基于迭代退火算法优化的SVR在核动力装置故障诊断中的应用

针对船用核动力装置主蒸汽管道破口大小依照监测参数的变化很难有精确估计的问题,首先使用了支持向量回归(SVR)对破口大小进行了判断,将破口大小作为诊断模型的预测值;然后,使用迭代退火算法对支持向量机的训练参数进行了优化,并与未优化的模型进行了对照。对比结果表明:优化后的诊断模型精度高,泛化能力强。     

基于B-样条分形插值的垂直尺度因子的计算方法

将线性分形插值推广到B-样条上,可避免线性分形插值局限性,进一步扩大分形理论的应用范围。分形插值应用的关键问题,是如何合理地确定垂直尺度因子di的值,而它的计算却没有一种很有效的方法。通过解析方法,获得了均匀B-样条分形插值“S”点的代数解,从而,可准确计算出垂直尺度因子,解决了影响B-样条分形插值应用的难题。     

高精度单频信号初相测量方法

提出了一种基于误差知识的二重插值DFT方法用于高精度时钟初相测量。理论分析与数值仿真结果表明,该方法性能接近Cramer-Rao界。     

一种火炮快速解命中问题的新方法

在火炮解命中过程中,对于射表数据的处理方法主要有逼近法和插值法.基于对射表数据进行插值处理的基础上,用一种解非线性方程的迭代方法对解命中问题进行研究,这种方法可避免导数计算,收敛较快.经仿真计算,并与其他方法进行了比较,验证了该方法在火炮解命中问题中的可行性和优越性.     

无限可数多个非扩展映像的公共不动点的迭代算法研究

在Kikkawa和Takahashi的迭代算法基础上,引入了Mann迭代序列。采用杂交投影的方法,对这些算法作了一些修改,并证明了修改后的算法的强收敛性。     

关于强增生算子的有限族的强收敛定理

提出了Banach空间中非线性增生算子方程带误差的三重迭程式, 研究了多个非线性增生算子解与多个强伪压缩映象的公共不动点逼近问题, 获得 2个收敛定理。     

基于BP神经网络的极移预报*

为了提高地球定向参数极移的预报精度,建立了一个极移数据预报模型。利用傅里叶分析研究插值基础序列的周期特性,验证了基础序列重采样的可行性,提取插值基础序列数据的趋势项,利用多输入-单输出BP神经网络建模预报不同跨度的残差序列,合并趋势项和残差序列得到最终的极移预报。预报结果表明,选取合适的插值基础序列得到的预报极移精度较高,此BP神经网络能够有效地应用于地球定向参数极移的预报。     

BP神经网络在极移预报中的应用

为了提高地球定向参数极移的预报精度,建立了一个极移数据预报模型。利用傅里叶分析研究插值基础序列的周期特性,验证了基础序列重采样的可行性,提取插值基础序列数据的趋势项,利用多输入-单输出反向传播(Back Propagation,BP)神经网络建模预报不同跨度的残差序列,合并趋势项和残差序列得到最终的极移预报。预报结果表明,选取合适的插值基础序列得到的预报极移精度较高,此BP神经网络能够有效地应用于地球定向参数极移的预报。