一种新的桥梁区域时序InSAR相位解缠方法

时间序列InSAR技术是一种空间遥感技术，可用于获取基础设施的高精度微小形变信息，相比传统测量手段，该技术有较多优点，在桥梁形变检测方面有广阔的应用前景。但现有的时间序列InSAR技术中的相位解缠算法在大型斜拉桥形变检测上存在较大解缠误差，导致目前该技术还难以获取正确的斜拉桥形变结果。提出一种新的时间序列InSAR相位解缠算法。通过构建约束三角网络，对残差点进行分块，利用二分图最优权匹配方法获取最优的正负残差点匹配结果，从而获取正确的解缠相位。在洞庭湖大桥数据上进行实验验证。该算法在解缠精度上明显优于稀疏网络最小费用流（MCF）算法，有效减少了解缠误差。     

优秀篮球后卫进攻能力综合评价模型的构建及应用

运用文献调查、逻辑分析、数理统计等研究方法对篮球后卫队员的进攻能力进行综合评价,建立了基于联系数系统态势排序的数学模型.基于联系数的系统态势排序充分利用联系数所提供的信息, 可以替代模糊综合评判中的取大取小算法, 避免系统综合评判因采用模糊数学中取大取小算法造成的信息丢失问题, 评判结果可靠, 算法简捷.该模型是针对在综合评价中广泛运用的模糊数学评价法所存在的缺陷而建立的.此模型对于客观评价后卫队员的进攻能力和为教练进行专项训练提供了理论和易于操作的参考,具有重要的理论和实践意义.     

一种基于完全线性变换法则的差分方程解析解算法

利用传统方法很难在计算机上实现差分方程的解析解求解,本文提出了一种获得差分方程解析解的线性算法,该算法的基础是完全线形变化法。其核心操作为降维处理,对高阶差分方程进行逐次降阶运算,直至获得其解析解表达式。本质上,该算法属于Z变换法的一种矩阵法变形。算法的线性特征使得其容易移植到计算机上实现差分方程的解析解运算,而非传统的数值迭代解。     

对体育教育专业学生排球教学能力模糊综合评判系统的设计与研究

根据模糊数学原理，运用模糊数学概率论和矩阵计算的定量评价方法，建立排球教学能力的多层次综合评判系统，实现学生排球教学能力评定的定量化。     

一种改进的基于奇异值分解的亚像素级图像配准算法

基于奇异值分解（SVD）的相位相关法是一种经典的具有亚像素级精度的图像配准算法，但当两幅待配准图的平移量较大或噪声较强时，该配准算法中的积分法得到的相位解缠结果往往不可靠。根据线性相位的单调变化特性，提出一种改进的相位解缠算法，通过比较相邻相位差和趋势斜率的一致性判断是否进行校正，从而得到真实相位值。针对真实光学图像的实验表明，该方法可以有效地对积分法所得到的结果进行校正，进而提高匹配精度。     

非线性方程迭代法近似求根及程序实现

迭代法就是用某种收敛于所给问题的精确解的极限过程来逐步逼近的一种计算方法，利用该方法可以用有限个步骤算出精确解的具有指定精度的近似解。由于计算机的普遍使用，迭代法的应用更为广泛。本文对几种迭代法求取非线性方程根的算法及实现作了对比介绍。     

基于遗传算法的新建给水管网优化设计

遗传算法是一种较新的工程优化算法,将其引入给水管网优化设计,增强了管网设计方案的经济合理性。对给水管网优化设计的数学模型建立,遗传算法的基本原理、实数编码技术、评价函数的建立进行了分析,并用实例验证了其有效性。     

基于容积卡尔曼滤波的卫星导航定位解算方法

由于卫星导航定位方程组的非线性特性,传统的定位解算方法在解算之前需要对定位方程组进行线性化处理,会影响定位解算精度。容积卡尔曼滤波算法基于贝叶斯估计和容积变换,可以有效地提高非线性滤波估计的精度。将容积卡尔曼滤波算法应用于卫星导航定位解算,建立定位解算系统状态转移模型和测量模型,通过时间更新和测量更新两个环节递推估计接收机的三维位置坐标。利用IGS观测数据对基于容积卡尔曼滤波的定位解算方法进行验证,并与最小二乘法和扩展卡尔曼滤波算法进行对比,结果证明将容积卡尔曼滤波用于卫星导航定位解算可以获得更高的定位精度,并且具有较快的收敛速度。     

少年女子乙组篮球运动员灵敏素质与训练手段的相关分析

广泛收集了在篮球运动员灵敏素质训练方面专家的经验，运用模糊数学方法对其进行量化处理，把众多的训练手段分成8类，且从中找出了十一种灵敏素质的最佳训练手段，解决了训练手段在实际训练中的比例分配问题。实验证明；十一种最佳训练手段在实际训练中具有实际意义；以模糊数学原理指导灵敏素质训练是切实可行的。在此基础上，为灵敏素质的科学化训练提供理论依据和定量数据。     

基于改进粒子群的BP神经网络WSN数据融合算法

针对无线传感器网络（WSN）数据融合算法中传统反向传播（BP）神经网络收敛速度慢、对初值敏感和易陷入局部最优解的问题，提出基于改进粒子群的BP神经网络WSN数据融合算法（BSO-BP）。用天牛须搜索（BAS）算法对粒子群算法进行改进，利用改进后的粒子群算法优化BP神经网络权值和阈值，引入WSN数据融合中，簇首节点通过优化训练后的BP神经网络对采集数据进行特征提取，将融合后的数据发送至汇聚节点。仿真实验表明，BSO-BP算法能有效地提高融合精度和收敛速度，减少冗余数据传输，延长网络生命周期。相较于传统BP数据融合算法和PSO-BP算法，BSO-BP算法减少了至少11%的平均相对误差和13.89%的均方根误差。     

模糊控制技术在双容水箱液位控制中的应用研究

通过建立系统的组态工程和开发组态画面,根据模糊PID控制规则编制MCGS模糊控制脚本程序,将模糊控制方法应用到双容水箱液位控制系统,并通过系统实时曲线显示结果验证了算法的控制效果.结果表明,模糊PID控制器的设计方案是成功的,液位控制系统不仅具有良好的动、静态品质,而且具有较强参数时变的适应能力.     

基于T-S模糊模型的太阳位置算法

为实现太阳位置跟踪以达到提高太阳能利用率的目的,提出一种基于T-S模糊模型的太阳位置算法.该算法根据在固定地点太阳高度角随时间变化的二元函数,建立高度角为输出的T-S模糊模型,通过该模型计算出太阳的位置.该模型利用三角形隶属度函数使运算量降低,并易于实现.通过使用传统算法与基于T-S模糊模型的太阳位置算法计算出的上海临港某地4天的高度角和方位角变化曲线的对比,表明该方法具有较高的精度,能够满足普通光伏系统的要求.     

基于最大模糊总熵准则自动选择灰度图像分割的最优阈值

图像不仅含有由统计不确定性产生的信息量 ,而且含有模糊不确定性产生的信息量。我们通过用来测度统计信息的香农熵为模糊总熵 ,开发出基于最大模糊总熵准则的最优阈值技术 ,它是熵阈值技术的良性拓广 ,实验表明它能在二值化后保留更多的图像信息 ,取得更好的图像分割效果。     

基于类重叠度欠采样的不平衡模糊多类支持向量机

传统的欠采样方法容易丢失重要的样本信息,且其实验结果的稳定性较差。针对上述问题,提出一种基于类重叠度欠采样的不平衡数据模糊多类支持向量机算法。该算法首先采用LOF局部离群点因子和箱线图的方法清洗训练数据集中的噪声样本,然后根据类重叠度抽取对分类起关键作用的支持向量,并且将代表每个样本点重要程度的类重叠度作为隶属度值,构造模糊多类支持向量机。实验结果表明,该算法克服了随机欠采样的支持向量机容易丢失重要样本信息和实验结果不稳定的缺点,且很好地提升了支持向量机在不平衡且含噪声的数据集上的分类精度,并保持较高的计算效率。     

分布式遗传的船舶航向神经网络优化控制

针对海上风浪环境对船舶航行的干扰，利用遗传神经网络优化算法设计船舶航向控制器。利用分布式遗传算法（distributed genetic algorithm,DGA）并结合模拟退火算法对常规遗传算法(genetic algorithm,GA)进行改进。利用改进的GA对径向基函数(radical basis function,RBF)神经网络进行优化。利用优化的RBF神经网络对系统不确定项进行逼近，并对控制输入进行补偿实现抗饱和控制。利用三阶干扰观测器对外部扰动实时跟踪并反馈到滑模控制器(sliding mode controller,SMC)设计中。借助SMC设计并结合李雅普诺夫稳定性理论推算出船舶运动控制律，实现船舶运动优化控制。通过实验验证了本文设计的控制器性能较现有的模糊PID控制器和神经网络SMC优越，系统达到稳定的时间短，平均超调量小。     

基于PLC的模糊PID船舶自动舵

为提高船舶操舵控制系统的性能,用比例微分积分(Proportion Integration Differentiation,PID)参数模糊自整定算法,改进S7-200 PLC的PID参数自整定继电反馈算法的缺点,设计基于可编程逻辑控制器(Programmable Logic Controller, PLC)的模糊PID船舶自动舵.仿真结果表明,基于PLC的模糊PID船舶自动舵具有较好的快速性、鲁棒性和稳定性.     

水泥预热分解炉系统中模糊控制策略的实现

文章介绍了水泥预热分解炉实际系统模糊控制器的设计及实现,将模糊控制策略嵌入DCS控制系统,改善了分解炉温度控制性能,在实际的生产过程控制中取得了良好效果。     

一种基于强化学习的在线神经模糊控制系统

为了实现基于非训练数据的神经模糊控制器的在线学习,提出了一种基于强化学习的神经模糊控制系统和相应的学习算法.该控制系统由神经模糊预测器和神经模糊控制器两部分组成,其中,神经模糊控制器采用基于确定度的模糊规则模型作为知识表示形式的扩展型神经模糊网络.在学习算法的设计中,尝试了利用强化信号得到输入状态的“期望输出”,进而将强化学习转化为基于训练数据学习的解决思路.仿真实验验证了所提出的控制系统结构和学习算法的合理性和可行性.     

船舶市场趋势预测的三阶段模型

为提高船舶市场趋势预测的精度,针对以往在神经网络应用时仅单纯改进隐层环节算法的局限性,综合模糊聚类方法、数据修正和插值算法,对输入环节的数据进行降维和增量处理,构建船舶市场趋势预测的三阶段模型.首先,利用模糊聚类方法对历史数据进行分类,降低数据非线性;然后,通过数据修正和插值算法,在不改变数据规律的情况下增加每类数据的数据量;最后,利用处理完毕的数据训练神经网络.实例结果证明,三阶段模型在船舶市场趋势预测方面是有效的.     

基于减聚类ANFIS模型的船舶横摇运动实时预测

为准确高效地预测船舶在波浪中的航行状态以保证人员、货物和船舶的安全,提出一种基于减聚类的自适应神经模糊推理系统(Subtractive Clustering based Adaptive Neural-Fuzzy Inference System,SC-ANFIS)模型.SC-ANFIS模型使用减聚类算法对输入样本进行聚类分析,得到模糊规则数,并建立神经模糊推理系统,再使用结合BP算法与最小二乘估计算法的混合算法对建立的预测系统进行优化训练,得到最优的预测系统模型,并使用自相关分析确定预测系统模型的输入.运用该模型对大连海事大学科研教学船"育鲲"号的横摇运动进行实时预测,结果验证了该方法可行、有效,并具有较高的预测精度.