基于自适应模糊神经网络的多传感器噪声抵消器

针对同一噪声源的多传感信号，采用自适应模糊神经网络系统(AFNNS)设计自适应噪声抵消器．采用AFNNS获取多路信息融合的权系数和自适应噪声抵消器的系数，基于AFNNS的自适应噪声抵消器不仅能获取信号的最佳估计，并且能克服模型和噪声存在的不确定性和不完备性．仿真结果表明，该自适应噪声抵消器的设计方法简单易行，去噪声效果优于基于平均法的去噪效果．     

自适应模糊神经网络系统在管道泄漏检测中的应用

输油管道泄漏信号的检测存在信噪比较低的问题,利用自适应模糊神经网络系统的去噪方法可以提高压力信号、流量信号的信噪比.由于自适应模糊神经网络系统具有非线性映射和自学习能力,能够用于噪声信号的非线性建模.它不仅能够获取信号的最佳估计,并且能够克服信号处理中存在的模型和噪声的不确定性、不完备性.应用结果表明,自适应模糊神经网络的自适应噪声抵消器不仅实现简单、节省运行时间,而且能快速、有效地消除流量、压力信号中的各种噪声,因而提高了泄漏检测和定位的精度.     

永磁同步电机伺服系统的模糊控制

为了克服参数的不确定性,提高永磁同步电机伺服系统的快速跟踪能力,文中提出了一种自校正模糊控制器。该自校正模糊控制器与传统控制器相比,具有在线计算简单、减小稳态误差的优点。同时将其应用于永磁同步电机伺服系统的速度控制,证明了该模糊控制器的优越性。     

流水车间部分资源柔性的度量

资源柔性涉及到从一个生产进程到另一个生产进程进行动态分配资源单元的能力,从而体现应对瓶颈的反应能力。当前的研究证明在连续机和并行机环境下,有效地利用完全资源柔性能够有效改进经营业绩。文中研究的是针对劳动力的柔性,提出了相应的部分柔性度量的数学模型。文中研究了部分资源柔性分配额的形式,可以按照这个形式进行劳动力的分配。本文对于流水车间劳动力如何交叉训练(即部分柔性的程度)与有效改进经营效益的管理问题给出了一个有意义的衡量标准。     

标准测试条件下人造太阳光源的谱失配及影响

标准测试条件下,人造太阳光源的光谱形式、辐 照强度、光谱失配因子等是影响太 阳电池器件测试结果准确性的重要因素。本文以标准太阳光谱AM1.5 为参考,从光谱失配角 度,计算和分析了4种常用人造太阳光源(Arc lamp灯、Q-Flash灯、Q-Flash W灯和ELH 灯)与标准太阳光谱AM1.5之间的光谱失配因子的变化和这四种人造 太阳光源辐照下晶硅电 池的输出参数的变化。计算结果表明:Arc lamp型人造太阳光源的光谱失配因子为 0.979, 晶硅电池输出参数最接近标准太阳光谱AM1.5辐照下的输出参数 ;因光谱失配影响,4种不同人造太阳光源辐照下晶硅电池的输出参数较标准太阳光谱AM1.5辐照下的输出 参数会发生明显变化。     

一种新的兼类样本类增量学习算法

提出了一种基于超椭球的兼类样本类增量学习算法。对兼有同一类别的样本,在特征空间构建一个能包围该类尽可能多样本的最小超椭球,使各类样本之间通过超椭球球面分开。增量学习过程中,对新增样本中的每一新类别构建超椭球,对新增样本中的各历史类别重新构建超椭球,使得算法在很小的空间代价下实现了兼类样本类增量学习,同时保留了与新增样本类别无关的历史类训练结果。分类过程中,根据待分类样本是否在超椭球内或隶属度来确定其所属类别。实验结果表明,该算法较超球方法具有较快的分类速度和较高的分类精度。     

基于遗传小波神经网络的语音识别分类器设计

分类在语音识别中是很重要的,由于小波神经网络的学习效果对网络隐层节点数、初始权值(包括阈值)、伸缩和平移因子以及学习率和动量因子的依赖性较大,致使其全局搜索能力弱,易陷入局部极小,收敛速度减慢,甚至不收敛。而遗传算法具有的高度并行、随机、自适应搜索性能,使它在处理用传统搜索方法解决不了的复杂和非线性问题时具有明显的优势。因此,考虑把遗传算法和神经网络相结合,采用遗传算法选取初值进行训练,用小波神经网络完成给定精度的学习。仿真实验结果表明,该模型有效地提高了语音的识别率,并缩短了识别时间,实现了效率与时间的双赢,为算法的实用性莫定了基础。     

基于小世界回声状态网的时间序列预测

为了提高时间序列的预测精度, 提出了利用改进的小世界网络优化泄露积分型回声状态网(Leaky-integrator echo state network, Leaky ESN)的时间序列预测方法. 首先提出一个改进型小世界网络, 其加边概率是节点间距离的负指数函数. 然后, 利用加边概率直接表示Leaky ESN储备池两个神经节点的连接权值, 取值范围为[0,1], 表征了节点间的连接程度. 利用这个新型小世界网络改进Leaky ESN的储备池神经节点的连接方式, 有目的地实现了稀疏连接, 减小了Leaky ESN储备池随机稀疏连接的盲目性, 提高了储备池的适应性.最后, 利用改进的Leaky ESN预测典型的非线性时间序列, 并利用Matlab仿真软件验证了本文提出方法的有效性. 与Leaky ESN相比, 本文提出的方法具有更高的预测精度和更短的训练时间.     

基于一维光子晶体高阶禁带性质的带阻滤波器研究

设计了一种基于一维光子晶体(PC,photonic crystal)高阶禁带性质的新型带阻滤波器,其结构形式为Si(空气|Si)5,晶格周期长度为15μm,滤波中心频率位于1.55μm,带宽约为10nm。利用光刻和ICP(inductively coupled plasma)刻蚀技术,将这一滤波器制作在SOI材料上,并对其透射谱特性进行理论计算和实验测量。结果表明,理论计算和实验测量的结果吻合良好,证明了高阶禁带是降低PC加工难度的有效方法。     

基于主元分析神经网络补偿的感应电动机逆解耦控制

对于具有多变量、非线性、强耦合、慢时变等特征的异步电动机调速系统,实现定子磁链与电磁转矩的高精度动态解耦是提高系统性能的关键.首先通过非线性状态反馈建立感应电动机的α阶积分逆模型,并分析非线性状态反馈的误差对其逆模型精度的影响.在此基础上提出了一个基于主元分析神经网络补偿的感应电动机逆解耦控制方法,将补偿后的α阶积分逆...