基于并行预测控制的Turbo码译码结构

提出一种基于并行预测控制的Turbo码译码结构. 通过建立预测控制模块(PCA)来预测分量译码器第n+1次的译码外部信息值. 相比于传统的并行译码方案,基于PCA模块的PPC-Turbo结构可以降低译码算法的复杂度,并减少译码时延. 通过对单次外部信息值预测（6～9次）及复次外部信息值预测（6+8、7+9次）,对比了外部信息预测的变化趋势及不同帧长（1?024、512、256、128、64帧）情况下的译码时延,验证了译码时延的减少. 在帧长为1?024、信噪比为0～2?dB时,对译码器2第6～8次的外部信息进行了单次预测,比较了PPC-Turbo与Turbo的误比特率(BER)性能,结果表明,两者的BER非常接近,预测控制模块可以代替分量译码器的一次译码迭代.     

基于混合高斯隐马尔可夫模型的带式输送机堆煤时刻预测方法

提出了一种基于混合高斯隐马尔可夫模型的带式输送机堆煤时刻预测方法。该方法根据传感器采集的带式输送机功率时序数据建立带式输送机运行状态的混合高斯隐马尔可夫模型,基于该模型采用基于图的状态序列遍历算法和基于切普曼-柯尔莫哥罗夫方程的概率转移算法对带式输送机堆煤时刻进行预测:基于图的状态序列遍历算法通过寻找当前状态到堆煤状态的通路确定剩余时间;基于切普曼-柯尔莫哥罗夫方程的概率转移算法通过粒子群优化算法及切普曼-柯尔莫哥罗夫方程交叉验证来获取训练样本上失败状态的概率阈值,并计算当前的状态迁移到超过失败状态概率阈值的转移次数来确定剩余时间。基于煤矿生产实际数据集的实验验证了该方法可有效预测带式输送机的堆煤发生时刻。     

选煤厂设备运行状态综合评判系统设计

针对采用参数阈值法不能实时判断选煤厂设备运行状态的问题,设计了一种选煤厂设备运行状态综合评判系统。该系统首先选定评判指标并对其进行状态描述,然后建立各评判指标的隶属函数,确定各评判指标权重,最后通过模糊综合评判计算设备运行状态分数,根据状态分数预测设备运行状态的发展趋势,同时为检修工作提供对策支持。     

深部高应力区岩爆预测及防治技术研究

根据某矿三水平运输下山岩爆发生特点,从岩体的力学性质及诱发因素方面分析了岩爆发生的影响因素,得出该区域岩爆属深部高应力型中等岩爆的结论;提出采用电磁辐射法预测岩爆,通过分析电磁辐射监测值确定了合理的临界指标,并通过现场应用验证了电磁辐射法预测岩爆危险性的可行性;提出了3种爆破卸压方案,采用数值模拟方式优选了延伸辅助眼浅孔爆破卸压方案,并通过现场试验验证了该方案具有良好的岩爆防治效果。     

基于反向神经网络的陶瓷材料Vickers硬度预测

误差反向传播神经网络(BP网络)具有能够正确逼近非线性映射关系的优点。将其运用到复相结构陶瓷材料Vickers硬度预测当中，克服了陶瓷材料研究中单因素实验法不能正确反映Vickers硬度与添加组分多因素之间复杂非线性关系的弱点，通过硬度预测和试验验证表明，该方法可行有效，为快捷、经济地开发研制新的陶瓷材料提供了新的思路和有效手段。     

Check Point预测2014年安全趋势

2013年,移动互联、大数据、云计算、物联网等技术为个人生活带来便利,为企业发展提供技术上的支持。但是“水能载舟,亦能覆舟”,在过去的一年全球互联网安全也摊上不少大事：“棱镜门”事件震惊全球、数据泄露事故似乎已经成为家常便饭。     

警惕智能设备安全隐患 冰箱也可发送垃圾邮件

2013年12月．CheckPoint发布了对2014年的安全预测。在CheckPoint预测的新威胁的名单中排在首位的是犯罪分子利用基于IP的智能设备．用来收集个人信息或发动攻击。预测仅仅发布一个月．就发生了两起涉及一系列新设备的安全事故．验证了这一预测的正确性。     

基于向量时间序列预测小波神经网络的控制参数在线整定方法的尝试研究

针对控制系统参数在线整定(自适应自优化)方法在工程应用中存在的稳定性和性能指标欠佳与进一步智能化问题,首先提出结合小波分析、BP、RBF神经网络优点和自适应机制构造了自适应小波神经网络方法 (AWNN),进而提出将AWNN结合经典控制方法构成的AWNN-PID方法,最终提出了采用自回归移动平均向量时间序列算法预测输出替代控制系统实时输出,从而构成基于向量时间序列预测自适应小波神经网络的控制参数在线整定方法 (VARMA-WNN-PID);进而选择工程应用中最为常见的多阶延迟被控对象,对BPNN-PID、RBF-PID与该研究提出的AWNN-PID、VARMA-WNN-PID等4种方法进行计算机仿真对比实验(结合针对神经网络学习效率、惯性系数和预测算法阶数、步长的对比试验),验证了新方法具有可行性、工程应用可靠性、更好的快速性、更低的静差和更灵活的控制参数调整能力。     

基于模糊控制和功率预测的变步长扰动观察法在光伏发电系统MPPT控制中的应用

光伏系统的输出功率随外界环境条件和负载的变化而变化,为了充分提高光伏系统的效率,需要对系统的最大功率进行跟踪控制;简述了光伏发电系统传统的固定步长扰动观察法在最大功率点跟踪控制时的跟踪速度与精度之间矛盾以及可能出现误判的原因,分析了基于功率预测方法避免误判的原理,提出了一种模糊控制与功率预测相结合的变占空比步长扰动方法;通过Matlab建模、仿真和比对,验证了这种方法在跟踪速度、稳定性和最大输出功率等方面均有良好的表现。