基于图像特征分类和RBF网络的两轴车辆动态称重技术

汽车在行驶过程中的总重信号通常由各轴重信号确定,各轴重信号的测试精度取决于对车辆运动参数和振动信号等的精确分析。本文采用径向基函数(Radial basis function,RBF)网络处理轴重信号,针对该网络的泛化能力与拟合精度的矛盾,将车辆按照重量分为大、中、小3种类型,并进行整车建模和网络训练;实际测试过程中,利用汽车俯视图像提取类型特征,然后根据汽车的类型将测试参数输入不同的神经网络进行处理,以静态测量结果为相对真值。仿真结果表明,分类建模比单一混合建模具有更高的测试精度。     

改进Kmp算法在模糊查找中的应用

在改进KMP算法的数据结构和算法的基础之上，本文提出了一个模糊匹配的函数mhcheck。根据该算法实现分级别模糊。最后实现了一个实用的模块模糊查找模块。并应用于学生工作管理辅助系统（ASSAM）。     

钢筋混凝土结构锈蚀损伤定位

对钢筋混凝土结构锈蚀损伤定位进行了研究,以频率变化平方比作为锈蚀损伤参数,从理论上证明该参数是锈蚀损伤位置的函数。锈蚀钢筋混凝土结构试验结果表明预测的损伤位置和实际的损伤位置较一致,模态参数用于检测混凝土结构构件中的损伤,为大型结构的鉴定和评估提供了新的途径。     

改进蚁群算法在移动机器人避障中的应用

在移动机器人路径规划中,由于基本蚁群算法具有进化缓慢、易陷入局部最优等问题,提出一种改进的蚁群算法。建立了静态环境下的路径规划栅格模型,通过对信息素启发因子及期望启发因子实时调节,自适应改变挥发因素,在初始时刻扩大蚁群的搜索范围,以免陷入局部最优。针对凹型障碍物,当机器人陷入凹型障碍并且在复杂环境搜索效率低的情况下算法也能较好的收敛。与其他算法的仿真结果表明,此算法在栅格地图模型中,能快速地避开障碍找到最优解。     

Lamb波双面激励方法及其在近邻损伤监测中的应用

针对Lamb波的多模式和频散特性,从理论和实验两方面研究了Lamb波双面激励方法,并针对近邻损伤进行了监测研究。研究结果表明:与传统的单面激励方法相比,该激励方法能够抑制Lamb波的多模式特性,在频率较低的情况下可实现基本对称或反对称模式的产生,提高了Lamb波的激励效果,便于监测信号的分析。另外,相对于通过调节激励频率产生特定Lamb波模式的方法,该激励方法具有一定的频率可调性,能有效改善Lamb波波包的空间分辨率,增强Lamb波对多个近邻损伤的监测能力。     

隐马尔可夫模型在对象定位中的应用与实现

以医学图像中脊柱的定位为应用背景,对经典Viterbi算法进行改进,根据全局最优搜索算法提出了可控的最优搜索算法,把隐马尔可夫模型(Hidden Markov model,HMM)应用于二维图像中线性结构对象的定位。以真实的人体脊柱X光照片为实验样本进行的定位实验,结果表明:HMM模型不需要对图像施加较多的限制,就可获得较成功的定位结果,同时引入了可控的最优搜索算法后,定位效果有了进一步的提高。还通过实验分析了可控制的最优搜索的两个控制参数对定位性能的影响,并提出了定位性能具有区间性的结论。     

基于特征响应谱的防隔热构件脱粘损伤定位

飞行器防隔热构件多采用胶粘形式与冷结构连接,在严酷的飞行振动环境中易发生脱粘损伤,有必要利用地面环境试验考核其环境适应性,并在试验后及时判断结构健康状态.本文提出一种基于结构特征级扫描响应谱均方根偏差(Root Mean Square Deviation,RMSD)的损伤定位方法,可得到结构全部区域的损伤概率分布云图,...     

RBFE人工神经网络在四组分络合滴定中的应用

本文用非线性的方法来解决多组分金属离子体系同时测定的问题。在此我们用MATLABv5 .3编写了BP网络和RBFE网络并比较了它们在校正时的情况 ,发现在此体系中RBFE网络优于BP网络。络合滴定是在不加缓冲液的情况下直接滴加入EGTA ,并讨论了滴定体积V与溶液的pH值和溶液中金属离子的初始浓度C0M之间的关系 .最后 ,我们将RBFE网络应用于四组分金属离子CuZnPbCd的同时测定     

一种改进的UGPF算法及其在导航问题中的应用

通过对高斯粒子滤波(GPF)算法的分析与总结,提出了一种基于无味卡尔曼滤波(UKF)方法的改进GPF算法(改进UGPF算法).该方法主要利用UKF获取更优的重要性抽样函数,同时优化GPF滤波的算法流程结构.最后通过二维目标跟踪过程中位置导航参数估计问题,对该算法进行了仿真分析,所得结果验证了该算法的有效性.     

利用Gaussian型RBF网络进行函数逼近的构造性估计

前馈人工神经网络有着极其广泛的应用，如何估计隐层神经元数及相应的逼近误差，一直是确定前馈网络结构的难点和关键。RBF网络是一种最重要的前馈网络，本文给出了利用Gaussian型RBF网络逼近连续函数或Lebesgue-可积函数时的构造性隐层单元数显式估算式及相应的显式逼近误差估算式。文中的结论也易于推广到离散样本的情形。这些结论对于提高Guassian型RBF在实际应用时的计算精度和减少计算量具有一定的指导意义。     

基于径向基神经网络的有限元模型修正研究

设计参数型有限元模型修正属于结构动力学反问题，其理论基础是将结构的特征量视为设计参数的函数。然后依据特征量对设计参数的一阶导数信息进行迭代求解。本文提出了一种基于径向基神经网络的有限元模型修正方法，把模型修正归结为正问题进行研究。首先将特征量视为自变量．设计参数视为因变量，以径向基神经网络逼近两者之间的非线性映射关系，然后利用神经网络的泛化特性直接求解设计参数的目标值。不但无需迭代求解，而且避开了反问题所面临的复杂的非线性优化计算。GARTEUR飞机模型仿真研究的结果表明．修正后设计参数误差在2％以内，模态频率误差在1％以内。     

基于径向基函数的机翼和翼梢小翼外形优化

对机翼和翼梢小翼外形参数的优化方法进行了研究.利用径向基函数(RBF)来构建机翼和翼梢小翼的优化模型.在有、无翼根弯矩约束的两种情况下,分别结合序列二次规划法和拟牛顿法优化方法,针对优化目标:机翼诱导阻力最小,优化得到机翼和翼梢小翼的最佳外形参数.实验证明本文优化方法能够取得满意的优化效果,对翼梢小翼的优化设计问题具有一定的参考价值.     

基于人工神经网络的微重力流动冷凝换热预测

微重力条件下管内流动冷凝换热系数是空间热交换器设计的基础依据,但其实验数据稀缺,故有必要建立精确的预测模型。文中提出了一种基于人工神经网络的微重力下管内流动冷凝换热预测模型。选取误差反向传播（Back propagation, BP）和径向基函数（Radial basis function RBF）两种神经网络,以水力直径、饱和温度、质流密度、干度及与工质热物性有关的参数作为网络输入,冷凝换热系数作为网络输出。结果显示,BP神经网络预测的均方根误差为237、平均绝对百分误差为4.32%;RBF神经网络预测的均方根误差为165、平均绝对百分误差为2.35%。相对于BP神经网络,RBF神经网络精度更高。基于RBF神经网络的微重力下管内流动冷凝换热模型预测值与94%的实验值和数值模拟结果的相对误差在±10%以内。     

复合材料低速冲击损伤面积神经网络估算方法

损伤面积是复合材料层合板在受低速冲击后其损伤严重程度主要表征参数之一。本文基于3层拓扑结构的BP人工神经网络,以冲击能量和凹坑深度作为输入参数,建立了损伤面积的快速估算模型。利用试验样本数据对BP神经网络模型训练后,选取样本数据进行仿真验证。对比分析说明该损伤面积估算模型具有良好的试验数据内在联系发掘能力,估算准确性与效率较高。本文研究为复合材料层合板低速冲击损伤面积估算提供了一种新的有效方法。     

由试验模态数据检测结构破损的位置和大小

提出了一种用有噪声影响的不完整振型和频率来检测结构破损的方法。先由局部频率变化率的概念诊断出结构的破损位置，然后用灵敏度分析法确定破损的大小。整个过程分测试振型的扩充、结构破损的定位和破损大小的确定三部分。文中用GARTEUR结构对多种破坏情况进行了仿真研究。结果表明，该方法能简便有效地同时诊断结构中的单个或多个破坏情况。     

基于小波神经网络的混沌时间序列预测及应用

根据相空间重构理论,探讨了一种基于小波神经网络(WNN)的混沌时间序列预测方法。根据G-P算法和Takens理论,计算出混沌时间序列相空间重构所需的最小嵌入维数,以此作为网络的输入节点数。通过时频分析,使得隐节点数的选取也有了可靠的理论依据。最后对Lorenz仿真信号和滚动轴承信号进行仿真和预测,验证了方法的有效性。结果表明,对于混沌时间序列的预测,WNN网络比BP网络表现出更理想的预测效果,为非线性动态系统的预测提供了一种有效的途径。     

人脸识别中眼球的定位方法

本文运用Bersen算法二值化,水平与垂直积分投影,Canny算子边缘提取及改进的广义Hough变换等技术,提出了一种快速有效的眼球定位方法。该方法的算法简单,计算量小,降低了对存储空间的要求,提高了眼球定位的速度与精度。