线性多变量系统闭环特征结构的最优配置

本文利用特征结构配置法所揭示的线性多变量反馈控制系统闭环特征值和特征向量的配置自由度,求解具有二次型性能指标的控制系统设计问题,使得闭环系统在具有任意给定的希望特征值集合条件下,性能指标达到极小。文中建立了最优二次型性能指标与闭环特征结构的关系,提出了逐个优化特征向量的算法,这一算法概念直观并具有较高的运算效率,可以推广到一般的特征结构优化问题。     

混合移频静刚度法和直接扰动迭代法

本文对混合移频动柔度法的失代式进行等价变换，从而得到一个“变种”，该变种不包含混合移频系统的动柔度式F^△（λ*），这便消除了F^△（λ*）带来的近似性，另外，对直接扰动法也进行等价变换，引出可以省时地用于许多特征向量导数计算的直接扰动迭代法。最后，为了供读者参数，本文还导出了三种混合移频动柔度法的非迭代式，其中有两种恰好是另外两种动柔度法经混合移频后的非迭代式，这实际上已将另两种动柔度法也扩展到密集根情况了。     

密集根之特征向量导数的改进高精度动柔度法

作者曾为许多特征向量导数计算，提出过一种介于直接法（指直接求解线代方程组的，以Nelson为代表的一类方法）和模态法之间的高精度动柔度法。这种方法与作者建立的一般动柔度法一样，不能用于密集根之特征向量导数的计算。为使该方法扩展到密集根状态，本文将作者发展的混合移频技术应用于原高精度动柔度法，并重新推导了混合移频系统 的高精度动柔度式，从而形成能适用于许多密集根之特征向量导数计算的改进高精度动柔度法。     

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.      

雷达和红外成像双传感器信息融合目标识别研究

提出了一种利用目标的雷达和红外成像２种独立的传感器信息的互补性来构造特征向量的信息融合方法——联合向量空间法,并用对应的自适应信息融合系统进行目标识别。仿真证实比用单传感器的效果明显优越,从而说明了本文方法的有效性。     

减少特征向量导数计算空间与时间的探索

从几种不同途径初步探索了减少大型结构特征向量导数计算的时间以及对计算机内存空间的信赖，从而发现了各个不同途径中存在的问题，并指出了解决这些问题的方向。     

基于快速提升KLDA准则的MSTAR SAR目标特征提取与识别研究

 核线性判别准则(KLDA)是一种非线性特征提取准则。利用KLDA提取MSTAR SAR图像特征,既达到较理想的识别概率,又可克服SAR图像对方位的敏感性。但此时训练样本最多,KLDA的计算代价高。为了解决这一问题,提出一种快速特征向量选择法（FFVS）。FFVS把类别和方位相似的SAR图像分成若干组,然后快速选择各组中部分图像组成一个集合且其到高维特征空间的映射作为一组基。利用该组基的线性组合表示任一样本和投影算子,降低了KLDA中核矩阵的阶数,达到降低计算代价的目的。实验结果表明,FFVS与KLDA组合能达到理想的识别结果。     

SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,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。     

重根特征向量导数计算的特殊迭代法

在重根特征向量导数计算方法的发展中，为了从无限个特解中确定出唯一的通解，提出过不同定解条件，但正确定解条件是唯一的。员后公认的定解条件为Z^TMZ Z^TMZ=-Z^TMZ,这里认为Z^TMZ≠Z^TMZ，由此便引出物理短阵(刚度阵和质量阵)的二阶导数。为了避免物理阵二阶导数的计算，本文在满足前述定解条件的前提下，利用一种特殊的迭代格式回避了物理阵二阶导数的引入。同时该迭代过程可直接获得通解，不同于目前流行的做法：先由一个不定支配方程求其特解，然后才由定解条件确定通解。另外，数值表明，动柔度迭代式的精度可与直接迭代式相匹敌，可是动柔度迭代式用于许多特征向量导数计算时，却省时得多。