多孔钛摩擦磨损信号的递归图特征研究

为了定量描述一维的多孔钛干摩擦信号,采用递归定量分析方法,把摩擦信号扩展到高维,定量分析其中信息.首先,利用经验模式分解(empirical mode decomposition,EMD)对摩擦信号进行预去噪;然后,采用自相关法和假近邻法计算各组摩擦信号的延时与嵌入维数;最后,分析递归图及其对应的平均对角线长度与熵值,通过这些能够直观观察不同环境下多孔钛摩擦信号的变化特性.结果表明,递归图能够一定程度上反应多孔钛的磨损情况,通过递归定量分析能够对多孔钛摩擦系统复杂性状态进行描述,且在压力为8～10 N时磨损系统稳定性最好.     

节点递归算法优化合流管网

根据合流制管网系统的图论和矩阵算法 ,提出节点递归优化算法 ,以节点为研究对象 ,优化合流制管网系统。本算法能解决管网在交汇点处上下游管段衔接计算问题、溢流井设置问题 ,克服控制点不易确定的困难 ,达到了费用最低的优化目标 ;并可直接以节点标高为约束条件 ,充分考虑利用原有管道或解决地下管线交叉问题。并通过实例进行了验证     

基于递归图和BP神经网络的桥梁损伤识别研究

为研究递归图和多层前馈（BP）神经网络在桥梁损伤识别方面的应用,以某大跨斜拉桥为例,采用ABAQUS有限元软件建立其三维模型,通过动力分析提取该三维模型的加速度曲线并进行递归图处理和BP神经网络分析。研究结果表明：递归图方法能够初步地识别主梁的损伤位置和损伤程度;BP神经网络分析能够精确识别主梁损伤的具体位置和损伤程度值,且识别准确率均大于85.0%。该方法可为类似桥梁工程的损伤识别提供借鉴。     

基于卷积和递归神经网络融合的交通状态指数预测

为提高交通状态指数预测精度,方便市民出行规划和提高相关机构管理预见性,创新研究了基于卷积和递归神经网络融合的交通状态指数预测模型.模型将卷积网络和递归网络进行了融合,由卷积神经网络层和递归神经网络层组成.该模型中的卷积网络能自动提取重要影响因子,同时递归网络能捕捉到前后时序特征,结果显示,得到的融合模型在交通状态指数预...     

基于递归图理论的舰船辐射噪声的特征量分析

水下目标特征值提取技术一直是研究船舶辐射噪声及水下目标识别的主要方式。舰船辐射噪声是一种非线性时变时序,一般利用非线性系统的状态迁移来描述并构建空间投影。递归图理论是一种混沌特质分析方法,利用信息特征熵概念来研究船舶辐射噪声关联维度。本文研究了船舶噪声辐射噪声空间的特征值及特征向量,给出了基于递归图理论的混沌特征量的维度计算方法,确定了辐射噪声空间矩阵的递归率和信息特征熵,最后进行了仿真。     

基于线性自抗扰控制的自动驾驶车辆纵向加速度控制算法研究

为提高自动驾驶车辆纵向加速度控制算法的鲁棒性,基于电动汽车纵向加速度系统仿射模型,提出了具有双观测器结构的线性自抗扰加速度跟踪控制算法,并通过带有遗忘因子的递归最小二乘法对阻力模型进行在线辨识,实现了驱动电机与制动系统之间的协调切换。通过搭建硬件在环(HIL)仿真平台对设计的控制算法进行了鲁棒性和实时性验证,结果表明,所提出的控制算法能够实现对加速度信号快速、稳定跟踪,能够在车辆纵向动力学模型未准确建模状态下对纵向加速度进行有效控制。     

一种城市轨道交通节能优化控制算法设计

城市轨道交通系统能耗包括列车牵引、通风空调、电梯、给排水等设备产生的能耗,其中列车牵引能耗占轨道交通系统总能耗40%以上,最大化地降低列车牵引能耗成为了日益关注的问题。主要针对复杂路况下列车的运行控制,设计出一套基于递归思想的优化算法,能够得到在特定时间、路况等约束条件下的最优行驶控制策略,能够有效降低牵引能耗。同时研究了多列车运行时,如何通过协同控制最大化利用制动再生能量的问题,并给出了相关的解决方案。     

Elman递归神经网络在结构分析中的应用

给出了Elman动态递归神经网络的网络结构和基本原理。基于Elman递归神经网络能够逼近任意非线性函数的特点,提出了一种基于Elman递归神经网络建立结构分析模型的方法。利用Elman递归神经网络对桁架进行建模,真实地反映了桁架结构的动态特性。     

几种自适应天线阵列抗干扰性能研究

介绍了自适应天线阵的工作原理，研究了其抗干扰效果，并重点对几种不同的阵形进行了计算机仿真。其结果表明：通过自适应处理，天线阵完全能够在强烈的干扰方向自动形成零陷来抑制干扰，从而得到令人满意的输出信噪比。     

基于格型递归最小二乘算法的船舶运动极短期预报

在最小二乘方法(RLS,recursive least square)的基础上,提出利用格型递归最小二乘(LRLS,lattice recursive least square)算法对AR模型参数进行自适应估计.该算法为模块式的多极格型结构,降低了一般RLS算法的计算复杂度.利用实测的动态数据结合AIC准则建立自适应AR预报模型,并将该模型应用于船舶运动预报中,仿真结果表明,相对于最小二乘算法,基于LRLS算法的AR预报模型可有效提高船舶运动预报精度.