自适应神经模糊推理在大气环境质量评价中的应用

利用matlab模糊工具箱中自适应神经模糊推理系统(Anfis)方法,对大气环境质量评价作一个尝试性的工作。利用Anfis法对大气环境质量现状的评价,并与灰色聚类法作比较,得出Anfis法用于评价环境质量是可行的,且具有许多优点。     

判决反馈自适应滤波抑制扩频信号中BPSK型干扰

通过分析ＢＰＳＫ型干扰的信号特点，将单频干扰抑制研究的成果推广到ＢＰＳＫ型干扰抑制上，提出误差反馈信息校正输出等措施并分析了它的适用条件。模拟结果表明，在一定条件下新措施的采用使得自适应滤波器对ＢＰＳＫ型窄带干扰抑制时算法的收敛性能比以往有显著改善     

柴油机增压系统变海拔自适应技术研究现状与发展趋势

分析了高原环境条件下柴油机功率下降、油耗增加、增压器效率下降、涡轮超温超速等问题,考虑采用自适应增压系统改进柴油机和增压器高原运行存在的问题。介绍了可变截面涡轮增压系统(VGT)、普通二级可调增压系统(TST)、复合增压系统(C2T)、基于VGT二级可调增压系统(R~2T)几种典型的可调增压系统的结构原理和高原应用现状。最后,结合柴油机变海拔和变工况的运行特点,从增压系统结构布置、智能优化算法、控制理论、多系统协同控制和增压器内部流场优化控制五个方面提出了增压系统高海拔自适应技术的发展趋势。     

基于ANFIS模型的基坑工程位移反分析

在软土地基深基坑开挖支护工程的设计与施工中,岩土体力学参数的取值问题是关键。基于MATLAB(R2007a)模糊工具箱中的自适应神经模糊推理系统(ANFIS)对基坑岩土体力学参数进行了位移反演分析,并结合汉口火车站出站厅基坑工程实例,动态反演了具体参数,检验了反演精度,从而验证了该方法用于基坑工程位移反分析的可行性及工程适用性。     

安全驱动的城市交叉口自适应信号控制方法

为提升城市交叉口的交通安全,提出1种安全驱动的自适应交通信号控制方法,以交通安全提升为主,同时优化通行效率和尾气排放。基于多目标深度强化学习,构建信号控制算法框架和双重决斗深度Q网络模型,使用离散交通状态编码定义当前交通状态,利用卷积神经网络提取状态特征。针对不同奖励函数量纲无法统一的问题,设计综合奖励函数。基于长沙市交叉口场景和交通流数据,在SUMO搭建实验环境。研究结果表明：在单交叉口真实流量和模拟流量场景下,与现有交通信号控制相比,所提方法在交通冲突频率、车辆行车延误、CO₂排放等指标上都表现出更好的性能。研究结果可为城市交叉口安全优化提供参考。     

提高GPS定位精度的群调度滤波算法*

为解决现行安全生产科技领域中全球定位系统（GPS）/惯性导航系统（INS）融合系统容易产生较大时变误差的关键问题,满足GPS定位信号的精度和信号数据处理时间的要求,提出1种群调度滤波算法,通过实验仿真,分别与模糊算法、机器学习算法及卡尔曼滤波网络算法进行比较研究。结果表明:群调度滤波算法兼顾了定位精度与数据处理时间,具有较大优势,可在航空安全、船舶安全、应急监测、灾后抢险等安全科技领域广泛应用。     

斜拉桥支架法施工的自适应安全监测技术

介绍自适应控制的基本原理及其运用现状。根据斜拉桥的实际情况选用自适应控制形式,在主要部位埋设传感器和相关的测试仪器,明确监测时间并在实施中严格执行。依据实测结果对标高、应力、容重等参数按实际情况进行修正,得出施工过程中的受力状态,从而调整施工。算出主梁各节点理论施工预拱度变化曲线等数据并与实测值进行比较,反复修正。自适应法达到了仿真计算与实际施工过程保持一致的最佳施工控制效果。绥芬河斜拉桥的施工证明,自适应法是一种很适合斜拉桥支架施工安全监测的技术,值得推广应用。     

二维平流扩散模型下的集合卡尔曼滤波模拟同化研究

为提高环境数值预报水平,构建了一个针对污染物扩散的模拟数据同化系统。采用集合卡尔曼滤波方法对二维平流扩散模型的状态变量进行了实时校正,实现污染物浓度的实时模拟预报,完成了敏感性实验中集合数目变化、观测方差变化和同化窗口长度变化研究。比较考察观测点位置与污染源距离不同时的预报效果,探讨了优化条件下的同化策略,提出一种根据距离远近动态调节卡尔曼增益权重的方法。在集合数目较小时,可降低计算代价,得到优化的同化效果。     

改善ECG中50Hz干扰的抑制性能

为改善心电图中５０Ｈｚ市电干扰的抑制性能,在采用简单的凹口滤波器的自适应干扰地消器的情况下,采用变动量ＬＭＳ算法,通过计算机模拟,从收敛性能和运算量等方面对ＬＭＳ算法和变动量ＬＭＳ算法算比较分析。     

基于自适应参数调节和动态分组学习的水波优化算法

针对浅水波理论易陷入局部最优、收敛速度慢的问题,提出基于自适应参数调节和动态分组学习的水波优化算法。通过分析控制参数的变化,采取了参数自适应调节机制平衡算法的全局搜索和局部开发能力;设计基于正余弦因子的动态分组学习阶段,有效增强了算法跳出局部最优的能力,从而提高了算法的收敛精度。仿真结果表明,与标准水波优化算法相比,改进的算法表现出了较好的竞争性。