用遗传算法对自动控制系统数学模型寻优

探讨用遗传算法对数学模型进行优化。考虑到控制系统稳健性的要求 ,用遗传算法寻找出控制系统最佳稳定域 ,实现控制系统数学模型的寻优。阐述了用遗传算法求解问题的步骤和参数的取值 ,并用仿真实验对优化结果进行了检验。结果表明 :在控制系统数学模型的优化中 ,遗传算法具有其他算法无可比拟的优越性。     

一种地震数据多串口采集方法

地震监测系统常常使用串口异步通讯监测数据、传输命令,但由于核心器件所带的串口数量不足,通常需要扩展串口。提出以TL16C754B为核心器件的多串口数据采集方法,包括具体的系统电路的设计方法和部分驱动的编程源代码。由于该设计具有成本低、稳定性高、低耗、抗干扰能力强、电路简单等优点,已被成功地运用于微动台阵观测仪器中。     

基于粒子群优化算法和F分布的微震源三步定位方法

微震源定位问题是页岩气勘探、矿山微震研究的重要内容之一。为减小微震定位误差、解决粒子群算法求解微震源反演模型不稳健的情况,采用线性定位法、Geiger法、粒子群优化算法等组成的三步反演法进行微震源定位求解,并研究了粒子群优化算法随机粒子分布类型等对定位结果的影响。第一步,建立线性定位方程组,求解得到初始震源近似解,将其作为Geiger法的初值,计算得到第一步震源近似解结果;第二步,结合第一步定位结果和阈值,设计循环判定准则,执行PSO算法的多次循环,直至达到最大迭代次数后停止,得到第2步的震源近似解;第三步,重复执行第二步若干次得到近似解集合,利用质心法得到最终结果。研究结果表明：三步反演方法相对于单一遗传算法、模拟退火算法或者粒子群算法的定位精度更高,算法更加稳健;群体优化算法的参数对定位效果影响较大,基于F分布的PSO算法更加适合微震源定位,相对于传统正态分布和均匀分布,具有更快的定位求解速度和更精确的定位结果;微震源的三步反演方法在矿山微震源定位精度和算法稳健方面有一定参考价值。     

粒子群优化广义回归神经网络与HHT样本熵结合的地震辨识研究

天然地震与人工爆破信号具有许多相似的特性,为实现地震类型的准确辨识,提出一种基于粒子群优化广义回归神经网络和HHT样本熵的地震类型辨识新方法．该方法先通过经验模态分解（EMD）将初始信号分解成6个本征模态函数（IMF）及1个残余向量,对前三个IMF进行Hilbert变换得到瞬时频率和瞬时能量,进而提取出样本熵并构造神经网络训练集与测试集;利用粒子群算法和训练集优化广义回归神经网络的光滑因子参数值,建立PSO-GRNN分类模型．将该模型结果与BPNN模型、GRNN模型、PNN模型及RBFNN模型等神经网络模型进行性能对照,得到该模型单次识别的准确率、MAE、MAPE、RMSE R2及MSE分别为95%、0.1604、0.1204、0.2381、0.7123、0.0567,绝大多数性能评价指标优于其他4种神经网络模型．该研究建立的PSO-GRNN模型性能较稳健,在100次循环随机试验中辨识效果仍然较突出,计算得到的上述评价指标均值为97.42、0.04、0.04、0.12、0.89、0.02,其对应的标准差为3.53、0.05、0.04、0.08、0.11、0.02,将PSO-GRNN模型...     

数字抽取滤波器的DSP优化设计

为了降低地震数据采集系统的成本和功耗，采用数字信号处理器（DSP）实现∑-△模数转换器中的数字抽取滤波器算法。通过采取查表法、倒序循环遍历法以及模拟循环寻址法等优化方法，以较低工作频率实现了四通道四级抽取滤波运算，达到了系统设计的要求。     

΢���۲�̨��λ��ʽ�о�

???????????????????????????????????????????????????????????????????????ж?λ?????????????????????????????????Σ??????λ?????????????????????????????????????????????μ???????????????б???????????????????????????????ú???????????????????????????????????????Ч?????б??????????????????ò??ù??????о????λ???λ?????     

基于MapX和VC++的地理信息监控系统的设计与实现

在VC++开发环境下,利用GIS开发工具Mapinfo的MapX组件,设计地理信息监控系统。通过电瓶车信息采集系统客户端软件的实际运用证明了这种方法的实用性,实现了传输数据、地图控制、数据管理等主要功能。     

基于多层全连接神经网络的6C地震波极化向量识别研究

利用机器学习原理,提出一种基于多层全连接(multi-layer fully connected, MFC)神经网络的六分量(six-component, 6C)地震波极化向量识别方法。首先利用6C地震波各波型极化向量数学模型和一系列仿真参数得到5种波型和噪声波型各5 000个极化向量数据集,然后随机选取其中5 000个作为测试集,其余划分为训练集,进行MFC神经网络与支持向量机(support vector machine, SVM)的综合辨识性能对比实验。结果表明,MFC神经网络模型识别5种极化向量类型(SH波和Love波视为一类)和6种极化向量类型的效果均显著优于SVM模型,平均识别率分别达到99.786%和87.940%。     

应用MATLAB设计高效多级抽取滤波器

介绍如何应用Matlab设计级联梳状(CIC)滤波器、半带滤波器和有限脉冲响应(FIR)滤波器。并设计了一种高效的多级抽取滤波器，将该算法用数字信号处理器(DSP)进行验证，结果表明，该多级抽取滤波器能满足地震数据采集系统的精度要求。     

基于ARM和SD卡的微动数据采集系统数据存储技术研究

为满足微动数据采集系统的大数据量、低功耗要求,用SD卡存储微动数据采集系统采集得到的数据。阐述如何实现SD卡在以三星ARM9-s3c2410为硬件平台、Linux操作系统为软件平台的微动数据采集系统中的存储功能。