基于SVM 的二叉树多类分类算法及其在故障诊断中的应用

基于结构风险最小化原则的支持向量机(SVM)对小样本决策具有较好的学习推广性。但由于常规SVM算法是从2类分类问题推导出的，在解决故障诊断这种典型的多类分类问题时存在因雄，因而提出一种依赖故障优先级的基于SVM的二叉树多级分类器实现(2PTMC)方法，该方法具有简单、直观，重复训练样本少的优点。通过将其应用于柴油机振动信号的故障诊断，获得了令人满意的效果。     

复杂网络的局部社团结构挖掘算法

挖掘复杂网络的社团结构对研究复杂系统具有重要的理论和实践意义.其中,相较于全局社团,局部社团的挖掘难度更大,相关文献更少.现有的局部社团挖掘算法大都精度较低、稳定性较差.本文提出了一个有效的局部社团挖掘算法,称为内外夹推法（Shell interception and core expansion,SICE）.算法有两个创新之处:1）将节点相似度模型引入到局部社团挖掘算法中（节点相似度模型在局部社团挖掘中较难应用）,并提出了“一次一个子图”的社团扩展模式;2）提出了一种“内外夹推”的思想.这两个创新使SICE算法摆脱了缺乏网络全局信息的困扰,并解决了以往算法的一个致命缺陷,从而使算法具有很高的精度和稳定性.通过理论分析和实验比较,证明SICE算法要远好于当前的同类算法,甚至不逊色于性能较好的全局社团挖掘算法.     

应用粗糙集提取柴油机故障数据特征

根据柴油机故障数据的特点,采用粗糙集理论对其进行特征提取研究。由于实际测量的参数大多为连续数据,而粗糙集只能处理离散数据,提出了一种适用于粗糙集的SOM网络离散化方法;给出一种基于简化差别矩阵的快速属性约简算法;以6135D型柴油机故障诊断数据为例进行特征提取,成功地将原始8个属性约简为3个,为后续研究工作打下了基础。     

基于多传感器信息融合的目标跟踪与防撞决策

为了实现汽车主动安全系统中的目标跟踪与防撞,提出了混合式汽车防撞系统信息融合结构模型,采用分级信息融合实现目标跟踪,推导出了基于跟踪残留误差和预测残留误差共同校正的融合算法,并给出了算法的实现结构.在此基础之上,利用模糊积分方法融合多种相关信息,确定了汽车应采用的安全运行模式,实现了主动安全防撞决策.大量实验表明,该算法具有很好的稳定性和准确率.     

基于相电流瞬时频率估计的永磁直驱风电变流器开路故障诊断

为了提高永磁直驱式风电变流器的稳定性和可靠性,该文针对风电变流器功率管单管和双管故障,提出一种基于相电流瞬时频率估计的开路故障诊断方法.该方法首先提出一种基于加权滑动Hilbert变换的相电流瞬时频率估计方法,然后通过归一化的相电流瞬时频率残差来构造新的故障检测变量检测故障的发生;其次提出基于改进相电流均值法的多功率管...     

悬臂式掘进机器人截割臂建模与二阶滑模控制器设计

根据悬臂式掘进机器人截割工艺和结构特点,建立了截割臂动力学模型.将一种基于有限状态结构的二阶滑模控制扩展到多输入多输出系统中,在无速度观测器的情况下,保证了滑模量及其导数在有限时间收敛到零.算法消弱了传统滑模控制中的抖动问题,提高了控制系统精度.利用提出的多输入多输出二阶滑模控制算法,设计了截割臂控制器.通过仿真和实验,证明了算法的有效性.     

结合标准对冲与核函数稀疏分类的目标跟踪

针对经典稀疏分类目标跟踪算法在噪声,遮挡等恶劣环境下精度不高的问题,提出了一种新的目标跟踪算法。该算法在标准对冲框架下结合了核函数稀疏分类方法以及自适应字典更新方法,能够较好地适应类间相似度较高与目标外形变化较大等恶劣情况。核函数技巧能够增强分类器性能,但通用方法求解凸优化问题的效率较低,不能满足目标跟踪问题的实时性要求,故提出用核函数随机坐标下降(KRCD)算法来高效求解稀疏系数,并使用核函数稀疏分类方法(KRCD-SRC)来计算各个粒子的代价值。为了避免模板漂移问题,解释了目标字典和背景字典的在线更新方法。最后,结合标准对冲算法估算目标的状态信息。在使用50个粒子进行跟踪时,本文算法的处理帧率能够达到14frame/s。相比其它几种经典目标跟踪算法,本文算法具有更好的精确性和鲁棒性。     

一种基于极点配置稳定的新型局部递归神经网络

针对局部全局前馈递归动态神经网络的稳定性问题提出了一种新的采用极点配置稳定方法的局部递归全局前馈(Locally recurrent global forward, LRGF)神经网络. 由于动态神经元的极点有存在于实轴上和一对共轭复数极点两种情况, 为了避免神经元无限脉冲响应滤波器(Infinite impulse response filter, IIR)的系数投影到稳定区域的复杂性, 构造的神经网络将动态神经元分成实数极点IIR和共轭复数极点IIR两部分, 通过函数权值的方法将这两部分加权输出.同时针对这种新的神经网络采用了梯度下降的学习算法. 通过仿真对本文提出的神经网络的可靠性和有效性进行验证,并分析这种新的神经网络在稳定投影计算上的复杂度.     

基于滚动时域估计的非线性目标跟踪*

实际的雷达跟踪问题大多属于非线性问题,存在着各种物理约束,采用基于在线滚动优化原理的滚动时域估计方法可以有效地处理带约束非线性目标跟踪问题。滚动时域估计通过引入到达代价函数,将非线性跟踪滤波问题转换为带约束的有限时域优化问题,可以有效减少优化问题求解的计算量,能够显著提高状态估计的准确度。针对实际的雷达跟踪问题,仿真结果表明,滚动时域估计能有效地提高非线性目标跟踪的精度。     

在分裂的机会网络中多个消息摆渡的路由设计

针对机会网络中节点分布不规则造成分割的网络区域相隔较远的情况, 提出了一种基于全局消息摆渡和节点中继的多摆渡路由算法（GMF-NRA）。该算法使用一个全局消息摆渡节点和各个区域内的中继节点为运行于区域内部的局部消息摆渡节点中继消息, 共同完成区域间的信息传输。摆渡节点在中继节点处交互区域间的信息, 以至于不再需要摆渡节点之间实现在线协作转发消息。最后, 仿真结果表明GMF-NRA较现有的节点中继算法在网络的平均传输时延和数据交付率方面能获得更好的网络性能。