神经网络在声纳建模中的应用

基于声纳方程,同时考虑目标声特性和海洋环境参数,建立了主动式和被动式的声纳方程.利用海洋环境数据训练神经网络,实时解算不同环境参数时的噪声级.通过MATLAB仿真,比较径向基神经网络(RBF网络)和误差逆传播神经网络(BP网络)在模型中的作用,证明了RBF网络比BP网络能更好地满足声纳建模的需求.     

蚁群算法PID控制器在磁轴承控制系统中的应用

磁悬浮轴承是磁悬浮转轴系统的重要组成部分.由于磁轴承具有较大的非线性,难于控制,采用常规的参数整定方法很难达到较好的控制效果.因此,采用不完全微分PID控制算法,利用蚁群算法根据设定的系统性能指标实时优化控制器参数.仿真结果证明,这种控制器能够很好地满足系统性能指标的要求.     

支持向量机在视频运动目标分析中的应用

提出一种基于支持向量机的运动目标分类方法. 先将支持向量机引入分析视频运动目标中, 再在视频中筛选出简单有效的组合特征对目标进行分类. 该方法先使用混合Gauss背景模型提取前景运动目标, 获取目标的形状特征和运动特征, 再利用支持向量机对样本数据进行训练, 得到最优决策函数. 实验结果表明, 利用支持向量机和运动目标特征组合的方法进行运动目标分析实用、 有效.     

电涡流位移传感器线圈优化设计

高速磁悬浮转轴间隙的精确测量是磁悬浮转轴系统可靠工作的重要保障.电涡流位移传感器被广泛应用于这种间隙的测量.由于磁悬浮转轴系统空间有限,所以要求传感器既要有很高的灵敏度同时检测线圈的尺寸要尽可能缩小,为此提出了1种电涡流位移传感器检测线圈的多参数设计方法.该方法利用线圈的品质因数和所激发的磁感应强度梯度以及线圈导线的总长度3个参数构成1个优化函数,并采用遗传算法求解该函数,从而得到了最佳的检测线圈尺寸.通过MATLAB仿真已验证了该方法的有效性.     

多变量Hammerstein-Wiener模型的参数辨识

为了突破现存Hammerstein-Wiener模型参数辨识方法中假设输出非线性块可逆的限定条件,基于可分非线性最小二乘算法,提出由多个单变量Hammerstein子模型和一个多变量输出非线性块组成的多变量Hammerstein-Wiener模型的参数辨识方法.首先,以输出误差最小为准则使用Levenberg-Marquardt法辨识出输出非线性块和Hammerstein子模型的两个参数集.其次,对Hammerstein子模型使用基于张量积的奇异值分解,辨识出输入非线性块与中间线性块的参数.再次,理论分析了所提辨识方法的辨识收敛性.最后,通过仿真验证此法的有效性.