基于AHP耦合Sigmoid函数的重载铁路黄土边坡风险分析

重载铁路具有大轴重、高密度、大运量的运输特点,黄土边坡路基段一直是重载铁路运营的高风险区段,现有风险评价方法尚无法满足其风险量化分析的需求。利用层次分析法AHP耦合Sigmoid函数的方法,围绕事故发生概率和损失两个方面对重载铁路黄土边坡工程展开风险定量评价。首先以边坡滑塌事故调研和稳定性控制理论为基础,明确黄土边坡的失稳影响因素,建立重载铁路黄土边坡稳定性评价模型和边坡失稳危害性评价模型;然后应用层次分析法建立黄土边坡稳定性评价模型指标权重,并提出各级影响因素的指标赋值方法;而后引入基于朴素贝叶斯理论的Sigmoid函数,构建边坡稳定服役概率、风险判断矩阵和黄土边坡的风险等级确定方法;最后以朔黄铁路某站高陡黄土边坡为工程背景,应用所得理论方法对其进行风险定量分析,计算得出该边坡失稳概率为0.64,造成经济损失约8611万元,隶属于高风险等级,并针对坡体几何特征、渗透能力、基岩特性等低分指标提出了具体的安全性提升措施建议。

利用Sigmoid函数所建隧道围岩全过程位移曲线的应用及效果验证

隧道围岩位移能够综合反映隧道施工过程中围岩稳定性及支护效果,但实际工程中掌子面前方围岩位移难以监测,导致难以得到围岩全过程位移曲线。为了获取隧道围岩全过程位移曲线,基于Sigmoid函数、遗传算法及数值计算方法,建立了隧道围岩全过程位移曲线,并验证了该曲线的预测效果。选取某公路隧道不同围岩级别工况下的典型位移监测数据,对所提出的预测方法进行验证,结果表明:基于Sigmoid函数的隧道围岩全过程位移曲线能够较为准确地预测围岩位移,预测精度和可靠性较高,适用于不同围岩级别及开挖方法,可为施工阶段围岩稳定性评价提供参考。

一种用Sigmoid函数进行加权融合的图像去雾算法

为了解决图像去雾过程中在前景和天空区域过渡不平滑以及透射率融合不精确、恢复图像色彩不自然等问题,提出了一种用Sigmoid函数进行加权融合的图像去雾算法。该算法在R、G、B共3个通道上使用不同的衰减常数,并以Sigmoid作为权重函数将基于颜色衰减先验对天空区域的估计透射率和基于暗通道先验对前景区域的估计透射率进行融合,最后通过大气散射模型恢复出无雾图像。实验结果表明,该算法对包含有天空区域的雾图的去雾效果更优,复原后的图像清晰而且色彩自然,提升了图像的主观视觉效果,同时客观对比也表明了该算法的有效性和适用性。

基于改进Sigmoid函数的PMSM调速系统自抗扰控制

为实现永磁同步电机(PMSM)转速的快速、稳定控制,提出一种基于改进Sigmoid函数的自抗扰控制(ADRC)方法。首先,对Sigmoid函数进行了分析和改进,引入非线性因子;接着,利用改进Sigmoid函数替代传统非线性函数设计了PMSM调速系统的改进型微分跟踪器(TD)、改进型扩张状态观测器(ESO)和改进型非线性状态误差反馈(NLSEF)控制律,并借助李雅普诺夫(Lyapunov)函数证明了所设计的改进型ESO具有渐进稳定性;随后,证明改进型ADRC误差系统的渐进稳定性;最后,对该策略进行了仿真分析。结果表明:在PMSM调速系统中,改进型ADRC比传统ADRC和PI控制具有更好的动态性能和抗扰性能。

可编程双极性sigmoid函数及其导数发生器

在硬件实现的神经网络中,为了解决神经元激活电路结构复杂、参数不可调、与突触电路不匹配的问题,基于跨导线性原理,提出了一种双极性sigmoid激活函数及其导数发生器。该函数发生器仅由一个跨导线性环和两个差分跨导电路构成,通过改变外部偏置电流和电压可调节函数的幅值、阈值和增益因子,具有结构简单、易于编程的优点。实现的电路可选择电流或者电压输出,适用于各种电流模式或者电压模式神经网络中。采用TSMC 0.35um CMOS集成工艺对电路进行PSPICE仿真测试,结果表明,该电路产生的函数及其导数与理想函数拟合度好,相对误分别不超过2%和4%。

基于Sigmoid函数的机器人鲁棒滑模跟踪控制系统设计

为了保证机器人能够在保持稳定的情况下,按照规划轨迹执行工作任务,从硬件和软件两个方面,设计了基于Sigmoid函数的机器人鲁棒滑模跟踪控制系统。装设机器人传感器与状态观测器,改装机器人鲁棒滑模跟踪控制器,完成系统硬件设计;综合机器人结构、运动机理和动力机制3个方面,构建机器人数学模型;根据状态数据采集结果与规划轨迹之间的偏差,计算机器人跟踪控制量;依据滑模运动与切换方程,利用Sigmoid函数生成机器人鲁棒滑模控制律,将生成控制指令作用在机器人执行元件上,实现系统的鲁棒滑模跟踪控制功能;在系统测试与分析中,所设计控制系统的平均位置跟踪控制误差为0.93 mm,与设定轨迹目标基本重合,机器人姿态角跟踪控制误差为0.06 mm,具有较好的鲁棒滑模跟踪控制效果,能够有效提高机器人鲁棒滑模跟踪控制精度。

低照度下基于Sigmoid函数的改进同态滤波增强算法

针对低照度图像处理难度较大,信息含量少的问题,提出了一种基于Sigmoid函数的改进同态滤波低照度图像增强方法。该方法首先基于同态滤波增强方法的原理,并利用Sigmoid函数构造两个传递函数,对图像进行分频处理;然后将低通分量乘以相应的系数来控制图像的整体灰度;接着将高频、低频分量线性相加;最后输出增强后的图像。实验结果表明,该算法不仅优化了滤波器参数的调控问题,而且有效地提高了图像对比度,视觉效果更好,细节部分更清晰。

脉冲噪声下基于Sigmoid的LFM信号参数估计

由于脉冲噪声具有的短时大幅值特性,使得基于高斯假设的信号参数估计方法无法在脉冲噪声环境下有效估计参数。针对此问题,利用α稳定分布模拟随机脉冲噪声,提出了一种基于Sigmoid-CFRFT的LFM信号参数估计方法。首先,建立了一种自适应Sigmoid函数,证明了信号经过此非线性变换后,信号的2阶矩由无界变为有界,且信号的相位信息保持不变。其次,将变换后的信号进行离散时间CFRFT,建立了数学优化模型,并使用水循环算法搜索最优值点。最后,利用了非标准SαS分布噪声的修正方法,分析了标准和非标准分布下参数估计的性能。仿真结果说明,所提方法不仅可以有效抑制脉冲噪声对LFM信号分数谱特征的影响,而且能够实现低信噪比信号参数的高精度估计。相比于现有的基于非线性变换的参数估计方法,本文方法具有更好的精度,稳定性和噪声鲁棒性。

特征函数 1 ( 0,+∞ ) ( z )的一类光滑近似函数

特征函数1(0,+∞)(z)在实际中有着广泛的应用,许多重要的实际问题,如概率约束优化问题等都可以转化为与特征函数相关联的问题。然而,特征函数是非连续非光滑的函数,这使得问题的研究较为困难。因此,在实际的研究过程中,寻找特征函数的光滑近似函数显得尤为重要。本文讨论了一类具有特殊性质的特征函数1(0,+∞)(z)的光滑近似函数φ(z,t),构造了两个具体的光滑近似函数。基于所提出的该类光滑近似函数,给出了概率约束优化问题的等价近似问题。

基于Loess平滑和Sigmoid函数的中国碳排放量模型

本文采用Sigmoid函数对1990-2019年的中国碳排放量数据进行建模,首先利用R语言,对数据进行平滑处理,采用loess方法,消除噪声的影响,使其更容易优化,并建立Sigmoid函数模型。其次,发现该阶段碳排放量符合S形曲线的规律,即Sigmoid模型,在总共30年间的前期和后期的增长均较为缓慢,而中间10年的增长尤为迅速。通过计算其平稳点,得出在2018年左右,碳排放量达到平稳,随后将小幅度上升或波动。

特征扩展的随机向量函数链神经网络

基于宽度学习的动态模糊推理系统(broad-learning-based dynamic fuzzy inference system,BL-DFIS)能自动构建出精简的模糊规则并获得良好的分类性能.然而,当遇到大型复杂的数据集时,BL-DFIS因会使用较多模糊规则来试图达到令人满意的识别精度,从而对其可解释性造成了不利影响.对此,提出一种兼顾分类性能和可解释性的模糊神经网络,将其称为特征扩展的随机向量函数链神经网络(FA-RVFLNN).在该网络中,一个以原始数据为输入的RVFLNN被作为主体结构,BL-DFIS则用作性能补充,这意味着FA-RVFLNN包含具有性能增强作用的直接链接.由于主体结构的增强节点使用Sigmoid激活函数,因此,其推理过程可借助一种模糊逻辑算子(I-OR)来解释.而且,具有明确含义的原始输入数据也有助于解释主体结构的推理规则.在直接链接的支撑下,FA-RVFLNN可利用增强节点、特征节点和模糊节点学到更丰富的有用信息.实验表明:FA-RVFLNN既减缓了主体结构RVFLNN中过多增强节点带来的“规则爆炸”问题,也提高了性能补充结构BL-DFIS的可解释性(平均模糊规则数降低了50%左右),在泛化性能和网络规模上仍具有竞争力.

浅谈一种基于Sigmoid轨迹规划的相邻交叉耦合同步调平控制策略

随着武器装备的发展,雷达、天线、激光武器和火炮等军事设备都配有自动化调平系统,为了适应多变的战场环境,提高机动性能和战场生存能力,需尽可能地提高调平系统调平精度、调平效率,保证调平过程稳定。本文提出了一种基于Sigmoid轨迹规划的相邻交叉耦合同步调平控制策略,可以适用于多点调平场合。采用D-H坐标法建立平台位姿解算模型,得到各调平支腿所需位移。基于Sigmoid函数对位移调整过程进行规划,得到支腿位移和时间的序列关系。根据相邻交叉耦合同步控制策略,建立各支腿耦合关系,通过同步控制器实现各支腿按同步比例系数的同步调整。经SimMechanics动力学建模Simulink仿真结果如下:各支腿位移调整曲线平滑、调平效率高、调平误差小于3′,同步误差减小约55.6%,同步调整时间减小约44.4%。

水下机器人基于sigmoid函数的软变结构控制

针对水下机器人滑模变结构控制系统抖振问题,利用具有光滑性和饱和性的sigmoid函数,提出一种水下机器人软变结构控制策略。利用Lyapunov稳定性理论,讨论控制受限情形的水下机器人软变结构控制系统的稳定性,构造基于sigmoid函数的软变结构控制器,给出水下机器人软变结构控制的具体算法。将基于sigmoid函数的软变结构控制策略用于水下机器人仿真实验研究,实验结果验证了该方法的可行性和有效性。与线性控制、饱和线性控制和基于变饱和函数的软变结构控制3种控制方法进行对比仿真分析,分析结果表明,基于sigmoid函数设计的软变结构控制系统调节精确度高、响应速度快,有效地削弱了系统抖振,具有良好的动态性能。

Sigmoid函数及其导函数的FPGA实现

通过对Sigmoid函数进行分析,构造一张自变量在[0,4],函数值在[0.5,1.0]的查找表,将其与设计的运算模块相连,实现Sigmoid函数及其导函数.实验表明,该方法在确保快速运算的同时节省了芯片的资源.

基于Sigmoid函数拟合的亚像素边缘检测方法

亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径,文中对矩法、拟合法和插值法等常用的亚像素边缘检测算法的原理、优点和不足进行了分析,提出了Sigmoid函数拟合的亚像素边缘定位算法.该算法采用Sigmoid函数拟合边缘模型,利用图像边缘灰度信息对模型进行非线性最小二乘拟合,求得边缘的亚像素位置.理论分析和实验结果表明,基于Sigmoid函数拟合的亚像素边缘定位算法的定位精度为0.045像素,但检测的速度比灰度矩提高了一个数量级,比空间矩、Zern ike矩和插值法提高了两个数量级.此算法能较好地满足影像测量的稳定可靠、高精度及强实时性要求.

一种基于Sigmoid函数的改进协同过滤推荐算法

随着电子商务和社交网络的蓬勃发展,推荐系统逐渐成为数据挖掘领域的重要研究方向。推荐系统能够从海量信息中定位用户兴趣点,提供个性化服务。协同过滤算法能够有效分析用户偏好,提供合适的推荐服务。针对评分矩阵稀疏时传统协同过滤算法性能很差的问题,提出一种基于Sigmoid函数的改进推荐系统算法。利用Sigmoid函数对不同项目进行建模,得到项目的平均受欢迎程度;利用Sigmoid函数对不同用户进行建模,将评分映射为用户对项目的喜好程度;根据用户对项目喜好程度应该与项目平均受欢迎程度贴近的原则进行评分预测。在两组真实数据集合上的实验结果表明,该算法较好地解决了数据稀疏性问题,能够有效提高传统算法的预测准确性。

Sigmoid函数的分段非线性拟合法及其FPGA实现

使用分段非线性逼近算法计算超越函数,以神经网络中应用最为广泛的Sigmoid函数为例,结合函数自身对称的性质及其导数不均匀的特点提出合理的分段方法,给出分段方式同逼近多项式阶数对逼近结果精度的影响。完成算法在FPGA上的硬件实现,给出一种使用三阶多项式处理Sigmoid函数的拟合结果及流水线架构,处理精度达到10-5数量级,最大频率达到127.327 MHz,满足了高速、高精度的处理要求。

基于sigmoid函数激励需求响应模型的电动汽车有序充电控制策略

基于经济学理论提出电动汽车有序充电电价模型,给出考虑负荷波动和电动汽车车主支出最小为目标的多目标函数,利用蒙特卡罗方法模拟车主的充电行为,最后,采用粒子群算法求解多目标函数;该方法在电价激励机制的控制过程中,加入用户对电价的响应环节,给出满足sigmoid函数的电价激励策略在不同激励陡度参数下对电动汽车充电的引导效果。以某地区为例进行有序充电场景仿真模拟,结果表明:在兼顾车主和充电站运营商利益前提下,电动汽车规模一定时,选择适合的激励陡度参数能改善负荷曲线,使电网负荷波动最小。

基于改进sigmoid激活函数的深度神经网络训练算法研究

针对深度神经网络训练过程中残差随着其传播深度越来越小而使底层网络无法得到有效训练的问题,通过分析传统sigmoid激活函数应用于深度神经网络的局限性,提出双参数sigmoid激活函数;个参数保证激活函数的输入集中坐标原点两侧,避免了激活函数进入饱和区,一个参数抑制残差衰减的速度,双参数结合有效地增强了深度神经网络的训练;用DBN对MNIST数据集进行数字分类实验,实验表明双参数sigmoid激活函数能够直接应用于无预训练深度神经网络,而且提高了sigmoid激活函数在有预训练深度神经网络中的训练效果。

多输入Sigmoid激励函数神经网络权值与结构确定法

结合伪逆直接计算得到神经元之间最优权值的方法,提出了一种双阶段自动搜索与确定最优网络结构的算法,克服了原有BP神经网络模型及其学习算法的固有缺陷。以函数逼近为例,计算机数值实验结果显示了算法有效且耗时短,证实了由该算法得到的网络对于多输入函数具有较优良的逼近(学习与校验)性能。