摘要：针对粒子群优化(PSO)算法存在的优化精度低以及早熟的缺点,提出一种改进的PSO算法用于机器人路径规划.根据梯度下降法中变量沿负梯度方向变化的原则,提出了改进的粒子速度更新模型.为了提高粒子的搜寻效率及精度,增加了自适应粒子位置更新系数.引入ε贪心策略设计了改进的粒子群优化算法.在部分优化测试函数上的多次试验结果表明,所提算法较其他算法模型搜索精度至少提高2倍,收敛速度也有大幅度的提升.将所提算法和改进的DC-HPSO(动态聚类混合粒子群优化)算法应用于静态障碍物下的路径规划仿真和实际试验,结果表明所提模型具有高精度、高效率、高成功率的优点.

摘要：为了提高传统主动外观模型匹配算法的收敛速度,提出了一种基于正交投影的主动外观模型匹配算法,该算法通过引入正交空间投影算法,将形状参数与纹理参数分别映射到不同的线性子空间,并利用梯度下降算法依次求解形状参数与纹理参数。实验结果表明,该方法在保证精确度的条件下,提高了收敛速度。

摘要：针对电容称重传感器电容检测电路的输出电压与载荷质量之间的非线性特性问题,基于贝叶斯正则化的L-M算法建立BP神经网络改进模型,实现了电容称重传感器的非线性特性的校正,并与传统的梯度下降算法建立的BP神经网络模型的校正结果进行了仿真对比。仿真结果表明:改进型BP神经网络具有较快的收敛速度、较高的精度和较好的推广能力,有利于准确实现电容称重传感器非线性特性的有效校正。

摘要：针对城市污水处理膜污染难以精准决策的问题,提出一种基于知识模糊迁徙的膜污染决策方法。首先,结合城市污水处理运行过程数据和运行经验,利用模糊规则的形式实现膜污染决策知识的表达;其次,提出一种知识重构机制(knowledge reconstruction mechanism,KRM),动态平衡源域与目标域之间的准确性和多样性,并采用知识迁徙的方法完成决策知识重构;最后,建立一种基于数据和知识驱动的区间二型模糊神经网络(data-knowledge-driven interval type-2 fuzzy neural network,DK-IT2FNN)的决策模型,利用模糊规则设计模型参数,采用迁徙梯度下降算法动态调整网络权值,提高决策精度。实验结果表明,该模型能够实现膜污染的精准决策。

摘要：针对标准长短期记忆(long short-term memory,LSTM)神经网络用于时间序列预测具有耗时长、复杂度高等问题,提出简化型LSTM神经网络并应用于时间序列预测.首先,通过耦合输入门与遗忘门实现对标准LSTM神经网络的结构简化;其次,从门结构控制方程中消除输入信号与偏差实现进一步精简;然后,采用梯度下降算法更新简化型LSTM神经网络的参数;最后,通过2个时间序列基准数据集及污水处理过程出水生化需氧量(biochemical oxygen demand,BOD)质量浓度预测进行实验验证.结果表明:在不显著降低预测精度的情况下,所设计的模型能够缩短训练时间,减少LSTM神经网络的计算复杂度,实现时间序列的预测.

摘要：根据车削过程中工件直径误差的特点,提出了用自适应模糊系统预测由弹性变形等因素引起的工件直径误差的思路,通过梯度下降算法训练M amdan i型模糊系统,以确定合理的系统参数。根据工件直径误差与切削深度、进给量等的关系,进行车削实验,得到训练数据和测试数据,用训练数据训练模糊系统,进而用测试数据进行测试,得到结果合理,从而验证了利用自适应模糊系统进行工件直径误差预测的可行性。和回归分析的预测值进行比较,比较结果显示了自适应模糊系统在车削工件直径误差预测方面的应用具有优势。

摘要：为使得离散型Hopfield神经网络(DHNN)具备更强的联想记忆功能,基于替换函数f(x),权值求取采用提出的学习算法。通过设计比sgn更强约束能力的函数f(x),在满足sgn函数要求的同时连续可导,由于f(x)连续可导,可根据能量最低点网络状态不再发生变化的特性定义损失函数,用梯度下降算法来求解。使用Matlab编程验证效果,验证结果表明,该学习算法比传统的外积法、正交设计法具有更好的效果,对原始信息还原率提高了5%-11%。

摘要：考虑了一类具有零动态的非仿射非线性不确定系统的神经网络直接自适应跟踪控制问题.控制信号由神经网络系统直接产生,无需另外设计系统估计器及鲁棒控制项.采用梯度下降方法以最小化神经网络控制器与未知理想控制器的误差代价函数产生神经网络白适应参数更新律.应用Lyapunov方法证明了闭环系统的稳定性及跟踪误差和相应闭环系统的所有状态最终一致有界性.最后针对带有外部扰动的非仿射非线性系统的仿真结果验证了该文方法的有效性.

摘要：针对航天嵌入式软件(aerospace embedded software,AES)时序需求复杂带来的时序需求定义不准确问题,提出一种基于MARTE(modeling and analysis of real-time and embedded systems)模型的数据流时序(data flow timing based on MARTE,DFT-MARTE)模型,设计基于该模型的处理点缓存计算算法、时序偏离概率检测算法和时序序列分析算法。处理点缓存计算算法动态更新缓存空间,使后续时序检测正常执行;时序偏离概率检测算法利用多线程并发模拟时序特性,检测需求中时序偏离问题;时序序列分析算法是基于梯度下降算法,拟合时序序列,指导用户优化需求。该模型相比传统数据流模型更适用航天嵌入式软件,利于后续开发和维护,具有极高的应用价值。

摘要：针对现有乳化液浓度检测方法受温度影响较大、无法实时测量并全程跟踪采样的问题,在传统密度法的基础上,设计了一种矿用乳化液浓度在线检测系统。该系统通过嵌入储液箱的拉力传感器、温度传感器和液位传感器监测乳化液实时状态信息并发送至DSP控制终端,DSP控制终端根据密度法原理求解当前乳化液浓度并上传至上位机,实现实时在线检测功能。采用温度补偿技术减小不同温度下的测量误差,采用FIR数字滤波技术对传感器支架和箱体带来的振动干扰进行滤波,并采用梯度下降算法校正拉力传感器参数,提高测量精度。实验结果表明,该系统可实时在线检测矿用乳化液浓度,检测值和标准值的最大误差为1.5%,满足煤矿生产要求。