Prediction of Logistics Demand via Least Square Method and Multi-Layer Perceptron

To implement the prediction of the logistics demand capacity of a certain region,a comprehensive index system is constructed,which is composed of freight volume and other eight relevant economic indices,such as gross domestic product(GDP),consumer price index(CPI),total import and export volume,port's cargo throughput,total retail sales of consumer goods,total fixed asset investment,highway mileage,and resident population,to form the foundation for the model calculation.Based on the least square method(LSM)to fit the parameters,the study obtains an accurate mathematical model and predicts the changes of each index in the next five years.Using artificial intelligence software,the research establishes the logistics demand model of multi-layer perceptron(MLP)neural network,makes an empirical analysis on the logistics demand of Quanzhou City,and predicts its logistics demand in the next five years,which provides some references for formulating logistics planning and development strategy.

基于LSM的磁轴承自传感方法及其特性研究

针对磁轴承自传感系统结构复杂和精度不高的问题,对基于最小二乘法的电感计算方法,以及转子位移估计方法、幅度解调法和直接电流测量法等磁轴承自传感系统结构等进行了研究。首先提出了基于最小二乘法的磁轴承线圈电流直接估计转子位移方法和位置控制系统模型,其次基于TMS320F2812和柔性铰链微动位移结构搭建了单自由度磁轴承实验台,最后对该自传感方法的估计位移及其估计误差进行了测试。研究结果表明:在0~250μm量程范围内,该方法估计位移最大绝对误差的仿真结果为-3.49μm,相对误差为1.39%;而估计位移最大绝对误差的实验结果为2.41μm,相对误差为0.96%;该位移估计法不仅提高了估计精度,而且当简化自传感系统结构后,自传感磁轴承运行状态良好。

基于LSM和RELBP的煤岩识别方法探讨

对当前煤岩识别方法的研究现状进行了介绍,并提出将最小二乘法模型(Least square model,LSM)和融入平滑滤波思想的鲁棒扩展局部二值模式(Robust extended local binary Pattern,RELBP)融入煤岩识别领域。对基于LSM和RELBP的煤岩识别方法的煤岩自动化识别技术(RELBP-LSM)进行了探讨。结果表明:(1)当前的煤岩识别方法大多存在效果较差、稳定性欠佳、适用范围小等缺点,同时易受人为因素的影响;(2)以最小二乘法和局部二值模式为理论基础,建立起RELBP-LSM煤岩识别方法,并通过参数敏感性分析,确定正则化参数λ的最佳取值为10-3.5,优选模式数d的最佳取值为500;(3)对不同方法的准确识别率进行对比分析,认为RELBP-LSM法不仅具有较高的准确识别率,同时能大大降低内存占用率,加快识别速率和效率。

基于无人机小阵列天线GNSS干扰源定位方法

针对城市复杂环境中的干扰源定位问题,提出了利用无人机携带小阵列天线对干扰源进行定位的方法.为解决解算干扰来向过程中小阵列天线存在角度模糊的现象,需利用无人机对其携带的两根接收天线进行旋转;旋转一周后,利用其变化率信息结合无人机方位角数据,得到无人机指向干扰源的角度(即干扰来向);最后利用最小二乘定位法进行位置解算,并将定位结果显示在卫星图上.实验结果表明,本文定位方法的相对定位误差均保持在5%以内,从而验证了无人机小阵列天线对干扰源定位的方法具有可行性和鲁棒性.

基于圆拟合的激光光斑中心检测算法

激光光斑中心检测是光学测量中常用的关键技术。检测算法的精度和速度直接影响了测量的精度及速度 ,传统的检测算法如重心法、Hough变换法等在检测精度或速度上存在不足。基于圆拟合的激光光斑中心检测算法是根据最小二乘原理用圆来逼近激光光斑轮廓 ,该算法除了可以检测光斑中心外 ,还可以检测光斑半径 ,达到亚像素级的定位精度 ,具有很快的计算速度 ,可适用于实时的光学测量。

激光光斑的高斯拟合

给出了激光光斑的高斯拟合及其改进算法 ,实验表明 ,拟合曲线与原始实验数据达到很好的逼近 。

基于遗传算法的圆度公差评定法与采用最小二乘法评定的比较(英文)

根据提出的计算模型 ,对基于遗传算法的圆度误差评定和传统上采用最小二乘法的评定算法进行了比较分析 ,根据方法本身的特点和计算结果 ,分析了二者的不同点以及在工程应用中的适用场合。所构造的模型包括边界控制点和区域随机点 ,其中边界控制点模拟了由圆度误差最小区域条件所定义的最大内切圆和最小外切圆 ,而区域随机点模拟了实际情况下测试点的随机性和不确定性。计算结果表明基于遗传算法的圆度评定法精度较高 。

基于轮廓多边形拟合的红外与可见光图像配准算法

针对红外图像和可见光图像配准问题,提出一种基于轮廓多边形拟合的图像自动配准算法。首先,为获得较好的主轮廓信息,对提取的轮廓进行多边形拟合,有效剔除轮廓上的冗余点和噪声。然后选取拟合轮廓上的多边形顶点为特征点,将轮廓划分为特征轮廓段,以特征轮廓段作为匹配单元匹配轮廓并得到匹配特征点。采用修剪的最小二乘法,在获取变换参数的同时不断剔除误匹配。实验证明,该算法可实现性强,配准精度高,配准速度快,较好地实现了刚体变换下红外图像与可见光图像的配准。

稳定平台的自适应逆控制

为提高稳定平台的性能指标,满足其高精度、快响应的要求,实现对目标的实时跟踪,对稳定平台的控制方法进行了研究。首先,根据自适应逆控制的基本原理设计出稳定平台自适应逆控制系统的结构。然后,采用模型参考自适应逆作为控制器来完成稳定平台转轴的控制并尝试利用其开环特性来改进稳定平台的控制性能。稳定平台模型辨识和控制器的设计算法都采用最小二乘法(LSM),最后分别采用传统的PID控制和自适应逆控制分析比较其输出效果。仿真结果显示,采用自适应逆控制时的定位精度可达29″,表明采用自适应逆控制的稳定平台具有响应快、无超调、抗干扰能力强以及稳态误差小等优点,其动、静态性能均优于常规的PID控制。

基于最优弧的激光光斑中心检测算法

激光光斑中心检测是光学测量中常用的关键技术,广泛应用在光学测量系统、光路自动准直系统、激光通信目标跟踪中。为了提高光斑中心及半径的检测精度和抗干扰性,提出了一种基于最优弧的激光光斑中心检测算法,该算法首先根据圆的对称性排除了受干扰边缘,然后选取对称性好的弧线作为最优弧,最后以最优弧的数据作为拟合数据,利用最小二乘法计算出圆的中心及半径,并与其他算法进行了比较。实验表明,该算法对于中心和半径的定位精度高、计算速度快,并有效地提高了中心检测的抗干扰性,适用于在线实时检测。

基于圆拟合的孔系中心坐标高精度检测方法研究

介绍了一种基于线阵CCD的工件表面孔系中心坐标高精度非接触式测量系统 ,并详细讨论了根据最小二乘法原理用圆拟合识别孔中心的方法。这种方法解决了测量系统两个方向上分辨率不一致的固有缺陷 ,同时较好地克服了测量过程中各种干扰因素对检测精度的影响 ,使圆心识别精度达亚像素级。

基于连续小波变换的输电线路故障行波测距方法的研究

目前,离散小波变换在故障行波测距中广泛实际运用,其中测距算法中两个关键因素故障行波到达时间和故障行波波速的精度还可以提高。这是因为离散小波的尺度因子为2的指数,小波分解后的频带较宽。针对这个问题,提出对故障行波使用连续小波变换并从中采取合适尺度因子的方法。该方法用最小二乘法从连续小波变换后的时频信号中选取合适的尺度因子,然后在该尺度因子的时频图中测定故障行波到达时间和故障行波波速,最后计算出故障距离。仿真结果证明了此方法在单端法故障测距的准确性。

结合LTS和Hough变换的直线检测算法

为提高Hough变换检测直线的精度,提出一种结合Hough变换与截断最小二乘法的直线检测算法。利用Hough变换确定图像中直线所在的大致区域,提取候选区域内的特征点集,采用截断最小二乘法拟合得到精确的直线参数。实验结果表明,该算法的检测率和检测精度较高,对Hough变换的分辨率要求较低,整体空间开销较小。

视线跟踪过程中变形瞳孔的定位

在视线跟踪过程中,变形瞳孔的定位至关重要。针对眼部图像出现干扰情况下的变形瞳孔定位,该文提出了一种基于3点的随机采样一致性定位算法RANSAC_3,即利用随机采样到的2点(以及它们的梯度方向)和搜索获得的1个点来确定椭圆参数。由于该算法在确定参数时只需随机采样两个点,从而大大降低了采样到干扰点的几率,利用搜索到的第3点来决定是否对当前点进行参数计算,有效地解决了标准随机采样一致性定位算法中的无效采样和误差累积问题,提高了椭圆拟合效率和瞳孔定位精度。实验证明,该算法对变形瞳孔具有很好的定位效果,对光斑、睫毛、头发、眼镜框以及眼球运动模糊的引起的干扰具有较强的鲁棒性,并且定位速度快,可以达到实时要求。

Harris角点在金属材料硬度检测中的应用

为了检测金属材料硬度,采用规定形状的压头在抛光材料表面挤压一个不规则方形,测量方形对角线的长度可得出所测材料硬度指标。提出一种利用图像处理技术实现方形对角线长度的精确测量实现材料硬度检测的新方法。应用Harris算子求取方形边缘的角点,再将图像分为四部分后,对每个半边缘进行最小二乘法直线拟合,求得方形的顶角便可得出方形对角线的像素距离。通过对游标卡尺图片进行映射处理求得计算基准,最终得出方形对角线实际长度。实验表明该算法实现了无需人工参与的全自动对角线检测算法精度和速度直接影响了整个检测过程的精度和速度。长度精度达到微米级别,求解材料硬度达到了2%的误差要求。该方法具有很快的计算速度,可用于实时的材料硬度全自动检测工程中。

遥感图像几何校正的支持向量机算法研究

针对目前遥感图像几何校正算法存在的不足,提出了一种新的遥感图像几何校正算法.引入支持向量机理论和方法,结合遥感图像近似几何校正基本原理,提出遥感图像几何校正的支持向量机算法和实现步骤;选择实验区,使用差分GPS实测地面控制点坐标,使用遥感图像处理软件量测地面控制点对应的影像坐标;使用聚类算法分别选择不同数量的控制点作为遥感图像几何校正的控制点,其余控制点作为检查点;分别使用近似几何校正算法、神经网络和支持向量机算法进行遥感图像的几何校正,并进行校正误差比较分析.算法测试表明:遥感图像几何校正的支持向量机算法具有校正误差小、泛化能力强等特点.

基于离散小波变换的时变结构物理参数识别

利用离散小波变换将时变结构的时变参数在多尺度上展开为概貌信号和细节信号,忽略高频细节信号,仅由低频概貌信号估计时变参数,将时变结构识别问题转化为时不变结构识别问题。基于时变结构的输入和输出信号用最小二乘法识别低频尺度展开系数,从而重构得到原始时变参数。对于噪音引起的方程不适定性问题,采用Tikhonov正则化方法减小其影响。通过1个具有时变刚度和阻尼的2层框架结构的数值模拟验证该方法的有效性。识别结果表明:该方法可以有效识别结构时变刚度,时变阻尼识别结果对噪音较敏感。

基于扰动观测器的固化炉温度解耦控制

固化炉是微电子制造过程的重要设备,它内部的温度分布具有大时滞、强耦合、非线性的特点。针对固化炉温度模型复杂和加热板热效应耦合的问题,将最小二乘法及阶跃响应法相结合,在工作点附近对固化炉温度建立一阶惯性延时模型,基于扰动观测器(disturbance observer)对芯片固化炉设计了解耦控制系统,实现了不同加热板之间的解耦控制。仿真和实验结果表明,该解耦控制方法能够抑制加热板之间的耦合影响,超调和稳态误差都较小,在过程控制中的同类系统中有较好的推广应用价值。

结构化道路上应用区域划分的车道线识别

针对多数研究中车道线检测的准确性和实时性难以有效平衡的问题,提出了一种应用区域划分的车道线识别方法。首先通过改进的大津(OTSU)算法提取边缘图像,再在所得边缘图像的基础上,利用改进的概率霍夫变换(PPHT)提取车道标识线上的特征点,并采用最小二乘法(LSM)对特征点点集进行直线拟合,最后通过提出的路面干扰线规避算法检测所有拟合得到的直线段并筛选可能的车道线。在实验方面,引入三种算法作为对比,并利用提出的准确性评价模型对500幅典型道路场景图中的车道线识别结果进行评估,同时统计在处理一段长为1 min 26 s的道路视频时每帧图像序列的平均耗时。实验结果表明所提算法的查准率、查全率、F量测值均优于对比算法,且达到实时处理的要求。

数学模型在测温系统中的应用

利用数值分析中的最小二乘法,采用n次(6次)多项式拟合出温度传感器的温度(t)与电阻(R)的代数关系。由于采用n次拟合,可以使系统温度的测量误差降低到0.2℃以下,达到许多实际场合的要求。系统采用FPGA芯片为控制核心,用硬件描述语言(VHDL)实现编码算法,以TSC传感器作为温度传感器,ADC0809作为模数转换器件,用LCD和数码管同时显示当前的实时温度。