基于改进CHC算法的模糊诊断规则优化方法研究

在故障诊断专家系统的自学习中,同时需要学习大量的模糊规则,造成规则优化算法的运行时间过长,难以满足实际的需要。为了解决这个问题,将特征片断优势重组算子引入CHC算法中,并将之应用到规则优化领域。仿真证明,改进的CHC算法在模糊诊断规则优化方面能以比较短的计算时间达到预期的优化效果,明显优于国内其它改进的遗传算法和CHC算法,具有比较大的实用价值。     

基于优化最小二乘支持向量机的小样本预测研究

统计学中的预测问题主要是通过对已知数据的分析,找到数据内在的相互依赖关系,从而获得对未知数据的预测能力。该文提出了最小二乘支持向量机参数优化方法———多层动态自适应优化算法,构建了基于最小二乘支持向量机的预测模型,并对Ti 26合金的性能预测进行了研究。结果表明:优化的最小二乘支持向量机具有优秀的小样本数据学习能力和预测能力。     

航天器推进系统故障的面向时态检测和诊断

根据航天器推进系统的时变性特点，在规则的专家系统方法基础上，提出了推进系统面向时态的故障检测和诊断方法，在对知识表示方法和推理诊断策略进行改进后，在Windows NT环境与实现了一个基于知识的故障诊断原型系统，介绍了原型系统的结构、功能及网络实时数据通信方法，经过仿真数据测试验证了方法的有效性。     

Spatial data quality capture through inductive learning

The relatively weak uptake of spatial error handling capabilities bycommercial GIS companies and users can in part be attributed to therelatively low availability and high costs of spatial data qualityinformation. Based on the well established artificial intelligencetechnique of induction, this paper charts the development of anautomated quality capture tool. By learning from example, the tool makesvery efficient use of scarce spatial data quality information, sohelping to minimise the cost and maximise availability of data quality.The example application of the tool to a telecommunications legacy datacapture project indicates the practicality and potential value of theapproach.     

基于经验移植的自主空战对抗学习方法

现有的机器学习方法大多是交互式的学习模式,这类方法在训练过程非常依赖与环境之间的交互数据。空战对抗任务是一种奖励非常稀疏的训练任务,智能体在学习开始的很长一段时间内,都在探索能够获得奖励的动作。如果每一个新的任务都重新训练,是非常浪费计算资源的。因此,设计了一种基于经验移植的学习方法,使得经过训练的智能体能够将知识分享给新的智能体,提高其在新任务上的学习效率。首先,借鉴人类通过经验进行快速学习的现象,构建了基于经验移植的学习的模型;其次,兼顾知识分享和新任务的特征,明确了经验的内涵,建立了"知识+任务→经验"的融合认知方式;再次,设计了借鉴学习方法,将外部经验与任务相结合,进而转化为新个体的知识;最后,使用经验适用度作为筛选指标,分析了经验适用度对借鉴学习效率的影响,确定了执行借鉴学习的筛选边界。新个体通过借鉴学习后能够获得关于新任务的初步知识,在新任务中更快地找到能够获得奖励的动作策略,从而提升在新的任务中的学习速度。     

基于PSO-ELM的卫星导航欺骗式干扰检测CSCD

近年来,卫星导航系统在军事监测、精细农业、交通监控、资源勘探、灾害评估等领域得到了广泛应用,但由于卫星导航信号结构公开且到达地面时强度微弱,卫星导航系统极易受到各种各样的干扰,其中欺骗式干扰因具有较强的隐蔽性,对卫星导航系统构成巨大的安全威胁。传统的欺骗式干扰检测方法大多采用单一参数进行检测,具有一定局限性。考虑到欺骗干扰源在欺骗过程中会引起一系列参数变化,构造了一个多参数输入的卫星导航欺骗式干扰检测模型,即将多个特征参数作为极限学习机(ELM)的输入,并通过训练和学习将真实信号与欺骗信号区分开,从而实现欺骗式干扰检测。同时,利用粒子群优化(PSO)算法优化ELM中的输入权值矩阵和隐层偏置,改善由于网络参数随机生成导致分类精度低的问题。仿真实验证明了该方法在卫星导航欺骗干扰检测方面的可行性和有效性。     

基于改进Cycle-GAN的光流无监督估计方法CSCD

卷积神经网络为光流的计算提供了一种新的方式,但作为一种数据驱动技术,用于训练网络的大规模光流真值在现实世界中不易获取。为了解决这个弊端,基于Cycle-GAN的循环对抗机制,提出了一种光流无监督估计方法。首先,引入双判别器机制在生成器生成的光流样本的底层和高层特征上进行鉴别,迫使生成器提高光流生成的精度。其次,引入Spynet作为教师网络,在生成器训练前期对其进行指导,防止网络陷入模式崩塌。最后,改进损失函数,提出了光流一致性损失和轮廓一致性损失函数,进一步提升光流估计精度。实验结果表明,与现有的先进算法相比,提出的方法达到与有监督算法相同的精度水平。     

基于终态滑模的机械臂自适应迭代学习控制

针对带未知参数且执行重复任务的机械臂,提出一种自适应迭代学习控制算法。为了克服因重置精度低带来的重置误差,引入了终态滑模和初始状态修正吸引子,实现了跟踪误差在有限时间收敛于0,并通过迭代轴上的自适应算法来调节控制器参数。理论证明了跟踪误差的收敛性和系统中所有信号的有界性,仿真结果验证了算法的有效性。     

基于RBFNN自适应混合学习算法的航天测控系统任务可靠性分配

为解决执行航天测控任务的各设备存在复杂的时空关联、可视与信息关联等动态约束关系,使得航天测控系统任务可靠性分配建模和分析极其困难,同时模型求解效率低的问题,提出了自适应混合学习算法的径向基神经网络建模方法.算法通过训练样本相关性矩阵的主成分分析确定网络隐含层初始节点数;在此基础上,利用梯度信息衰减因子改进了迭代过程中网络参数的梯度信息计算方式,避免了学习过程早熟的不足,且加快了迭代收敛速度.最后,通过采集航天测控系统输入-输出数据,将自适应混合学习算法应用于参数训练,并给出了具体实现步骤.通过算例仿真,表明算法在解决航天测控系统任务可靠性分配问题时具有较高泛化能力和分配结果稳定等优点.      

基于响应面方法的风力机叶片多目标优化设计研究

运用基于响应面方法的优化设计技术,于径向使用NPU-WA-风力机专用翼型族的某1.5MW水平轴风力机叶片的多目标、多约束优化设计研究中。风力机气动性能使用基于叶素-动量理论的风力机性能分析和设计软件PROPID51。设计变量为叶片径向外形参数,包括弦长和扭转角分布,但是相对厚度保持不变;设计目标为年发电量和功率系数的最大化;在多目标优化中,使用"统一目标函数"法将多个设计目标函数通过加权求和统一到一个目标函数中。为减小计算量,响应面模型使用不含二阶交叉项的二阶多项式模型;构建模型中试验点的选择满足D-优化准则。以某1.5MW变速变矩型风力机叶片为例,进行了优化设计研究。叶片径向使用西北工业大学翼型研究中心设计的NPU-WA-风力机专用翼型族,使用CFD计算的气动性能数据作为输入进行了设计,分析了目标函数的权值分配对设计结果的影响;使用风洞测量自由转捩的气动性能数据进行了设计并分析了表面光滑条件对气动性能的影响。