱使所有采样粒子向高似然区域(最优适应值区域)移动;对于线性状态部分,依然利用卡尔曼滤波进行处理。通过多组实验仿真结果对比,PSO-RBPF利用较少采样粒子、耗费较少时间即能获得极佳的估计精度。     

遗传重采样粒子滤波器

粒子退化现象是影响粒子滤波器性能的一个重要因素. 本文针对粒子退化, 将遗传机制应用于粒子重采样, 以进化设计解决退化问题. 分析并给出了平衡粒子集的有效性与多样性的手段以取得最佳性能的遗传粒子滤波结构的方法.     

基于正则化的高斯粒子滤波算法

针对非线性系统的状态估计问题,提出一种改进的高斯粒子滤波算法。该算法是基于正则化粒子滤波(RPF),将重采样中离散的概率分布函数近似为连续分布,进而在高斯粒子滤波(GPF)中引入正则化粒子滤波算法得到的最新预测值,并利用这一观测值进行状态估计的更新。最后,对RGPF和GPF两种算法进行综合分析和实验仿真,结果表明,与标准GPF算法相比,RGPF具有较高的滤波精度。     

Mobile robot localization based on PSO estimator

Localization is fundamental to autonomous operation of the mobile robot. A particle filter (PF) is widely used in mobile robot localization. However, the robot localization based PF has several limitations, such as sample impoverishment and a degeneracy problem, which reduce significantly its performance. Evolutionary algorithms, and more specifically their optimization capabilities, can be used in order to overcome PF based on localization weaknesses. In this paper, mobile robot localization based on a particle swarm optimization (PSO) estimator is proposed. In the proposed method, the robot localization converts dynamic optimization to find the best robot pose estimate, recursively. Unlike the localization based on PF, the resampling step is not required in the proposed method. Moreover, it does not require noise distribution. It searches stochastically along the state space for the best robot pose estimate. The results show that the proposed method is effective in terms of accuracy, consistency, and computational cost compared with localization based on PF and EKF.     

基于TVAR模型和粒子滤波的语音增强方法

实际的语音以及语音中掺杂的噪声一般都是非平稳的。本文详细分析了TVAR（时变自回归模型）语音系统模型，把利用TVAR模型增强语音分解成卡尔曼滤波和粒子滤波两步，以减小运算量。同时在粒子滤波中，为克服粒子退化效应，引入了粒子重采样技术提高粒子滤波精度。实验证明，这种增强语音方法无需对语音分帧处理，无需要求噪声是否平稳，能很好地跟踪语音信号的非平稳性，对系统初始值设置不敏感，增强后的语音信号信噪比得到明显改善。     

辅助增量粒子滤波方法

提出辅助增量粒子滤波方法并给出其算法过程。该方法将增量形式融入辅助变量粒子滤波中,解决由于工程实际中量测可能存在未知系统误差导致无法精确建立量测似然函数的问题,另一方面,其又能保持辅助变量粒子滤波方法的优势,在选取重要性密度函数上有效利用最新观测的信息。该方法能减少重采样次数,较好保持粒子的多样性,使得非线性滤波的精度得以提高。仿真实验结果表明,辅助增量粒子滤波方法能有效减少非线性滤波问题的误差,相对经典滤波方法的滤波精度提高了50%。     

空气悬浮颗粒物粒径分布及质量浓度一体化测量系统的研制

检测空气中悬浮颗粒物的粒径分布及浓度是当前环境保护部门的重要工作,这两个参数直接反映了当前空气的质量.论文介绍的一体化测量系统,能对采样的气体同时进行粒径分布和悬浮颗粒物质量浓度的测量.由于是对同一气体同时进行测量,因此能准确反映被测区域的空气质量,并且给测量带来方便.实测表明:使用本测量系统的测量结果与用传统的单功能测量仪器测量的结果差别不超过±5%.这种测量方法目前在国内尚未见报道.