基于渐消卡尔曼滤波的井下人员定位模型研究

对井下人员的准确定位是煤矿安全生产的必要条件之一,也是当前的研究热点问题.传统的定位算法精度较低,为了达到准确定位的目的,文章以无线传感网络中基于RSSI测距算法为基础,利用最大似然估计定位算法及渐消卡尔曼滤波算法,提出新的井下人员定位模型,并进行仿真实验;实验结果表明,相同实验环境下,该模型的定位误差在1 m左右,精度达到96%以上,均优于传统定位算法;该模型能够精确地对未知节点进行定位,验证了其有效性及正确性.

基于样本缩减的支持向量机在流分类中的应用

网络流量分类对提高网络服务质量有着非常重要的作用。基于机器学习的网络流量分类中,海量的样本为训练带来了效率瓶颈。论文介绍了SVM算法原理,建立基于改进类别质心的样本缩减策略,并进行实验验证。结果表明,利用缩减样本的SVM训练时间仅为在原样本下训练时间的2%,且分类精度基本不变,证明了样本缩减策略的可行性和有效性。

一种新的基于电磁感应及直流变压的制动器试验台设计

本文提出一种基于电磁感应及直流变压的制动器试验台设计,利用电磁感应的原理,巧妙地将离散的数据连续化,从而减小因对离散数据进行测量而产生的误差,最大限度地提高了制动器试验台进行制动实验的精确度.本设计解决了采用测量试验台电动机电流的瞬时数据的传统方法存在的不足。