基于足部生物力学原理的足底分布力测量方法及系统研制

依据足部生物力学原理,提出一种足底三分区测量分布力方法,并研制了相应的分布力测力台(DFP)系统。随机选取27名青年人和40名老年人进行双足睁眼站立-双足闭眼站立-单足睁眼站立连续过程的姿势稳定性测评,求解右足3个分区的压力中心(CoP)轨迹范围(95%置信圆面积)和3个站立阶段的CoP轨迹的位置偏移量作为分析足底支撑特点的参数。青老年人组的足底3个分区中CoP轨迹的最大范围值分别为27.00~227.46 mm2与116.35~387.22 mm2;前后侧的最大。偏移量分别为6.07±3.13 mm与5.88±3.21 mm;内外侧的最大。偏移量分别为6.51±2.29 mm与6.77±2.34 mm。结果表明,3个分区的CoP轨迹在双足站立和单足站立姿态下均集中在跟骨底端和跖趾关节横弓的内外侧两个端点上,位置受姿势稳定性差异条件的影响小。

SA-BP神经网络检测镀镍铜线圈表面粗糙度

为了高效地检测镀镍矩形铜线圈的表面粗糙度,通过由工业相机、显微镜头、点光源等设备构成的硬件系统获取线圈表面图像,采用基于灰度共生矩阵的视觉检测方式,根据图像处理技术提取8个基于灰度共生矩阵的纹理特征参数,结合实际粗糙度值建立实验数据库,分析了特征参数与实际粗糙度值的变化规律;针对BP神经网络容易使权值与阈值陷入局部最优解,导致检测结果不准确等问题,采用SA算法优化了BP神经网络的初始权值与阈值,构建了SA-BP神经网络检测模型;根据训练结果,训练MSE由BP模型的0.000139降到0.000023,迭代次数降低22,说明SA-BP模型拥有更快的收敛速度与更优的网络模型;根据检测结果,检测最大误差幅度由BP模型的0.21μm降到了0.13μm,相对误差均值由5.41%降到3.45%,说明SA-BP模型具有更高的检测稳定性与准确性。

基于RBF神经网络的纸张定量水分解耦控制系统设计

抄纸过程中纸机系统具有大滞后、非线性、时变等特点,纸张定量与水分之间存在强耦合效应,针对这些问题,设计了一种基于RBF神经网络的PID解耦控制方法。利用RBF神经网络辨识定量与水分的数学模型,实时调整PID控制器的参数,实现系统的解耦功能。仿真结果表明,该方法具有良好的静态、动态性能和很强的自适应性,能有效解决纸张定量和水分之间的耦合作用。

基于BP神经网络的排爆机械臂逆运动学分析

机械臂逆运动学是已知末端执行器的位姿求解机械臂各关节变量,主要用于机械臂末端执行器的精确定位和轨迹规划,如何高效的求解机械臂运动学逆解是机械臂轨迹控制的难点;针对传统的机械臂逆运动学求解方法复杂且存在多解等问题,提出一种基于BP神经网络的机械臂逆运动学求解方法;以四自由度机械臂为研究对象,对其运动学原理进行分析,建立BP神经网络模型并对神经网络算法进行改进,最后使用MATLAB进行仿真验证;仿真结果表明:使用BP神经网络模型求解机械臂逆运动学问题设计过程简单,求解精度较高,一定程度上避免了传统方法的不足,是一种可行的机械臂逆运动学求解方法。

支持向量机及核函数研究

对核函数进行了初步探讨,从理论上研究了多项式核函数参数的选择问题,从实验角度对多项式核函数与径向基核函数进行了比较分析,并阐述了Sigmoid核函数的特点,可作为一般SVM分类问题选择核函数及核函数参数范围的依据。

基于LabVIEW事件结构的电台自动化测试系统

阐述了基于LabVIEW事件结构开发的电台自动化测试系统,该系统可以对电台的工作状态进行控制,通过数据总线向电台发出控制指令和控制数据,并实时接收电台的工作参数和状态信息;以操作面板的形式实现对电台的操作,配备虚拟的双音频信号发生器和基本的智能化测试仪器。系统具有开发周期短、可靠性、易用性、易维修性和可升级性特点,精度满足测试技术条件的要求。

一种微波网络自动化测试系统的设计

本文介绍一种微波自动化测试系统,详细介绍了微波网络自动化测试系统的原理和组成,以及微波网络自动化测试系统在有源相控阵雷达中的作用。通过使用自动化测试系统,不仅提高了测试效率和测试的速度,而且更重要的是把烦琐的测试工作交给了计算机来完成,减少了人为因素引入的测试误差,提高了系统的测试准确度。通过具体的例子的各项指标比较,说明了微波自动化测试系统比传统的测试的优越性。

基于跨层的UWB无线网络的优化

为保证UWB无线通信有效利用网络资源,达到系统总吞吐量最大、总传输功率最小、QoS最优等目的,必需对UWB无线通信网络采用自适应跨层设计等优化策略。结合UWB无线网络协议设计中的一些关键问题,提出并分析了2个跨层路由协议设计方案,将方案在NS2环境下进行了仿真。测试结果表明:当链路速率Rs为480Mbit/s时,系统吞吐率约为450Mbit/s,分组投递率约为0.94;噪声门限μ0的取值对UWB网络的PSR、路由建立时间产生影响。

介孔氧化铝的合成及其除氟性能评价

以铝酸钠和氯化铝为铝源,葡萄糖为调孔剂,采用水热合成及高温煅烧法制备了介孔氧化铝吸附剂。用XRD、SEM、TEM和N_2吸附-脱附技术对产物的物相结构、形貌及孔结构进行了表征,并研究了对F^-离子的吸附性能。结果表明,制备产物为颗粒状γ-Al_2O_3,具有蠕虫状介孔结构特征,孔径分布范围较窄(5 nm)。溶液中共存阴离子对介孔γ-Al_2O_3的除氟率有明显影响,影响大小顺序为PO_4^(3-)>HCO_3^->SO_4^(2-)>Cl^->NO_3^-。介孔γ-Al_2O_3的循环利用性能稳定,经5次吸脱附之后除氟率基本保持不变。

结合规则知识与神经网络于空袭武器的辅助选择

结合规则推理与神经网络,提出了一种新的空袭武器辅助选择方法。其根据空袭武器选择的基本原则以及问题的特点,构造T-S模糊逻辑系统及其实现的相应神经网络模型,然后通过已有的战例与试验例子训练神经网络,并对问题进行求解,得出空袭武器选择提供依据(一种量化的武器适用度)。另外,还利用专家提供的规则知识于学习实例的预处理,学习实例信息的扩充。

纳米材料的奇异特性及其应用前景

叙述了自然界中存在的纳米材料 ,由此引出纳米材料的许多奇异特性 。

基于BP神经网络的光栅莫尔条纹细分方法

一种基于BP神经网络的光栅莫尔条纹细分方法可以提高光栅莫尔条纹的细分精度。在1个莫尔条纹信号周期内采集多个样本点进行差值细分,利用3层BP神经网络,将获得的差值作为网络输入,该样本点在1个栅距内的微位移量作为目标输出,建立合理的网络模型,与DSP微处理器相结合实现莫尔条纹细分。通过对样本点的学习,莫尔条纹细分精度可以达到0.001微米级。同时对非样本点进行验证,实验结果表明该系统具有可行性。

直流电沉积法制备铁纳米线阵列及表征

为了制备结构规整的Fe纳米线阵列,以多孔阳极氧化铝(AAO)为模板,采用直流电沉积法制备了Fe纳米线阵列,并利用SEM、TEM、XRD等测试手段对其微观形貌和结构进行了表征。结果表明:所得的Fe纳米线阵列结构规整、直径与模板孔径基本一致,约为250nm,是结构紧密的多晶体。

基于神经网络的武器装备维修费用灰色预测

针对武器装备维修费用影响因素多,各因素之间关系复杂,难以把握的特点,文章将该预测视为灰色系统并建立GM(1,1)预测模型,通过BP神经网络挖掘预测值同预测残差之间的关系,进一步提高灰色预测模型的精确度.

基于深度强化学习的自动驾驶车控制算法研究

为了提高基于强化学习的自动驾驶车控制算法的学习效率,提出了一种结合专家经验的自动驾驶策略学习算法(deep deterministic policy gridient with expert,DDPGwE)。DDPGwE采用基于DDPG的强化学习框架进行模型在线训练,使用真实的人类驾驶数据对actor网络进行预训练,同时在actor网络中加入LSTM预测机制,提升自动驾驶车对将要发生状况的预判。在仿真平台TORCS中的实验结果表明,所提算法相较于原始DDPG算法,训练时间大大缩短,收敛速度加快,提高了模型的稳定性和泛化能力。

基于BP神经网络的负载识别和C语言实现

对学生公寓用电负载的类型进行识别,识别出负载中计算机功率的值,进而判断检测到的总功率中所含的非计算机功率,以限制大功率负载的应用,对学生公寓的用电管理有重大意义。对所采集不同负载类型的电压、电流信号进行傅立叶交换,提取特征值,并加入总功率参数作为BP神经网络的训练样本,训练网络对负载中计算机功率进行识别,并用C语言编程实现。对石家庄铁道学院学生公寓电器类型的识别结果表明,神经网络方法用于识别电器类型具有可靠性和实用性。

基于分层筛选和动态更新的并行选择集成算法

提出一种选择性集成学习算法,该算法利用多线程并行优化基分类器的参数,通过多层筛选和动态更新筛选信息获取最优的候选基分类器集合,解决了以往在集成学习中选择分类器效率低下的问题。集成分类器采用分解合并的策略进行加权投票,通过使用二分法将大数据集的投票任务递归分解成多个子任务,并行运行子任务后合并投票结果以缩短集成分类器的投票运行时间。实验结果表明,相对于传统方法,所提出的算法在平均精度、F1-Measure以及AUC指标上都有着显著提升。

基于BP神经网络的船用反应堆屏蔽设计快速计算功能研究

船用反应堆的屏蔽设计问题直接关系到核能能否安全的用作舰船的动力系统,而在屏蔽设计问题中屏蔽计算是十分重要的环节。为了实现在一定误差范围内实现快速计算功能,采用BP神经网络模拟学习MCNP的计算过程,仅需给出指定的输入变量即可预测屏蔽计算输出结果,解决了MCNP计算耗时过长问题,提高了屏蔽设计优化效率。

基于改进遗传算法优化BP神经网络的短时交通流量预测方法研究

短时交通流量预测是智能交通系统的重要技术之一.BP神经网络可以充分逼近任意复杂的非线性系统,但存在收敛速度缓慢、易陷入局部极值等缺点.针对短时交通流量预测高度不确定性和非线性的特点,结合保留精英遗传算法和自适应遗传算法,提出了保留精英自适应遗传算法,建立了保留精英自适应遗传算法优化BP神经网络的短时交通流量预测模型.仿真结果表明,该模型提高了短时交通流量预测的准确性和可靠性.

轻度认知障碍磁共振信号中固有频率动态功能性连接的聚类研究

功能性连接(Functional connectivity,FC)可以表示脑区的协同工作能力,目前广泛采用动态功能性连接(Dynamic functional connectivity,DFC)和聚类分析相结合的方法研究疾病的显著性差异分析和分类。但现有研究,对于聚类个数的确定和聚类结果选用并没有明确的标准,且传统的DFC无法表示不同频率的FC信息。因此,本文对轻度认知障碍(Mild cognitive impairment,MCI)磁共振信号中固有频率DFC聚类问题进行研究。首先对被试的时间进程(Time course,TC)数据做噪音辅助的多元经验模态分解并计算DFC;然后通过评判辅助的聚类方法做聚类分析,再采用最小二乘对聚类结果做拟合;最后采用分类器做分类。实验采用阿尔茨海默病神经影像学(Alzheimer’s disease nearoimaging,ADNI)数据库的数据对本文算法进行测试。实验结果表明,有监督聚类分类准确率高于无监督聚类;引入固有频率的DFC分类准确率要高于传统的DFC;最小二乘拟合能提升分类准确率。