玛湖凹陷风城组岩石力学参数自适应权重组合预测

准噶尔盆地玛湖凹陷风城组岩性复杂,为准确预测其岩石力学参数,提出了一种自适应权重组合预测方法。首先分析、对比传统方法和不同机器学习算法(BP神经网络、XGBoost、支持向量机(SVM)、随机森林(RF)、卷积神经网络(CNN)、决策树(CART)、长短时记忆神经(LSTM)网络等)的预测效果,传统方法难以准确预测岩石力学参数,而不同机器学习算法的预测效果不同,其中抗压强度、抗张强度和脆性指数预测的最优机器学习算法模型为SVM,弹性模量为BP,泊松比为RF,内聚力为XGBoost,内摩擦角和断裂韧性为LSTM网络;单一机器学习算法难以实现对多个岩石力学参数的同步准确预测。在此基础上,通过对不同岩石力学参数选取不同预测基模型,再根据基模型预测效果赋予权重并进行组合,以开展自适应权重组合预测。结果表明,该方法能够有效提升机器学习算法的预测精度和泛化性能,可实现复杂岩性地层多个岩石力学参数的同步准确预测。

基于变步长凸组合LMS自适应滤波高原动态血氧检测系统设计

针对基于光电检测方法的血氧仪只能在静止状态下测试血氧饱和度(血氧)的问题,提出一种基于变步长凸组合LMS自适应滤波动态血氧检测方法。方法对原始光电描记脉搏波信号经预处理后,通过固步长与变步长LMS自适应算法组合,以三轴加速度计采集信号作为运动噪声参考信号,获得理想脉搏波信号再准确计算血氧值。在此基础上,开发了一套基于物联网的穿戴式高原血氧检测系统,经过模拟正常行走及在不同海拔条件下测试,最大误差不超过4%,验证了算法的有效性和准确性。结果显示,基于物联网的血氧监测系统对于高原旅游中高原反应的实时监测与提醒具有实际意义。

基于傅氏系数自适应组合估计算法的谐波功率实时高精度计算

由于常规电量计量装置是基于正弦波设计的,因此在非正弦条件下进行测量必然带来一定的误差。采用改进的傅氏系数自适应组合估计算法进行谐波检测与功率计算,该方法对非同步采样及初始值不敏感,并能实时跟踪电压与电流的变化。实验表明一般经过约1个周期便能对受噪声和衰减直流分量污染的非正弦信号进行实时跟踪,从而精确估计出电压与电流各次谐波的幅值及相位,实现功率的实时高精度计算,并且根据输出误差采用变步长的递推最小均方差LMS(Least Mean Square)自适应算法来改善跟踪性能。最后,给出了在计算机上的仿真测试结果,并将该算法和FFT算法进行了对比分析。仿真证明该算法具有精度高、收敛快且测试结果不受频率变化影响的优点。

海杂波背景下的组合自适应GLRT-LTD

为了检测海杂波背景下的微弱运动目标,相干检测器通常需要作长时间的累积。然而,长时累积条件下的目标多普勒频率的扩散和幅度的起伏以及海杂波空间非均匀性对参考单元数目的限制导致传统的自适应检测器没法工作。注意到逆伽马(IG)纹理的复合高斯分布(CGD)可以很好地描述海杂波和目标的瞬时频率是时间的慢变函数,该文提出一种组合自适应检测器,即组合自适应广义似然比线性门限检测器(CA-GLRT-LTD),它由自适应GLRT-LTD在几个连续的短的累积间隔上的最大响应的乘积的构成。由于GLRT-LTD对IG纹理的复合高斯杂波的最优性,该检测器相比组合自适应归一化匹配滤波(CANMF)检测器具有更好的检测性能。

地下水模型的快速自适应组合网格求解方法

本文针对当前地下水模型中包括断裂、防渗帷幕在内的线形水文地质对象(L ineStyle Hydrogeological Ob ject)的模拟难点,研究基于重叠型区域分解原理的快速自适应组合网格方法(Fast Adaptive Composite G rid—FAC)。论文首先概括当前线形水文地质对象的模拟手段及其存在的不足,进而讨论FAC方法建立和求解地下水模型的基本原理。通过对理想的地下水流模型的求解,表明该方法能够满足线形水文地质对象的精细模拟求解的要求,且求解效率较高。

不确定感知的自适应云计算服务组合

云计算服务组合是从众多分布在不同云计算平台上的远程服务中选择合适的组件服务来构建可伸缩的松耦合的增值应用.传统的服务组合方法通常将服务选择与服务组合分阶段进行,由于云计算环境的动态性和服务自身演化的随机性,不能保证选择阶段性能最优的服务在组合服务执行阶段依然是最优的.考虑到云计算环境服务组合的动态性和随机性,建立基于部分可观测Markov决策过程(partially observable Markov decision process,POMDP)的服务组合模型SC_POMDP(service composition based on POMDP),并设计用于模型求解的Q学习算法.SC_POMDP模型在组合服务运行中动态地进行服务质量(quality of service,QoS)最优的组件服务选择,且认为组合服务运行的环境状态是不确定的,同时SC_POMDP考虑了组件服务间的兼容性,可保证服务组合对实际情境的适应性.仿真实验表明,所提出的方法能成功地解决不同规模的服务组合问题,在出现不同比率的服务失效时,SC_POMDP仍然能动态地选择可用的最优组件服务,保证服务组合能成功地执行.与已有方法相比,SC_POMDP方法所选的服务有更优的响应时间和吞吐量,表明SC_POMDP可有效地提高服务组合的自适应性.

基于组合混沌策略自适应量子微粒群的Volterra核辨识算法

针对非线性Volterra泛函级数的参数辨识问题,提出了一种基于组合混沌策略自适应量子微粒群算法(CCSAQPSO算法)的Volterra时域核辨识方法.该方法在量子微粒群算法(QPSO)的基础上,采用混沌策略分两个阶段对QPSO进行优化,在初始化时以混沌序列初始化种群,在搜索过程中则引入混沌变异机制,利用混沌变异算子空间遍历特性对个体进行变异操作,同时按照各微粒适应度的优劣程度对其进化过程中的收缩扩张系数进行自适应调节,有效避免了早熟收敛现象的发生,提高了算法的全局寻优能力,保证了算法的准确性和精度.最后将该Volterra核辨识方法与基于标准微粒群算法(PSO算法)和QPSO算法的Volterra核辨识方法进行了对比分析.仿真结果表明,提出的方法具有参数辨识精度高、抗噪声能力强等优点,且在全局优化能力和快速收敛能力上都有较大提高.

热采数值模拟的快速自适应组合网格方法

本文用快速自适应组合网格方法（ＦＡＣ）和逐次收据方法分别计算了一个三维、三相、二组分的热采数值模拟。计算结果表明，ＦＡＣ方法和逐次收缩方法的结果接近全局加密网格上的结果（其中ＦＡＣ的结果更为理想），而ＣＰＵ时间仅分别为后者的２２．３５％和１０．８％。

CART:组合自适应随机测试方法

自适应随机测试方法将测试用例均匀分布于整个输入空间,以提高测试效率.然而,当被测软件的输入参数存在错误相关性,使失效区域形状成为"片状"时,传统的自适应随机测试方法效率将急剧下降.针对"片状"失效区域的特点,本文提出了一种新的自适应随机测试方法:组合自适应随机测试方法.该方法将输入参数划分为多个不同的组;每一组被视作一个独立的输入空间并通过自适应随机测试方法生成"准"测试用例序列;最终的测试用例将由各组"准"测试用例组合而成.实验表明,组合自适应随机测试方法能大幅度提高测试用例发现错误的效率.

多用户OFDM自适应组合调制及比特分配算法的实现

将自适应技术应用于多用户正交频分复用系统,能够提高频谱利用率,降低系统发射功率,从而使系统的整体性能达到最优;针对多用户OFDM系统,将其信道分配和比特分配相结合,提出了更优的多用户OFDM自适应组合调制比特分配算法(M CABA)。根据信道特性的瞬时估计值,自适应地为各用户分配子信道和比特,在给定误码率的条件下使总的发送功率最小,仿真结果表明,该算法计算简单,优化效率高,可以达到接近理论上的最优水平。

基于自适应组合核函数的RVM剩余寿命预测研究

针对机载装备性能退化随机性、失效模式多样性和运行环境变化剧烈的问题,提出了一种基于自适应组合核函数的相关向量机(RVM)剩余寿命预测方法。首先,分析了剩余寿命预测的不确定性来源、不确定性表达方式和处理方法;然后针对RVM超参数的确定方法,提出了基于最大期望(EM)算法的超参数优化方法;最后针对RVM预测精度受核函数影响和和核参数的严重影响,提出了基于自适应组合核函数的RVM预测算法。为了进一步验证算法的有效性,利用机载燃油泵的性能退化数据,将该算法与单一RBF核函数、单一多项式核函数的RVM预测算法进行了比较,实验结果表明,该方法能够准确实现机载装备的剩余寿命预测,对于机载装备的寿命预测具有理论指导意义。

基于自适应组合形态滤波的柴油机气缸冲击信号检测

针对柴油机气缸缸盖表面振动信号在进行故障诊断时往往会伴随噪声干扰的问题,提出一种基于自适应组合形态滤波的冲击段分离与识别方法,从振动信号中检测冲击特征信息。首先,基于三种组合算子构造一种新的组合形态滤波器,可有效提取信号中的正负冲击特征;其次,通过基于局部极值的结构元素选取和基于梯度法的权值优化,构造自适应组合形态滤波器,使滤波效果达到最优;最后,依据柴油机工作时序分析提出气缸冲击信号检测流程,并将自适应组合形态滤波器应用到于冲击段的分离与识别。柴油机实验数据分析结果表明,该方法具有较好的混叠抑制和抗噪声干扰能力,可有效检测缸盖表面振动冲击信号。

基于长航时飞行器的SINS/GNSS自适应组合导航算法

当GNSS出现故障时,SINS/GNSS组合导航系统的输出误差就会增加,影响导航系统的性能。在此情况下,为了使组合导航系统的输出更加准确,文中论述了一种量测修正算法。该算法通过检查卡尔曼滤波残差,调整量测更新过程中观测量的权值,对状态量进行修正,减少了观测量异常对输出结果的影响。最后对量测修正算法以及简化的Sage-Husa自适应算法进行了仿真。仿真结果表明,两种方法得到的误差均优于标准卡尔曼滤波。

基于组合积分过程的自适应控制算法研究

组合积分系统广泛存在于钢铁、石油化工、食品加工、打叶复烤、矿物处理等现代工业生产过程中,传统将被控对象简单通过一阶Pade近似设计控制器的方法已无法满足更高精度的控制要求,且基于组合积分控制器的设计仍停留在非自适应控制的阶段;研究根据组合积分系统对象特性,利用带遗忘因子的递推最小二乘算法、相关性分析算法以及粒子群优化算法首次提出并设计了组合积分自适应控制器,并通过系统仿真验证了组合积分自适应控制算法的非线性在线跟踪能力、抗干扰特性以及鲁棒性,取得了理想的控制效果;组合积分自适应控制器的设计思想也可应用于其他低阶时滞系统的自适应控制过程中,只需将广义目标过程G0按组合积分模型设计即可实现;因此,组合积分自适应控制器对于提高传统时滞系统自适应控制器的控制精度有着广泛的意义,并且在带有时滞环节的工业过程自适应控制研究中有极大的应用价值。

一种新的具适应性的程序结构

TRAP/J结构可以将可适应性透明地加入已有的应用程序中,不用修改应用程序源代码和虚拟机。该文提出一种新的具适应性的结构,采用包装类和AspectJ获得对原类的封装和替代,使用抽象类代表原类,避免了原结构反射的使用。实验表明,与TRAP/J相比,用该结构构成的程序在单机环境中执行速度更快,但是在网络环境下两者相当。

面向时移电视类业务的组合测试实践研究

时移电视是三网融合的典型多媒体业务之一,具有功能多、操作复杂等特点。由于已有的测试方法尚未充分考虑系统中各参数的相互作用,因而较难发现系统某些功能缺陷和故障。以自适应组合测试方法学为基础,将其应用于机顶盒时移业务的测试。通过建立实用的交互式电视业务组合测试模型,设计测试用例并进行测试,最后对发现的故障进行定位。该实践研究为已有的组合测试理论和方法提供实证的同时,也发现了机顶盒时移业务存在的问题。

分散自适应模糊滑模控制器与车辆跟随控制

针对一类不确定非线性大系统提出了一种新的组合型自适应分散模糊滑模控制算法.借助模糊逻辑系统与滑模方法设计的控制器加权组合了间接与直接自适应两种模糊控制器,可以同时融合被控对象知识与控制知识两种模糊信息来提高自适应效果.在一类大系统框架下基于统一的格式提出了间接与直接自适应模糊控制设计方案,并进一步消除了现有各种相关控制算法的缺陷.闭环大系统被证明是一致渐近稳定的.该算法应用于自动公路系统车辆的跟随控制,仿真结果表明提出的组合型自适应模糊控制系统比通常间接或直接自适应模糊控制系统具有更好的跟踪性能.

基于狄利克雷模型的分布鲁棒机组组合

在应对风电不确定性电源发电的机组组合决策中,针对风电随机过程难以表达为确切概率密度与分布的问题,提出基于非精确狄利克雷模型的分布鲁棒机组组合优化模型与求解方法。其核心体现在:首先,依据历史信息,采用非精确狄利克雷模型(imprecise Dirichlet model,IDM)构造包含风电输出功率所有可能概率分布的模糊集;其次,依据该模糊集,在满足一定置信水平下,推演风电输出功率不确定性区间的表达,从而使其与传统自适应鲁棒优化模型相衔接;由此,构建了分布鲁棒优化决策模型,同时采用列约束生成(column and constraint generation,C&CG)算法对其求解;最后,通过IEEE118节点系统算例,验证模型和方法的有效性。

基于模式间混淆关系自适应构建层次化分类器

为了解决层次化分类器的设计难点——子分类器的层属关系及其内部组成的确定,本文首先定义了模式间混淆关系,用于描述不同模式在判决域中的相互作用;进而提出了基于混淆矩阵度量模式间混淆关系的方法。设计并实现了多模式混淆关系分析机MPCRAM,将有师指派和无师自组两种常用的模式重组方法有机结合,遵循Fisher准则,自适应地产生层次化分类器结构。大量综合测试证实了该方法有效、实用,可显著提高分类器的识别性能和稳健性。