基于卷积双向长短期神经网络的调制方式识别

针对现有卷积神经网络方法下调制识别时间较长、网络较复杂等问题,将卷积神经网络(Convolutional Neural Networks,CNN)与双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,BiLSTM)相结合,提出一种基于CNN-BiLSTM的调制方式识别方法。利用CNN卷积运算提取信号的空间特征,利用BiLSTM提取到信号的时序相关性,利用softmax层输出识别概率,达到多调制识别的目的。实验结果表明,在没有信道和噪声等先验信息的条件下,该方法的识别性能得到了进一步提升,能有效识别16QAM、64QAM等11种调制类别,且该方法的复杂度较低,大大节省了训练识别时间,具有较好的工程应用价值。     

模糊需求下保障设施选址-路径模型及算法

针对装备保障过程中被保障单位需求量不确定的问题,在详细分析保障设施选址-路径相关因素的基础上,利用三角模糊数对需求量进行标定。通过运用模糊综合评价与群决策思想确定保障设施备选址点权重,构建时间满意度函数与惩罚成本函数,建立模糊需求下带有时间窗及容量限制的选址-路径模型,并设计了基于聚类分析与蚁群算法的混合启发式求解算法。通过算例分析验证了模型的正确性及算法的有效性。     

基于灰狼算法的机器人多关节综合运动轨迹优化

针对机械臂运动需满足高效率和低冲击的问题,在分析机械臂轨迹规划流程的基础上,选取了机械臂末端运动轨迹的六个关键路径点,并基于灰狼算法以时间、平滑度为目标对机械臂运动轨迹进行了优化,获得pareto最优解集。对六自由度机器人的仿真结果表明:将灰狼算法与机械臂的轨迹优化结合能得到比较好的仿真结果,理论上实现了在运动过程中抑制振动,为解决该问题提供了新的方法。     

PH分布参数估计的确定性退火加速EM算法

针对连续PH分布参数估计标准EM算法迭代速度慢和初值敏感易陷入局部最优化的问题,首先引入逆温因子和加速因子两参数改进算法,提出了确定性退火加速EM算法;然后,进行了详细的理论推导,给出了PH分布参数估计的具体步骤;最后,利用算例对两类典型分布和一组某装备维修时间的实际数据进行拟合,验证了改进算法的全局最优性和较快的收敛速度,拟合效果和迭代加速情况也验证了该算法的有效性和通用性。