M57951L/M57904L可同时驱动三个独立GTR单元的厚膜驱动器集成电路

本文介绍了可同时驱动三个独立GTR模块的厚膜驱动器集成电路M57951L/M57904L的引脚排列、各引脚的名称、功能和用法,叙述了它们的主要设计特点和参数限制,剖析了其内部结构和工作原理,进而给出了其应用电路。

化瘀通阳方药对UC大鼠L/M值及P选择素影响的观察

[目的]观察化瘀通阳方药对溃疡性结肠炎(UC)大鼠乳果糖/甘露醇值(L/M值)及P-选择素的影响,并探讨二者可能的关系。[方法]采用葡聚糖硫酸钠法进行UC大鼠模型的制作,分别予化瘀通阳方药灌肠及美沙拉嗪灌肠治疗,比较造模及治疗前后乳果糖/甘露醇值(L/M值)及P-选择素。[结果]造模后,大鼠L/M值及P-选择素较造模前明显增高,经化瘀通阳方药灌肠治疗,二者均明显减低,且与美沙拉嗪灌肠组相比,无统计学差异。[结论]化瘀通阳方药可有效降低UC模型大鼠L/M值及P-选择素,且与美沙拉嗪灌肠疗效相当。

基于信赖域的Levenberg-Marquardt法有限元模型修正

基于灵敏度的有限元模型修正方法常因灵敏度矩阵病态或非满秩问题而面临修正困难.虽然传统的Levenberg-Marquardt(L-M)算法能够解决这些问题,但其计算成本较高.为此,提出了一种基于信赖域的改进LM算法,并通过对T形尾翼的仿真算例进行修正对比,验证两种算法的修正速度和精度差异.结果显示,两种算法均能将参数基本修正至目标参数,但改进L-M算法计算成本更低,证明了改进算法在修正效率上的优势.以钢制T形尾翼模型为例,通过试验和有限元分析,分别获得了实际模型和有限元模型的前8阶固有频率.采用改进L-M算法对T形尾翼进行修正,经过3次迭代,前8阶频率的绝对平均误差从修正前的13.02%降至1.67%,频率精度显著提升.可以看出,改进算法也具有很高的工程应用价值.

水下视觉SLAM分段式光束平差算法

自主水下机器人(AUV)采用视觉SLAM系统可以实现近距离精确定位,但是面对水下大规模场景时,后端优化采用的光束平差算法(BA)存在内存不足和计算效率低的问题,对此本文提出了一种改进的分段式BA优化算法。首先采用基于运动模式的分段方法,根据相机的直行运动和转弯运动将轨迹分段后对每个子分段分别进行BA优化;然后各子分段采用动态调整优化权重的求解方法,根据不同子分段的运动模式动态调整优化参数;最后针对BA代价函数的求解,采用改进的列文伯格-马夸尔特(L-M)求解算法,将信赖域定义为可调参数,优化由雅克比矩阵非正定性引发的算法稳定性问题,提高运算效率。在数据集上的试验结果表明,在运行时间较长、环境较恶劣的数据集序列上,本文算法相较于ORB-SLAM3算法有更好的精度,同时全局BA的效率有显著提高。

基于L-M算法的铝合金铸造过程界面换热系数的反问题模型

铝合金铸造过程铸件-铸模之间的界面换热系数的变化非常复杂,且预测非常困难。本文基于L-M(Levenberg-Marquardt)算法建立了铝合金铸造过程传热反问题模型,通过反问题分析获得铝合金铸造过程中铸件-铸模界面换热系数。通过将铸件-铸模界面换热系数反演值与标准值进行比较,验证传热反问题模型的准确性。在此基础上,分析了铸模上测点位置(与铸件-铸模界面距离、相邻测点间距)和温度测量误差对铸件-铸模界面换热系数反演值的影响规律,并给出了最优的测点布置方案和温度测量误差要求。通过铝合金铸造实验,用该反问题模型能求解出铝合金凝固过程中的铸件-铸模界面换热系数。

阻尼改进抗差L-M匹配下全景图像拼接平滑优化

为了解决大面积视觉全景图像受拼接缝影响,拼接平滑面积较小的问题,提出阻尼改进抗差L-M匹配下全景图像拼接平滑优化方法。阻尼因子改进抗差L-M算法,计算抗差L-M迭代向量;利用改进抗差L-M算法,融合球面投影理论,对特征匹配误差目标函数进行优化。融合拉普拉斯算法和高斯滤波金字塔对图像进行分解重构,确定图像拼接缝重叠区域后完成全景图像拼接平滑优化。实验结果表明,所提方法的拼接缝平滑面积能够达到95.8%,解决了拼接平滑面积较小的问题。

基于L-M优化算法的BP神经网络的作物需水量预测模型

应用L-M优化算法BP神经网络,通过多维气象数据(太阳辐射、空气温度、湿度)与作物需水量的相关分析,来确定网络的拓扑结构,建立作物需水量的人工神经网络模型。用美国田纳西州大学高原实验室所测的100d气象数据为输入、作物需水量为输出来训练建立好的BP神经网络,仿真表明该神经网络能很好地解决需水量多影响因素之间的不确定性和非线性,模型的预测精度较高,同时通过一组非样本天气环境参数和作物需水量来验证该神经网络,也得到了较好的预测结果,能够满足灌溉的精度要求。

基于L-M优化算法的水稻螟虫预测模型及其初步应用

农村稻区水稻螟虫发生量与多种气候因素相关,各因素之间存在相互作用,是非线性系统。神经网络能有效地描述非线性模型多输入和不确定的特性。传统的BP网络在训练时易陷入局部极小点从而导致训练时间长、收敛速度慢,采用Levenberg-Marquardt优化算法(简称L-M算法)能克服其缺点。在MATLAB中应用L-M算法对辽宁盘锦田间稻区进行水稻螟虫发生量的仿真预测,试验结果表明L-M优化算法的预测精度和收敛速度明显提高,为稻区防控虫害和精确喷药提供参考,具有实用价值。

与石刁柏性别基因M紧密连锁的AFLP新标记

运用BSA法构建石刁柏雌雄基因池,用64种AFLP引物组合共检测到4个多态性位点,单株验证结果表明,引物组合E-ACG/M-CTT产生的多态性片段(命名为E-ACG/M-CTT-156)与M基因连锁,片段大小为156bp;连锁遗传距离为8·33cM。

混合威布尔分布参数估计的L-M算法

混合威布尔分布模型常用来分析具有多种失效模式的机械系统或零部件的可靠性寿命数据,为提高混合威布尔分布未知参数估计的精度,利用非线性最小二乘理论,建立了小子样条件下两重混合威布尔分布参数优化估计模型,将L-M算法用于优化求解。以概率图参数估计法的结果作为迭代初始值,提高了迭代求解的速度。计算实例表明利用该方法估计混合威布尔分布参数是可行的,而且能够获得较精确的结果。

基于L-M优化算法的猪舍氨气浓度预测模型研究

在规模化养殖中,猪舍环境直接影响猪健康水平及生产能力。针对猪舍环境因素(包括温度、湿度、风速和氨气浓度)进行数据采集,选取具有代表性30 d数据,建立基于L-M优化算法的3-7-1三层结构的BP神经网络模型,对猪舍环氨气浓度进行预测。结果表明,预测模型经过90步达到目标误差,网络收敛速度快,效率高,预测值与实测值最大相对误差仅为1.72%,与线性预测方法相比较可提高猪舍氨气浓度预测的准确性与及时性,为猪舍环境预警及控制提供支持,也为其他行业预测模型建立提供参考。

基于L-M算法的雷达板级电路快速故障诊断

新型雷达可更换的板级电路很多,为了快速诊断板级电路故障,将一种基于L-M算法的神经网络用于故障诊断;分析了L-M算法BP网络进行雷达板级电路故障诊断的原理;建立了故障诊断样本训练和测试平台;并以实例在该平台上对L-M算法BP网络进行训练和实际诊断.结果表明,该方法诊断准确性高,比其它方法更为快速有效,较好地解决了雷达可更换板级电路的故障诊断问题.

一种基于L-M算法的组合神经网络模糊控制器

提出了一种基于L-M算法的神经网络模糊控制器。用两个相同的三层前向神经网络①和②来生成E和EC的隶属度,用三层前向神经网络③来实现模糊控制规则并生成控制输出,经过研究和对比选择了对于这3个网络来说最好的训练算法Levenberg-Marquardt算法。仿真结果表明了该控制器极好的控制性能。

基于L-M优化算法的喷头射程神经网络预测模型

喷头射程受较多因素影响,各因素之间相互作用,是一个复杂的非线性系统。神经网络能有效地描述非线性模型多输入和不确定的特征。采用Levengerg-Marquardt优化算法对神经网络进行了改进,对获得的数据进行训练,建立了喷头射程预测中喷嘴仰角、喷嘴直径和工作压力的映射网络模型,并模拟分析了喷头射程与其影响因素之间的变化规律。结果表明,用基于L-M算法的人工神经网络预测喷头射程时,不需要建立具体的模型,设计方便、运算迅速、仿真性强、精确度高。

基于L-M算法的正交Stewart平台位姿正解的初值补偿

针对牛顿拉夫逊迭代法求解正交Stewart六自由度平台位姿正解对迭代初值依赖的问题,提出基于Levenberg-Marquardt(L-M)算法改进的BP神经网络模型,进而实现对Stewart平台位姿正解的迭代初值补偿值计算,并与基于BFGS拟牛顿算法、SCG量化共轭梯度算法、GDA梯度下降自适应算法所建立的BP神经网络模型进行对比分析,重点分析模型的适应性、预测输出、误差性能等。结果表明:采用提出的基于L-M算法改进的BP神经网络模型对正交Stewart六自由度平台位姿正解的迭代初值校正后,收敛速度有显著提升,初始值校正误差低于0.1%,校正结果满足预期要求。

基于L-M算法的BP神经网络分类器

以TM图像为例,讨论了基于Levenberg-Marquardt(L-M)算法的BP神经网络分类器及其在遥感图像分类中的应用。LM算法是梯度下降法与高斯牛顿法的结合,由于利用了近似的二阶导数信息,LM算法比梯度法快。就训练次数及准确度而言,LM算法明显优于变学习率法的BP算法。

抵制多敏感属性关联攻击的(l,m)-多样性模型

现有的微数据发布隐私保护匿名模型均没有考虑敏感属性间的关联关系,不能抵制基于敏感属性间关系的攻击.为此,论文提出抵制敏感属性关联攻击的(l,m)-多样性模型,该模型要求匿名数据的每个等价类中,每维敏感属性上多样性至少为l,并且当某一敏感值从等价类中删除后,该等价类剩下的敏感值仍满足(l-1,m)-多样性.本文也提出了实现(l,m)-多样性的两个算法—BottomUp算法和TopDown算法.实验表明,所提出的算法均能实现面向多敏感属性的(l,m)-多样性模型,有效保护多敏感属性微数据的个体隐私.

基于BP神经网络与L-M算法的潜艇声纳自噪声预报

L-M(L evenberg-M arquart)算法与BP(B ack-P ropagation)神经网络相结合,使神经网络在多样本、大变量输入的情况下,具有更快的收敛速度和更高的逼近精度。将BP神经网络与L-M算法相结合应用于潜艇声纳自噪声预报;分析了影响潜艇声纳自噪声的各种声源参数;利用潜艇声纳实测数据进行网络训练,训练好的神经网络可以对潜艇声纳自噪声进行精确预报。

L-M神经网络的磨削淬硬参数预测

针对基于传统BP算法的神经网络训练中收敛速度较慢的缺点,提出一种基于L-M(Levenberg-Marquardt)算法的磨削淬硬层厚度预测,并开发了基于L-M算法的磨削淬硬神经网络预测系统。仿真结果表明:该系统模型显著缩短了训练时间,具有较高的准确性。通过网络训练和网络检验,得出该神经网络系统的预测值与实测值十分接近的结论,可充分证明L-M法BP神经网络对于磨削淬硬参数预测具有很好的效果。