合成孔径雷达快速后向投影算法综述

后向投影(BP)算法是合成孔径雷达成像算法发展的重要方向之一。然而,由于BP算法具有较大的计算量,阻碍了其在工程应用上的发展。因此,近年来如何有效地提高BP算法的运算效率受到了广泛的重视。该文讨论了基于多种成像面坐标系的快速BP算法,包括距离-方位平面坐标系、地平面坐标系和非欧氏坐标系。该文首先简要介绍了原始BP算法的原理和不同坐标系对加速BP算法的影响,并对BP算法的发展历程进行梳理。然后讨论了基于不同成像面坐标系的快速BP算法的研究进展,并重点介绍了作者所在研究团队近年来在快速BP成像方面完成的研究工作。最后介绍了快速BP算法在工程上的应用,并展望了未来快速BP成像算法的研究发展趋势。

采用遗传-反向传播人工神经网络法构建新疆地区癫痫患儿拉考沙胺血药浓度预测模型

目的:利用遗传-反向传播(GA-BP)人工神经网络法构建新疆地区癫痫患儿拉考沙胺(LCM)血药浓度的预测模型。方法:采用超高效液相色谱法测定400例癫痫患儿的LCM稳态血药浓度,收集患儿临床资料,提取相关数据,采用GA-BP人工神经网络法构建LCM血药浓度的预测模型。结果:模型验证结果显示,80例预测浓度的平均预测误差(MPE)绝对值均<10%,预测误差(PE)绝对值<20%的比例是100%,PE绝对值<10%的比例是92.50%,平均预测绝对误差(MAE)为2.28%,提示GA-BP模型预测的准确度和精密度均较好,预测浓度和实测浓度的相关系数为0.998,预测结果较理想。结论:应用GA-BP人工神经网络法预测LCM血药浓度是可行的,可应用于LCM个体化给药研究,促进临床合理用药。

基于帝国竞争反向传播神经网络的断块油田开发顺序优化

明确断块油田群中断块的开发顺序是进行开发方案设计的前提条件。断块油田数量较少时,可以进行技术经济的组合对比,但是断块数量较多时会形成海量的组合,耗费时间也长。断块油田开发顺序评价的现有方法有权重评价法、层次分析法、综合模糊评判法等,这些方法在选择评价指标和指标权重上带有较强的主观性,无法做到完全客观的评价。因此本文提出一种基于帝国竞争算法改进的反向传播神经网络模型,首先采用Spearman相关系数法确定影响断块油田开发的主控因素,其次使用分段三次Hermite插值方法实现断块油田群开发数据库的扩充,最后在扩充后的大量数据库训练样本的基础上,基于帝国竞争算法改进的反向传播神经网络模型可以确定影响开发效果参数的权重并预测断块油田群中各断块油田的净现值,根据净现值大小可以确定每个断块的开发顺序。该方法以实际断块油田群的地质油藏数据库作为评价依据,断块油田的开发顺序更加的科学合理,项目整体的净现值也明显高于依靠传统方法确定的开发顺序组合,避免了人为主观性,也节省了数值模拟和经济评价的工作量,克服了现有方法的局限性,对于提高断块油田群开发综合效益具有重要意义。

基于改进麻雀搜索算法优化BPNN的电阻点焊质量预测

电阻点焊技术由于具有高效、自动化程度高等焊接特点,被广泛应用于汽车、航空航天和公共交通等制造领域,由于焊点在封闭状态下进行,焊接过程存在诸多影响因素且无法直接检测,因此,准确预测电阻点焊质量是生产过程中必不可少的环节.本文以2219/5A06铝合金为研究对象,在3种不同的装配条件(包括间隙和间距)下进行电阻点焊工艺信号的分析,并进行人工智能建模.为了提高电阻点焊质量评价的性能和效率,本文采用Logistic-Tent(LT)复合映射改进麻雀搜索算法(SSA)对反向传播神经网络(LT-SSA-BPNN)模型进行优化,模型的输入和输出分别为多信号融合后的变量和熔核直径.实验结果表明,与传统的标准反向传播神经网络(BPNN)模型相比,经过LT-SSA-BP模型优化后,预测结果的平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)分别降低了36.17%、17.55%和51.75%.同时,LT-SSA-BP神经网络在添加了不同间隙和间距条件作为训练集后,其预测稳定性明显提高,可以成功预测电阻点焊质量.

基于PIWT-IPSO-BP的污水厂出水COD含量的预测模型

在农业灌溉的领域中,化学需氧量(Chemical Oxygen Demand,COD)的测定是衡量水体中有机物污染程度的一个重要指标。当COD浓度超过60mg/L时,其对土壤质量和农作物的生长产生的负面影响成为不容忽视的问题。这一现象可能会严重影响农作物的产量和质量,进而对农作物生产的可持续性构成挑战。因此,有必要精确预测污水处理厂出水COD浓度的变化趋势,从而促进其在农业灌溉中的有效应用。研究结合了改进的小波变换、改进的粒子群优化(Improved Particle Swarm Optimization,IPSO)算法和反向传播BP(Back Propagation,BP)神经网络作为预测模型。鉴于COD受到众多因素的影响,这些因素之间存在复杂的耦合关系,采用PCA进行特征提取。考虑到数据采集的过程中不可避免的噪声干扰,应用小波降噪对原始数据进行处理,以确保数据质量,提高模型准确性。在此基础上,基于BP神经网络算法构建污水处理厂出水COD的预测模型。为了解决BP神经网络参数选择可能遇到的盲目性问题,引入改进的粒子群算法对模型进行参数优化,以提高预测精度。实验结果表明,提出的PIWT-IPSO-BP模型预测效果良好,其平均绝对误差、均方根误差和决定系数分别为0.222、0.386和0.984。该模型在一定程度上改善了数据噪声、多因子制约等问题,为污水循环利用技术应用于农业灌溉方面提供了参考依据。

基于BAS算法优化的电弧增材制造焊道尺寸预测

目的为提高实际应用中电弧增材制造对工艺参数的选取效率及成形形貌的控制效果,建立高效且精准的成形尺寸预测模型,实现对焊道尺寸的合理预测。方法在单层单道CMT电弧增材制造实验的基础上,建立基于天牛须搜索算法(Beetle Antennae Search,BAS)优化BP神经网络的焊道尺寸预测模型,利用BAS算法实现对BP神经网络初始权值和阈值的优化,可以实现预测不同工艺参数(焊接速度、送丝速度、干伸长)下焊道的成形尺寸(熔宽、余高)。利用试验验证BAS-BP预测模型的性能,与现有模型进行对比,结果结果表明该模型具有较高精度的预测效果,能够有效映射工艺参数与焊道尺寸之间的非线性关系,印证了该模型具有良好的拟合和泛化能力,同时其对焊道熔宽和余高的预测误差分别不超过0.2、0.12 mm,预测平均误差率均不超过6%,相对于其他预测模型表现出较好的准确性和稳定性。结论BAS-BP神经网络预测模型的输出误差较小,网络训练收敛速度加快,避免了过拟合及欠拟合的风险,有效提高了预测模型的泛化能力和预测精度,可以实现一定工艺参数范围内的焊道尺寸预测,为后续电弧增材的实时预测及控制参数应用提供了技术支持。

基于风速波动幅度动态划分区间的ISSA-BP风电功率预测

为了解决传统风电功率预测精度不高的问题,采用一种基于风速波动幅度动态划分区间的风电功率组合预测方法。首先,对清洗后的风速数据进行卡尔曼滤波得到去噪后的风速曲线图,计算该曲线中相邻元素的差值向量并归一化处理,完成风速波动幅度的可视化分析,依据波动幅度曲线的第一、二、三时间点将全年数据动态划分为4个区间;其次,利用Tent混沌映射算法初始化麻雀种群位置得到改进麻雀搜索算法(improvement sparrow search algorithm,ISSA),对误差反向传播算法(back propagation,BP)的连接权和阈值进行优化,建立ISSA-BP风电功率组合预测模型;最后,运用MATLAB仿真软件进行仿真验证。仿真结果表明,动态划分区间的ISSA-BP风电功率预测方法能显著提高预测精度,对提高电力系统经济运行水平,促进风电消纳具有一定的理论实际意义。

基于相位补偿核的GNSS-SAR改进后向投影成像算法

在利用全球导航卫星系统反射信号(GNSS-R)的无源合成孔径雷达体制中,目前常采用后向投影算法进行成像处理,但该算法逐点精确聚焦的处理过程使得算法的运算量大。针对上述问题,提出了一种数据分块和构造相位补偿核的改进后向投影算法。改进算法对回波矩阵进行分块,将目标区域成像网格点的最长延迟距离与最短延迟距离等间隔划分,建立相位补偿核,通过距离向搜索操作得到各网格点的相位补偿结果,在方位向相干叠加形成子图,递归合并得到最终图像。定量分析得出,改进算法可有效降低运算量,同时节省内存。仿真结果验证了所提算法的有效性。

基于贡献度和数据有效性检验的共识机制

将区块链技术引入到分布式数据维护系统,旨在解决基于传统中心化数据库的分布式系统存在的数据维护不透明、数据易被篡改、历史记录不可追溯等问题,提出一种基于贡献度和数据有效性检验的共识机制.该算法提出一种贡献度优先的随机可验证领导者选举机制,保证记账权分配的随机性及可验证性.进一步引入密度峰值算法对交易数据有效性进行校验,对打包区块的正确性达成共识.最后将所提出的共识机制应用于梅花鹿分布式养殖场场景,结果验证了密度峰值算法在交易数据有效性检测任务中的准确性和高效性.出块时延分析和安全性分析表明,所提出的共识机制能够满足数据有效性验证的实时性需求,能耗较小,具有很强的灾备能力.

基于人脸及背影检测的车内安全保障系统研究

为解决车内温度异常带来的安全隐患,提出一种基于人脸及背影检测的车内安全保障系统。采用Jetson nano硬件结合OpenCV图像处理及yolov5目标检测算法实现。通过制作专门应用于车内场景的数据集来提高模型的鲁棒性。针对车内场景改进yolov5算法,采用Kmeans++算法生成性能更好的锚框、优化CBMA注意力模块提高算法对人脸及背影特征的关注度、EIOU损失函数解决预测框与真实框在长宽比相同且中心点重合时的定位问题。通过实验对比算法改进后检测的准确率(Precision)提高了4.6%,召回率(Recall)提高了1.3%,mAP_0.5提高了8.8%,mAP_0.5:0.95提高了4.4%。人脸及背影检测实验表明在车内人脸及背影遮挡情况下依然能够正确检测。通过车内实时温度监测,结合车内人脸及背影检测模型,实验表明通过Jetson nano控制预警及车窗升降从而保障生命安全是可行的。

基于遗传算法-反向传播神经网络优化高压-超声-酶解法提取羊皮胶原蛋白工艺

采用高压-超声-酶解法提取羊皮胶原蛋白,对比遗传算法-反向传播(genetic algorithm-back propagation,GA-BP)神经网络模型和响应面模型的优化效果,确定最佳工艺参数。结果表明:GA-BP神经网络在模型拟合和预测方面表现优于响应面模型;最佳提取参数为高压时间23 min、超声时间22 min、酶添加量3.2%、酶解时间222 min,羊皮胶原蛋白提取率达到(80.5±1.6)%,较传统的木瓜蛋白酶法提高40%;紫外-可见吸收光谱和傅里叶变换红外光谱结果显示,此条件下提取的羊皮胶原蛋白结构完整,高压-超声-酶解法对胶原蛋白的破坏较小。

石英振梁加速度计温度自补偿方法

石英振梁加速度计在温变环境中存在输出漂移,文中采用一种新型软件补偿方法抑制温度漂移。该方法利用石英振梁自身谐振频率表征参考温度,并建立温度补偿模型。较于以温度传感器输出作为参考温度,该方法没有测温误差。在补偿算法上,提出一种基于麻雀搜索算法优化BP神经网络的温度补偿模型,能够克服BP神经网络易陷入局部最优的问题和提升补偿准确性。通过多次温度实验进行建模,对比补偿前后的输出值,零偏稳定性从392.8μg下降至65.5μg,证明该补偿方法的有效性。

基于多模型神经网络的湿度廓线反演研究

为提升微波辐射计对大气廓线探测的精度,利用ARM大气观测站提供的地基微波辐射计、毫米波测云雷达以及探空数据,构建了两种添加不同云信息的反向传播神经网络(back propagation neural network,BPNN)模型(添加入云和出云高度的C-BPNN模型与添加雷达反射率因子的Z-BPNN模型)与一种未添加云信息的BPNN模型(记为BPNN0),并对反演结果进行了对比,结果表明:C-BPNN模型和Z-BPNN模型在任何天气下(有云或无云),得到的反演误差都小于BPNN0模型;C-BPNN相较于另外两种模型反演结果具有更高的稳定性。对3种模型各自反演结果最好的个例分析发现,C-BPNN与Z-BPNN模型主要的误差存在于高空无云但是相对湿度却出现跃变的情况,说明神经网络模型对初始权值与阈值较为敏感,因此通过遗传算法(genetic algorithms,GA)对BPNN模型进行优化。经GA优化后的反演结果表明:BPNN0模型与C-BPNN模型具有明显优化效果,而Z-BPNN模型优化效果则不明显。

基于MFO-BPNN的螺旋钻机钻速预测研究

针对利用现有经验公式所建立的螺旋钻机钻速预测模型存在准确度不足的问题,提出了一种基于飞蛾扑火算法(MFO)的反向传播神经网络(BPNN)钻速预测模型。首先,对MFO算法的基本原理进行了研究,构建了MFO算法优化BPNN的具体流程;接着,采集了江苏无锡某施工现场钻探数据,并分析了钻速影响因素,运用小波阈值降噪、归一化和灰色关联度分析等系列方法对采集数据进行了预处理,得到了训练和测试集;然后,将MFO算法运用于神经网络的权值和阈值训练,以代替原有梯度下降法,建立了MFO-BPNN钻速预测模型;最后,对上述预测模型与BPNN模型、遗传算法优化反向传播神经网络(GA-BPNN)模型以及粒子群优化算法优化反向传播神经网络(PSO-BPNN)模型的预测结果和评价指标进行了详细的对比分析。研究结果表明:运用MFO-BPNN建立的钻速预测模型,其可靠性达到了91.65%,其决定系数(R 2)优于其他3种预测模型,3项误差指标也是其中最低的,说明该模型的预测精度良好,适合于桩基础工程的实际应用,可为复杂因素影响下的钻速预测提供一种新思路。

基于BP神经网络的上海生鲜农产品物流需求预测

针对传统的生鲜农产品物流非线性需求预测模型收敛速度慢、精度低等问题,构建由改进粒子群(improved particle swarm optimization,IPSO)算法优化反向传播(back propagation,BP)神经网络的预测模型。引入对立学习机制、自适应惯性权重、非对称学习因子提升粒子群(particle swarm optimization,PSO)算法的初始解质量,平衡算法的局部开发和全局搜索能力;利用IPSO算法优化BP神经网络的权值和阈值,解决BP神经网络收敛速度慢、容易陷入局部最优等问题。通过上海生鲜农产品物流需求预测实例对模型的有效性进行验证,结果显示:IPSO-BP神经网络模型在预测精度及收敛速度上均明显优于传统PSO-BP神经网络和BP神经网络模型。

基于EMD与机器学习算法的近零能耗建筑负荷预测方法

采用皮尔逊相关系数法分析了不同特征变量与冷热负荷的相关性,确定了预测模型的输入特征变量。采用经验模态分解(EMD)对逐日冷热负荷按频分解,然后采用机器学习算法,即反向传播神经网络(BPNN)、随机森林(RF)和支持向量机(SVM),分别对不同频率的负荷量进行了训练、验证,最后重构得到了近零能耗建筑预测负荷。基于上述方法,以北京市某近零能耗居住建筑为研究对象,比较了不同算法预测结果的精确度。结果表明:采用EMD与RF算法相结合对近零能耗建筑冷热负荷的预测精确度较高。进一步采用穷举搜索法对模型初设参数进行了优化,冷热负荷预测结果精确度提高,冷负荷预测结果的决定系数R2、平均绝对百分比误差MAPE分别为0.996、1.32%,热负荷预测结果的R2、MAPE分别为0.997、0.79%。

罗汉果籽吸附氟离子效果的不同预测模型研究

目的建立不同罗汉果籽吸附氟离子预测模型。方法以吸附量为评价指标,筛选影响吸附效果的因素。在单因素的基础上,通过响应面法(response surface methodology,RSM)优化吸附温度、接触时间、吸附剂投加量、氟离子初始质量浓度和溶液pH。以吸附温度、接触时间、吸附剂投加量、氟离子初始质量浓度和溶液pH作为输入参数构建基于反向传播人工神经网络(back propagation artificial neural network,BP-ANN)的吸附量预测模型。根据模型在预测集上的表现确定具体的输入参数,将优化隐含层神经元数的BP-ANN与其他学习模型[遗传算法(genetic algorithm,GA)]优化的模型对比。结果通过两种模型的决定系数(coefficient of determination,R^(2))、平均绝对误差(mean absolute error,MAE)、均方误差(mean square error,MSE)、均方根误差(root mean square error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)值比较,得出GA-BP-ANN预测模型(R^(2)=0.92594)的预测效果较优于BP-ANN(R^(2)=0.88498)。结论相较于BP-ANN预测模型,经过优化后的GA-BP-ANN预测模型对吸附量的预测精度更高。GA-BP-ANN预测模型可为罗汉果籽吸附氟离子效果提供技术参考,去除水中氟离子效果较好。

基于改进GA-BP算法的RFID天线参数优化方法

为了提高算法对天线参数的预测精度,提出了一种基于Adagrad优化器的改进遗传算法-反向传播(GA-BP)算法。通过在迭代过程中引入Adagrad优化器与阈值策略,对发生退化的种群最优个体的位置信息进行重新引导,解决了GA-BP算法局部寻优能力不足等问题,大幅度减小了误差损失并且加快了收敛速度。利用该方法对射频识别(RFID)标签天线的印刷品质和电磁参数进行了建模与分析。结果表明,改进GA-BP算法在稳步搜索极值的同时可以避免陷入局部极值陷阱,在误差和收敛效率方面均优于传统的反向传播(BP)算法与GA-BP算法,能够得到较高的预测精度,实现了RFID标签天线印刷品质的优化控制以及S_(11)特征曲线的预测。相比于BP算法与GA-BP算法,改进GA-BP算法在用于优化RFID标签天线的印刷品质时,平均绝对误差分别降低了91.92%和85.64%。在电磁参数预测应用时,分别降低了13.77%和13.19%。

基于IWOA-BP的石英振梁加速度计温度补偿研究

在温度变化的环境中,石英振梁加速度计(QVBA)的输出会发生漂移。为了改善QVBA的温度稳定性,提出了基于改进鲸鱼算法(IWOA)优化BP神经网络的温度补偿模型。IWOA通过优化BP神经网络的初始权值和阈值,克服了BP神经网络易陷入局部最优的缺点,增强了BP神经网络在训练中的准确性和鲁棒性。全温实验表明,该方法能够明显抑制QVBA因温度而产生的漂移。经过补偿,全温零偏稳定性从4.161 mg下降至0.196 mg,全温标度因数稳定性从59.676 ppm下降至35.751 ppm,验证了模型的有效性。

数控机床工作台DSP定位误差系统设计及分析

为进一步优化数控机床对于测试误差的补偿功能,开发通过DSP硬件系统对误差进行准确预测并设置补偿措施。建立的定位误差模型预测补偿系统包含数控系统进给轴反馈结构、DSP建模预测系统以及数控系统。研究结果表明,采用Matlab软件运行得到的优化权值与阈值建立的GA-BP网络进行误差预测共需251μs;采用GA-BP网络构建的模型进行预测时达到了更高精度。该研究有助于提高数控机床加工精度,对提高加工参数的优化起到很好的指导意义以及控制效果。