基于粒子群算法-最小二乘支持向量机算法的磁化曲线拟合

磁化曲线是强非线性函数,提高磁化曲线的拟合精度对含有铁磁材料的电气设备建模准确性至关重要。提出了一种基于粒子群算法-最小二乘支持向量机(PSOLSSVM)算法的磁化曲线拟合方法。该方法用粒子群优化算法解决了最小二乘支持向量机(LSSVM)参数的选择问题。仿真结果显示PSOLSSVM算法能获得最优的LSSVM参数,且采用PSOLSSVM算法拟合的磁化曲线与实际测量的磁化曲线基本无偏差,拟合精度较高。     

用课程群方法加强计算机网络专业课程体系建设

论文从高职高专院校课程体系建设的角度,阐述了课程体系建设的相关背景,基本思想和意义,以及计算机网络专业课程体系建设的特殊性,并提出了用课程群方法进行网络专科课程体系建设的具体实践措施。     

基于协调权的案例学习群决策分类方法

基于案例学习的决策方法具有易于理解、贴近 实际决策过程的优点,成为当前决策领域的一个研究热点。文中针对如何有效地集成不同决 策专家提供的案例信息,提出了一种基于协调权的案例学习群决策模型用以解决多属性分类 决策问题。该方法首先针对各决策者给出不同案例数据,通过构建混合整数规划模型,识别 出具有一致案例信息重要度最大化的典型案例集。然后设计了分类阈值远离程度最大化模型 ,以此确定兼容各个决策者案例信息的指标权重（协调权）和最优分类阈值,由此构建一致 性的效用函数并应用获得的阈值进行分类决策。最后通过案例研究以及与其他模型的比较分 析,验证了方法的可行性。     

基于优化多尺度排列熵和卷积神经网络的滚动轴承故障诊断方法

针对滚动轴承故障分类中特征信号微弱、信号非线性和多尺度特征难提取的问题,提出基于优化多尺度排列熵（MPE）和卷积神经网络（CNN）的滚动轴承故障诊断方法：通过改进自适应噪声完备集合经验模式分解（ICEEMDAN）对轴承信号进行分解和重构,实现信号降噪;通过粒子群算法（PSO）对MPE进行优化,提出PSO-MPE特征提取方法,参数优化后的MPE能够提取更为关键的特征信息;将所得的排列熵输入到CNN中进行故障分类以及降维可视化分析。以凯斯西储大学开放轴承数据库样本为测试对象,将文章所提出的ICEEMDAN-PSO-MPE-CNN方法与ICEEMDAN-PSO-MPE-RNN、CEEMDAN-SVM、ICEEMDAN-PSO-MPE-SVM等方法进行纵向和横向对比分析,结果表明改进方法的分类准确率和效率更高,在T-SNE可视化下的分类效果更明显,能够实现滚动轴承故障的高精度和高效率检测。     

深空环境下卫星编队飞行队形重构实时重规划

针对深空环境中卫星编队自主队形重构的机动问题,设计了队形重构过程中的实时重规划方案。在每次重规划过程中首先用Legendre伪谱法将当前时刻到终端时刻的重构问题离散化为非线性规划问题;其次,根据卫星编队飞行队形重构的特点,使用协同进化粒子群(CPSO)方法对每次重规划进行求解,该方法既避免了传统优化方法对复杂问题梯度的求解,又能在整个优化过程中保证约束条件的满足,并且能够事先为粒子群的进化提供大致方向,极大地提高了每次重规划的计算速度;最后,提出了重构过程中具体的重规划策略,以保证队形重构的顺利进行。仿真结果表明,与传统的控制方法相比,在重构过程中,该方法能够在初始给定轨迹的基础上进一步优化,可以有效降低重构过程的能量消耗,并能够避免重构过程中碰撞的发生。     

一种用于空间群目标分辨的滑动窗轨迹跟踪算法

针对大多数现有的微多普勒分析理论难以解决空间群目标的监测与识别问题,本文提出一种基于提取目标运动特征的弹道中段群目标分辨方法。首先建立了多个具有滑动散射中心的旋转对称目标模型并得到其m-D曲线,在此基础上,利用形态学图像处理方法抑制一维距离像旁瓣,然后提出了一种滑动窗轨迹跟踪的方法分离出各散射点相互交叉的m-D曲线,再对分离结果进行经验模式分解(Empirical-Mode Decomposition, EMD),最后通过提取能够反映目标运动特征的固有模态函数(Intrinsic Mode Function ,IMF),实现了群目标分辨。仿真实验校验了所提方法的可行性和鲁棒性。     

基于自适应Kalman滤波的改进PSO算法

针对基于Kalman滤波的PSO算法在设计与应用过程中存在的不足,提出了基于自适应Kalman滤波的改进PSO算法。利用粒子群状态空间Markov链模型,建立粒子群系统状态方程;采用粒子的速度和位置作为观测量,构建观测方程;引入记忆衰减因子动态调整Kalman滤波模型参数及噪声方差阵,降低模型误差,提高粒子的位置估计精度。仿真实验表明:改进的PSO算法无论在优化精度、收敛速度,还是在稳定性方面都有很大的改进和提高,这就有效避免了粒子的"早熟"收敛问题;尤其在处理复杂多峰问题上,改进算法表现出很明显的优越性。     

提升中小企业群竞争力的有效途径——基于供需链管理的研究

中小企业群是目前国际上产业规划的流行模式。我国中小企业群具有生产运用战略纵向一体化,原材料供应方式灵活多变,经营方式专业化以及制造技术相对落后等特征。建立供需链管理模式下的地方网络体系,实施大规模定制的生产运作模式,一方面可以提高中小企业自身的管理与运作水平,还能把不同的具有产业关联的中小企业联结成一个整体,形成资源合力,加速中小企业发展,提升中小企业群的核心竞争力。     

一种新型路径共享真时延波束合成架构的设计

为满足宽带天线通信系统多输入多输出的要求,提出了一种新型路径共享真时延波束合成架构。通过真时延单元提供的一定延时差弥补信号到达天线的时间差,合成多路信号来提高输出能力。相比于传统的波束合成架构,该架构通过真时延单元共享,节省芯片面积。该架构具有中心对称性与可扩展性,可支持2M个输入和2K个输出。基于HHNEC 0.18 μm CMOS工艺设计四入四出波束合成器单元,对提出的架构加以验证。仿真结果表明,工作频带为0.5~1.5 GHz,延时分辨率为80 ps、最大延时为720 ps。在天线间距为10.5 cm的情况下,能够提供±43°和±13°四个扫描角度。输入输出回波损耗≤-10 dB,带内整体增益为约26 dB,增益平坦度≤3 dB。版图面积（包括I/O焊盘和ESD）为3.69 mm×3.62 mm。      

小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。