多模型

摘要： 文中提出了基于改进密度峰值聚类(DPC)的多模型软测量建模方法。首先采用K近邻算法计算局部密度,并用K近邻算法和加权K近邻算法改进剩余点分配策略,划分得到更优的子数据集;然后,建立各个高斯过程回归子模型;最后,对于新接收的数据,利用基于子模型预测性能并结合即时学习自适应地计算出新样本隶属于各个子模型的后验概率,以此为权值融合各个GPR子模型的预测值得到最终输出。通过对标准数据集和硫回收装置数据的仿真,验证了所提方法的有效性。

摘要： 介绍了矿浆在线品位分析系统的工作原理,论述了金湾选矿厂在线品位分析系统结合自身工艺特点和工况变化,开展的矿浆品位实时测量应用技术研究,包括通过对两个子流程的闭环测试,得到适应品位变化的药剂调整方法和响应时间;通过对使用过程中标定样本的分析,利用康普顿散射强度分段建立品位分析的经验系数模型,使测量精度长期保持在最佳范围。研究形成了基于品位实时数据调控药剂制度的工艺调整方法,精矿指标提高1.5%以上,回收率提高1%以上。

摘要： 针对火电机组主汽温被控对象所具有的大惯性、大迟延以及其随机组负荷变化而发生的参数时变性,为解决传统串级控制方案在机组深度调峰情况下控制品质恶化的问题,提出了一种基于间隙度量的多模型过热汽温预测控制策略。引入间隙度量理论来确定各模型输出的权值。首先选取若干个典型工况设计局部预测控制器;再运用间隙度量理论,计算各个局部预测控制器的输出权值,进而加权求出控制器的输出值。仿真研究表明,该方法可以很好地应对机组负荷变化时被控对象参数变化的问题;与使用常规的串级控制以及单模型预测控制方案相比,主汽温的动态和稳态性能得到了改善。

摘要： 针对多普勒雷达杂波环境下的多机动目标跟踪,提出了一种基于去相关无偏量测转换序贯滤波的多模型高斯概率假设密度算法。针对量测的非线性,将位置量测进行无偏量测转换,将多普勒量测进行去偏量测转换,并通过序贯滤波方式提高跟踪精度。针对多目标的机动性,在高斯混合概率假设密度(Gaussian mixture probability hypothesis density,GMPHD)中引入多模型思想对模型相关的高斯分量进行预测、更新处理。仿真结果显示,所提算法可以在杂波环境中实现有效的机动多目标跟踪,与无迹卡尔曼多模型GMPHD相比不仅跟踪精度提升了38.15%,而且大大改善了算法效率;与无迹卡尔曼最适高斯近似GMPHD相比,在效率上有小幅度的增加,且跟踪精度提升了36.47%。

摘要： 准确的月径流预报对于水资源优化配置、流域防汛抗旱、开展水量调度、水库群发电优化等具有十分重要的作用。当前工作中常用的月径流预报方法主要有水量平衡模型、数理统计模型、人工神经网络等。研究表明,任何单个模型在月径流预报问题上都无法始终具有最佳预报效果,多模型集合方法为消除模型不确定性、提高月径流预报精度提供了有效途径。以北江流域坪石站、犁市站、横石站和石角站为研究对象,分析对比了季节性自回归模型、两参数月水量平衡模型、人工神经网络的应用效果,并基于BMA(Bayesian Model Averaging)法获取上述站点的多模型集合方案,研究结果表明多模型集合月径流预报的精度相比单模型具有明显提升,不仅具有更高的确定性系数DC(Determination Coefficient),还能有效降低水量误差MAPE(Mean Absolute Percentage Error),能够为流域调度决策提供更好的支持。

摘要： 冷水机组是中央空调系统的主要能耗设备,其能耗约占中央空调系统的60%。所以冷水机组的节能优化是建筑节能技术中的重要环节。而影响冷水机组节能优化的关键因素之一是建立精确的冷水机组能耗模型。针对中央空调冷水机组的建模问题,提出了一种基于冷水机组工况点划分的多模型加权融合模型。依据冷水机组工作曲线的非线性特征、将输入/输出数据划分为三个子类,每个子类采用麦夸特法建立一个子模型。考虑到中央空调系统的慢时变特性和冷水机组工况特点,子模型间存在信息冗余。采用加权法融合子模型最终形成一个全局模型以消除其冗余信息。加权系数以均方差最小为指标,利用粒子群算法优化得到。仿真结果验证了文中建立的冷水机组的融合模型的精度高于DOE-2模型。上述冷水机组的多模型融合模型应用于中央空调的节能优化,将更符合实际工况。

摘要： 针对直通式直接产生蒸汽(DSG)槽式太阳能热发电系统,建立了一种集热器出口过热蒸汽温度多模型自适应预测模型。根据太阳辐射强度,将DSG集热器划分为若干个线性化子空间。基于DSG集热器的通用分布参数模型和出口过热蒸汽温度的阶跃响应,构造了DSG集热器出口过热蒸汽温度非参数化线性子模型空间,并建立线性预测子模型的综合调度策略。最后,根据多模型自适应思想,获得了DSG集热器出口过热蒸汽温度的多模型自适应预测模型,并通过数值模拟验证了该模型的有效性。结果表明:所建立的多模型自适应预测模型具有良好的自适应能力,为DSG集热器出口过热蒸汽温度的预测控制提供了必要支持。

摘要： 标准广义标签多伯努利算法没有对目标状态转移密度进行深入分析,在带入确定运动模型的情况下无法对机动目标进行跟踪。针对这个问题,参考基于马尔可夫跳变分支合并策略的多模型算法,提出了交互多模型广义标签多伯努利算法、一阶广义伪贝叶斯广义标签多伯努利算法,以及二阶广义伪贝叶斯广义标签多伯努利算法,并将这三种多模型算法与同样针对机动多目标的马尔可夫跳变系统广义标签多伯努利算法进行比较。仿真结果表明,与马尔可夫跳变系统广义标签多伯努利算法相比,所提三种算法具有更低的计算时间消耗和更高的跟踪精度。其中,一阶广义伪贝叶斯广义标签多伯努利算法计算时间消耗最低,二阶广义伪贝叶斯广义标签多伯努利算法跟踪精度最高,交互多模型广义标签多伯努利算法综合性能最好。

摘要： 针对近红外光谱分析技术中未充分利用预测模型光谱数据的问题,提出了一种可充分利用光谱数据和有效预测蚕丝含量占比的新方法.以5种类型共145个样本的蚕丝含量占比以及相应的所有蛋白质基光谱数据为研究对象,将这些样本分别划分为校正集和验证集,并采用偏最小二乘回归(Partial Least Squares Regression,PLSR)方法和提出的偏最小二乘回归多模型(multi-model Partial Least Squares Regression,multi-PLSR)方法建立了预测模型.然后对比和观察了两种方法的预测效果.以类型2的蚕丝样本为例,选用13个主成分并对比两种模型后发现,multi-PLSR模型的相关系数由0.594增至0.9784,平均相对误差由0.4866降至0.1384.实验结果表明,新方法充分利用了光谱数据中的信息,提高了蚕丝含量占比预测模型的精度,为建立近红外光谱预测模型提供了一种新思路.

摘要： 对于一类参数未知的多变量周期系统,传统自适应控制方法存在参数收敛慢的问题,导致系统暂态响应差、控制效果不理想.因此,本文针对多变量周期系统设计了多模型二阶段自适应控制器.首先根据先验知识,确定不确定区域范围,并在不确定区域内建立多个自适应模型.然后根据李雅普诺夫理论得到第一阶段辨识方程;在第二阶段中,充分考虑辨识误差并确定了权值自适应律,以此获取虚拟模型以提高参数的收敛速度.接着,利用得到的虚拟模型参数设计了二阶段自适应控制器,在保证了系统稳定性的基础上,提高了系统的暂态性能.最后,给出的仿真结果表明多模型二阶段自适应控制器提高了参数的收敛速度,改善了系统的暂态性能.

摘要： 基于多模型控制器设计方法中需要建立大量离线子模型,导致计算负担过大的问题,本文提出基于H∞理论的多模型混合鲁棒控制器设计方法.该方法首先对参数变化区间进行分解,根据得到的子区间建立子模型,从而获得多模型集.然后依据H∞理论设计子模型鲁棒控制器,具有良好的抗干扰型,并能有效地减少子模型数量;其次,针对各鲁棒控制器,设计混合信号实现混合输出,可以很好地解决切换多模型控制中存在的持续切换问题.最后,对本文所提方法进行仿真和聚合釜温度系统的应用研究,结果表明当被控对象参数存在不确定性和存在输入扰动的时候,该方法可以在较少子模型数量的前提下保证系统具有良好的鲁棒性.

摘要： 再入弹道目标的跟踪和识别是弹道导弹防御系统中最关键的一环,然而传统的跟踪方法不能适用于不同类型的再入弹道目标的跟踪和真假目标的识别.本文提出一种基于多模型的再入段弹道目标跟踪方法,该方法具有以下的优势:采用多模型的结构,适用于跟踪不同类型的再入弹道目标,并有效的提高了跟踪的精度;同时对于弹道系数的估计具有很快的收敛速度和较好的估计精度.仿真实验中与传统的EKF算法相比较,该方法大幅提高了目标跟踪的精度,特别在弹道系数估计上精度较高,具有一定的识别真假弹头的能力和鲁棒的跟踪性能.

摘要： 针对单模型描述复杂非线性对象时估计精度低，泛化能力差的问题，提出了一种基于局部重构融合流形聚类的多模型软测量建模方法。该方法将样本集拆分为多个互不相交的样本子簇，克服异常样本点对聚类结果的影响；以各样本子簇重构线性流形面，将属于同一流形面且相距较近的样本子簇进行融合；采用支持向量机为各个子类建立回归子模型，得到一个基于多个子模型的软测量组合模型。在双酚生产过程质量指标的软测量建模仿真中验证了该方法的有效性。

摘要： 针对一类具有有界扰动和跳变参数的离散时间被控对象，提出基于模型集动态优化的切换式多模型自适应控制算法．该算法采用多个固定模型来提高系统暂态性能，采用2个自适应模型消除系统稳态误差，通过指标切换函数实现模型间的切换．为克服传统多模型自适应控制方法中固定模型数目过多的问题，提出基于最优可行子集定位、动态覆盖的优化策略动态建立被控对象的固定模型集，在不损失控制精度的前提下，显著减少了固定模型数．最后证明了该算法能够保证闭环系统输入输出稳定，且保证被控对象输出可在一定范围内．

摘要： 针对一类不确定的离散时间零动态不稳定非线性系统,提出了一种基于自适应神经模糊推理系统(ANFIS)与多模型的非线性自适应控制方法.该方法由线性鲁棒自适应控制器,基于ANFIS的非线性自适应控制器以及切换机制组成.线性控制器用来保证闭环系统输入输出信号有界,非线性控制器用来改善系统性能.切换机制通过对上述两种控制器的切换,保证闭环系统输入输出有界的同时,改善系统性能.在采用ANFIS作为系统未建模动态补偿器时,首先用一个连续、单调、可逆的一一映射把可能无界的未建模动态的定义域转化成一个有界闭集,保证了ANFIS的万能逼近特性成立的前提条件.而且,ANFIS能减小BP神经网络收敛速度慢和容易陷入局部极小的问题,改善了控制效果.建立了保证系统稳定性的引理,并给出了闭环系统的稳定性和收敛性分析.通过仿真比较,说明了所提方法的有效性.

摘要： 针对某些具有可能故障先验知识的非线性系统,提出了一种基于径向基函数(RBF)网络的逆系统多模型内模主动容错控制方法.首先采用RBF对系统正常及各种先验故障情形的逆系统建模,并由此建立动态系统逆模型库,然后基于逆系统方法将逆模型与系统串联形成伪线性系统,并对其设计了具有良好鲁棒性能的内模控制器.系统实际运行时,监控决策机制依据系统性能容忍度指标和模型失配度指标的实时计算分析,诊断系统所处运行模式,调用与之匹配的RBF逆模型,使其通过始终与原系统模型的串联保持为不变的伪线性系统,从而在无需改变内模控制器的情况下达到对非线性系统主动容错控制的目的，仿真实例验证了所提方法的有效性.

摘要： 多模型方法以其数学意义明确、预测精度高、鲁棒性强等特点获得广泛应用。本文针对多模型中权值确定问题，利用神经网络良好的函数拟合特性，结合聚类分析，提出了一种新的权值确定方法。仿真结果表明了该方法的有效性。

摘要： 本文针对三相三线制APF的系统数学模型及其非线性特性提出一种基于数据驱动与多模型的非线性多变量自适应控制方法,该方法根据工况的不同利用切换机制完成对多变量线性自适应控制器和基于ANIFS的多变量非线性自适应控制器的转换,在线性控制器保证闭环系统稳定的同时,非线性控制器辨识系统的未建模部分并加以控制从而提高系统的动态性能.该方法的闭环稳定性和收敛性在文中给予证明,并通过仿真和实验说明本文的控制方法能够满足APF的设计要求,使系统具有更好的动态性能和抗扰动能力.

摘要： 本文提出一种新的红外成像多机动目标跟踪算法。在多机动目标跟踪中,观测权重和模型权重的计算是实现数据关联和多模型滤波的关键。本文中对于每个目标的观测权重和模型权重由二次规划方法计算,从而避免了诸如联合概率数据关联(JPDA)的传统跟踪方法中的事件枚举过程,和经典EM算法中的爬山优化过程。仿真结果表明,和基于IMM+JPDA及递推EM算法的传统方法相比,本文提出的基于二次规划的方法在跟踪精度和计算复杂度上均表现出优势。

摘要： 探头是BOXA-I型载流X荧光分析仪的核心部件之一，用于实现荧光能谱数据采集与分析、品位计算以及与上位机AM站、触摸屏人机交互界面等进行数据交换功能。采用嵌入式CPU模块和数据采集卡作为探头测量与监控模块的硬件载体，采用C++开发测量与控制软件，实现BOXA-I分析仪探头测量与监控功能。

摘要： 操作路径生成部(210)基于从状态传感器(101)输出的计测状态量，生成针对致动器(111)的操作量时间序列。预测模型部(220)将所述计测状态量和所述操作量时间序列作为输入来运算预测模型，由此，生成状态量预测时间序列。神经网络部(230)将从环境传感器(102)输出的计测环境量和所述状态量预测时间序列作为输入来运算神经网络，由此，校正所述状态量预测时间序列。状态量评价部(240)生成针对所述校正后的状态量时间序列的评价结果。操作路径生成部在所述评价结果满足适当基准的情况下，将所述操作量时间序列的前头的操作量向所述致动器输出。

摘要： 一种基于Matlab的机理模型、概念模型与数据模型的城市排水系统仿真控制混合模型，包括如下步骤：确定精细化建模范围和粗略建模范围、构建在线机理模型、构建概念模型、在线机理模型与概念模型耦合、模型参数校正、通讯指令关系建立、降雨过程建立、排水系统水量和水质模拟、排水系统仿真控制、数据模型辅助应用和模拟结果分析展示。使用该方法构建的混合模型是一种通用性的城市排水系统仿真控制混合模型，其融合在线机理模型SWMM模型、概念模型及数据模型，可实现城市排水系统水量、水质的快速模拟、高效仿真控制和自动策略优化。

摘要： 一种基于C语言的机理模型、概念模型与数据模型的城市排水系统仿真控制混合模型，包括如下步骤：确定模型范围：确定精细化建模范围和粗略建模范围；在线机理模型构建；概念模型构建；在线机理模型与概念模型耦合；模型参数校正；降雨过程建立；排水系统水量、水质模拟；排水系统仿真控制；数据模型辅助应用：构建神经网络模型，通过接收特征数据建立降雨与径流、管网流量与深度的关系，关系建立后用于径流及管网深度的预测；模拟结果分析展示。该模型融合C语言的在线机理模型SWMM模型、概念模型及数据模型的丰富功能，实现城市排水系统水量、水质的快速模拟、高效仿真控制和自动策略优化。

摘要： 提供用于构建能够生成多种数据的生成模型的技术。本发明的一个方面涉及的模型生成装置具备：生成部，使用生成模型生成数据；发送部，将生成的数据分别发送至多个学习完毕的识别模型，使各识别模型对数据执行识别，多个学习完毕的识别模型分别通过使用本地学习数据的机器学习获得了识别被提供的数据是否为本地学习数据的能力；接收部，接收各识别模型对被发送的数据进行识别的结果；以及学习处理部，通过使用接收到的识别的结果的机器学习来训练生成模型，以生成使多个识别模型中的至少任意一个识别模型的识别性能降低这样的数据。

摘要： 三维模型编码装置(300)，具备：投影部(301)，将三维模型投影到至少一个以上的二维平面，从而生成二维图像；校正部(302)，利用二维图像，对二维图像中包括的构成没有投影三维模型的无效区域的一个以上的像素进行校正，从而生成校正图像；以及编码部(304)，对校正图像进行二维编码，从而生成编码数据。

摘要： 三维模型分发方法，根据三维模型，生成深度图像(S121)，分发深度图像以及用于根据深度图像恢复三维模型的信息(S122)。例如，三维模型分发方法也可以，进一步，利用二维图像压缩方式，对深度图像进行压缩，在所述分发中，分发压缩后的深度图像。例如，在所述深度图像的生成中也可以，根据三维模型，生成不同视点的多个深度图像，在所述压缩中，利用多个深度图像间的关系，对多个深度图像进行压缩。

摘要： 提取部(120)从建筑信息模型即BIM(40)中提取起点要素。提取部(120)针对BIM(40)，将起点要素作为起点来检索彼此相邻的多个建筑物要素，在作为检索结果的多个建筑物要素中分别配备虚拟部件，由此，从BIM(40)中提取由虚拟部件构成的虚拟房间。生成部(130)对虚拟房间的各个虚拟部件设定BIM(40)包含的属性信息中的、与配备有虚拟部件的建筑物要素对应的属性信息，生成设定有属性信息的虚拟房间作为房间模型(51)。

摘要： 提供一种有效进行利用特定条件的学习数据执行了DNN的声学模型的自适应且可提高精度的统计声学模型的自适应方法。在采用了DNN的声学模型的说话人自适应方法中，包括：第1存储装置分别存储不同的说话人的讲话数据(90～98)的步骤；准备按说话人区分的隐藏层模块(112～120)的步骤；在切换选择讲话数据(90～98)的同时，一面用与选出的讲话数据相对应的隐藏层模块(112～120)动态地置换特定层(110)，一面进行针对DNN(80)的所有层(42、44、110、48、50、52、54)的准备性学习的步骤；用初始隐藏层置换已完成准备性学习的DNN的特定层(110)的步骤；和将初始隐藏层以外的层的参数固定，采用特定说话人的声音数据进行DNN的学习的步骤。

摘要： 一种模型化装置，具备：分类部120，其为了鉴别收容室外机11、室内机12、室外机21、室内机22、冷冻机31及冷冻机41等的设施10的热平衡模型的构筑所需的参数而计测的计测数据按作为对参数赋予影响的条件的分类条件每一个分类；鉴别部130，其基于按分类条件每一个分类的计测数据，按分类条件每一个鉴别参数。

摘要： 本实用新型属于装饰装修模型技术领域，公开了圆形穹顶装修模型及具有该模型的模型箱和模型间，包括多个弧形龙骨架(1)彼此连接构成的圆形穹顶骨架(2)，圆形穹顶骨架(2)连接有三角状的弧形面板(3)，构成圆形穹顶；还包括圆形的加固龙骨架(4)，加固龙骨架(4)与各个弧形龙骨架(1)固定连接。通过本实用新型的展示，能够让行业工作者更容易理解圆形穹顶装修的施工工艺，有利于实现标准化施工，同时让消费者能够直观地了解圆形穹顶装修，为装修质量提供依据。