基于AWDO算法的主动悬架LQR控制优化

车辆主动悬架LQR控制研究的关键是性能指标加权系数的选择,针对这个问题,文中提出了一种基于改进风驱动优化算法的LQR控制器加权系数优化方法。利用协方差矩阵自适应评价策略算法(CMAES)确定传统风驱动优化算法(WDO)的固有参数,得到自适应风驱动优化算法(AWDO)。将LQR控制器性能指标的加权系数作为优化目标,在解空间中迭代搜索,寻找目标函数值最小的位置。通过实验仿真,并与粒子群算法(PSO)和遗传算法(GA)比较,该算法的收敛速度、收敛精度和鲁棒性更好,优化后的主动悬架性能比相应被动悬架的性能更优。     

某弹上存储装置的FLASH阵列无效块管理可靠性设计

针对某弹上存储设备的性能测试要求,以及FLASH芯片存储时无效块管理困难的特性,为了实现数据的大容量、高速存储需求,在流水线架构下提出应用无效块快速检测和管理的方法。将FLASH存储矩阵的地址分块组合后,对组合后的存储单元进行无效块识别、处理。另外,对工程应用中突发无效块导致的数据存储不连续的问题,采用滞后重新写入的方法。经过相关参数的测试,该方法已经成功运用到某弹上存储器。通过大量试验证明,存储体系的存储速率以及容量均满足设计指标,工作稳定可靠。     

基于张量分解融合RGB-D图像的物体识别

为了充分利用RGB-D图像的深度图像信息，提出了基于张量分解的物体识别方法。首先将RGB-D图像构造成一个四阶张量，然后将该四阶张量分解为一个核心张量和四个因子矩阵，再利用相应的因子矩阵将原张量进行投影，获得融合后的RGB-D数据，最后输入到卷积神经网络中进行识别。RGB-D数据集中三组相似物体的识别结果表明，利用张量分解融合RGB-D图像的物体识别准确率高于未采用张量分解的物体识别准确率，并且单一错分实例的准确率最高可提升99%。     

基于SVM的电压扰动识别研究

针对电力系统中出现的电压暂升(暂降、暂断)以及谐波、电压脉冲和电压闪变这六种常见电压扰动进行建模,将特征量输入到SVM进行电能质量扰动多类分类。首先采用相应小波包分解算法将电能质量中某一频段内的信号分解到特定频段上,其次在这些特定频段上提取特征向量,最后针对该特征向量构造相应支持向量机分类器。结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

一种自适应的混合协同过滤推荐算法

为解决协同过滤算法在处理数据量较大时存在推荐效率低的问题,提出一种自适应混合协同推荐算法。根据待推荐用户活跃度和目标物品新鲜度调节模型权重,基于张量分解计算物品间的相似度,通过短路径枚举叠加生成预测结果。实验结果表明,与CBCF算法相比,该算法推荐准确率提高了28.6%。     

一种基于快速随机投影的矩阵填充方法

为了解决在矩阵填充过程中的高维度和高计算成本的问题,提出一种基于快速随机投影的矩阵填充方法(FRPMC)。利用对矩阵的随机投影的方式对需要填充的矩阵进行降维,然后构造SVD的近似模型来重构矩阵来实现矩阵填充的功能。通过仿真实验证明了该算法的可行性。与其他一些传统算法进行对比,FRPMC在图像恢复的实验中图片恢复的峰值信噪比和运行时间均比奇异值阈值法、加速近邻梯度法和增广拉格朗日乘子法要好。