导读:本文包含了参数优化与识别论文开题报告文献综述及选题提纲参考文献，主要关键词:交通需求,信号优化配时,总延误
参数优化与识别论文文献综述
高茁苗,袁淑芬,安成川,夏井新[1]（2019）在《基于号牌识别数据的交叉口信号配时参数优化》一文中研究指出在交叉口信号配时优化方法研究方面,针对现有的以延误、排队长度等指标最小为代表的一类优化算法,指标建模和估计方法复杂度高等问题,并考虑到国内交通信号控制单环结构特点,提出了面向阶段-相位结构的单点交通信号控制配时优化方法;根据交叉口的几何结构和配时方案构建车道-相位映射和阶段-相位分布表,并通过设定各相位的目标饱和度以及周期和阶段时长的约束,以各相位实际饱和度与目标饱和度偏差最小为目标构建线性规划模型。在此基础上进一步构建基于阶段-相位结构的信号配时优化方法的算法流程。通过SUMO仿真模拟获取在5种交通需求水平下的号牌识别数据,对比分析基于阶段-相位结构的信号配时优化方法和Wester配时方法,仿真结果表明本文所提出的方法能够减少交叉口的总延误并且使交叉口的各阶段饱和度接近所设定的目标值。(本文来源于《第十四届中国智能交通年会论文集（2）》期刊2019-11-01）
王炼红,杜敏[2]（2019）在《基于参数同步优化的N-BPSO人脸识别》一文中研究指出为剔除特征提取中的冗余数据并优化SVM (support vector machine)的分类性能,有学者提出利用粒子群算法进行特征选择并优化分类器参数,但粒子群算法存在收敛速度快、易发散及不能运用到离散空间,且特征选择和分类器参数未实现同步优化等问题。针对上述问题,提出一种新颖的BPSO (novel binary particle swarm option,N-BPSO)算法实现在离散空间进行特征选择及SVM参数同步优化。实验结果表明,N-BPSO算法能够筛选出有效的特征子集并同步优化SVM参数,降低了空间复杂度,提高了人脸识别率和鲁棒性。(本文来源于《计算机工程与设计》期刊2019年09期）
温彤,火小畅,方刚,杜康康,洪意飞[3]（2019）在《基于有限元逆向优化法识别22Mn B5板硬化模型参数》一文中研究指出在车辆碰撞过程的数值模拟仿真中,硬化模型的类型及其表征精度对于分析结果的精度有着直接影响.为了更加科学地选取最优硬化模型并得到其精确参数,本文采用有限元模拟软件与优化软件相结合的有限元逆向优化方法,同时结合热成形22Mn B5高强钢板在不同变形速率下的单向拉伸试验,对Swift、Voce以及Hockeet/Sherby叁种硬化模型自动进行参数识别优化,得到了不同应变速率下的最优硬化模型及其相关参数;根据优化得到的硬化模型参数,建立起了不同应变速率下表征材料变形的仿真卡片,用于有限元软件标定22Mn B5高强钢在各个应变速率下的应力-应变曲线以便应用于模拟仿真;结合数字图像相关(DIC)方法对试验数据与优化得到的模拟结果进行对标,发现22MnB5高强钢在硬化阶段的应力值逐渐趋向于某一定值,饱和类的硬化模型对其变形行为的表征精度更高.通过对单向拉伸试验过程的位移-载荷与局部应力-应变进行模拟和对标,发现Hockeet/Sherby硬化模型在各个应变速率下的表征精度均为最高.另外,设计了R5缺口、R20缺口、纯剪以及拉剪4种工况下的拉伸试验,并对所建立的材料卡片进行仿真验证,均得到很好的对标效果.结果表明,所建立的热成形22Mn B5高强钢材料卡片适用性良好,采用有限元逆向优化方法确定硬化模型参数的方法精度高且方便可行.(本文来源于《天津大学学报(自然科学与工程技术版)》期刊2019年11期）
张融森[4]（2019）在《基于小波理论的堆垛机模态参数识别及其结构优化》一文中研究指出单立柱堆垛机因其具有结构简单、巷道占宽小、故障率低等优点被广泛地应用于自动化立体仓库中,但由于其强度与刚度较差,影响了其工作性能。因此研究分析影响堆垛机的工作性能的因素并对其关键部件进行结构优化以期改善其动静态特性具有十分重要的意义。本文以解放军某研究所自动化仓储中的单立柱堆垛机为研究对象,借助有限元分析软件,分析了改变立柱结构方式对立柱根部应力与顶端挠度和对堆垛机固有频率与振型的影响,以优化堆垛机立柱结构以改善堆垛机的动静态性能。为此,论文进行了以下研究:(1)基于理论计算,分析了堆垛机在加速过程中各质量单元的重力和惯性力对立柱顶端挠度的影响。研究表明,堆垛机的加速度是影响立柱顶端挠度的主要因素;同时也分析了堆垛机立柱的压杆稳定性;基于振动理论,对简化后的堆垛机固有频率进行了计算,并搭建了立柱振动仿真模型,分析了堆垛机在加减速过程中立柱的振动特性。(2)基本小波理论,设计了基于小波变换的堆垛机模态参数识别算法,通过对一个五自由度系统的自由响应信号实现了对其模态参数识别,结果证明了所设计的模态参数识别方法的有效性和准确性。重点分析了 Morlet小波带宽参数和中心频率对系统模态参数识别精度的影响,采用全因素法对Morlet小波带宽参数和中心频率进行了优化。采用优化后的算法实现了堆垛机在运行状态下的模态参数进行了识别。分析结果表明,堆垛机的低阶模态频率较低。为提高堆垛机的工作稳定性,有必要对现有的堆垛机进行结构优化。(3)通过对简化后的堆垛机模型的静力学分析与模态分析,针对堆垛机动静态特性较差的问题,研究了影响堆垛机动静态特性的因素。基于此,提出了改善堆垛机动静态特性的方法:通过在立柱内腔加筋方式可有效改善堆垛机的静态特性,通过在立柱侧壁开孔方式可显着改善堆垛机的动态特性。(4)基于以上分析,提出了堆垛机立柱结构的优化方案。通过对比分析不同加筋方式对堆垛机立柱根部应力和顶端挠度的影响,选用加井字型筋来改善堆垛机的静态特性。基于最优的加筋方式,对比分析了不同开孔方式对堆垛机各阶固有频率与振型的影响,选择开方形孔方式来改善堆垛机的动态特性。研究分析表明,采用加井字型筋和开方孔的组合优化方式对堆垛机的立柱结构进行优化,可使立柱根部应力与顶端挠度大大降低,同时使堆垛机的低阶固有频率得到了显着提高。研究证明了本文提出的对堆垛机立柱结构的优化方法能有效改善堆垛机的动静态特性,进而提高堆垛机的运行平稳性。研究成果将为堆垛机的结构设计优化提供理论参考。(本文来源于《西安理工大学》期刊2019-06-30）
夏启凯[5]（2019）在《基于Python的细胞识别SVM模型参数优化方法研究》一文中研究指出在医学诊断领域,细胞图像的自动分类能有效地提高医学诊断的准确率和速率。因此,细胞图像的自动分类是当前学界研究的重点。由于细胞图像存在复杂的高维特性,而SVM作为一种优秀的自动分类算法,能很好地解决图像的高维特性差的问题,因此,在图像分类的实际应用中被广泛采用。实现细胞图像识别分类的关键是构造性能良好的SVM分类器,而选择有效的SVM核函数参数是构造高性能SVM分类器的主要因素。因此,学界将SVM的核函数参数优化问题作为当前研究的重点。近些年来提出许多算法来自动优化SVM核参数,如网格搜索算法、粒子群算法等。在很大程度上实现了细胞图像的自动分类,但是由于这些SVM参数优化算法的计算量过大,参数优化精度未能达到更优,导致SVM建模速度缓慢,识别精度不够高等一些问题的出现。因此本文也从SVM参数优化方法的角度出发,提出一种基于Python的细胞识别SVM模型参数优化方法。该算法主要是结合Python语言的优点编写优化算法和整个细胞识别分类系统功能模块,优化算法是结合变网格搜索法和量子粒子群QPSO的混合算法对SVM的参数进行寻优。先利用变网格搜索法进行参数寻优,由大网格在大区域内搜索参数,缩小参数范围;再由中网格在该确定区域搜索参数,继续缩小参数范围;然后由小网格在该确定区域继续搜索参数,再度缩小参数范围;最后利用量子粒子群QPSO算法对最后确定的区域进行参数寻优,避免了变网格搜索法的寻优参数精度不够和量子粒子群参数寻优的计算量过大且容易陷入局部最优的问题,大大缩短了寻优的时间,提升了SVM参数寻优的效率和精度,对构造高精度的SVM分类器产生了十分重要的作用。利用构造的SVM分类器对细胞图像进行识别,并与传统的几种参数寻优算法构造的SVM分类器的识别精度进行比较,验证本文提出的参数优化方法的有效性。(本文来源于《齐鲁工业大学》期刊2019-05-30）
罗威,周云山,瞿道海,张飞铁,胡哓岚[6]（2019）在《无级变速器减压回路压力脉动关键参数识别及优化验证》一文中研究指出针对无级变速器独立液压系统的减压回路,建立液压模型,通过引入Sobol’灵敏度分析算法,在MATLAB/AMESim软件平台上,对减压回路压力脉动衰减关键参数进行灵敏度分析。一阶灵敏度及一阶全局灵敏度的分析结果显示,先导阻尼孔、减压阀节流槽及负载流量(等效负载阻尼孔)对压力稳定性影响最大,二阶灵敏度指标显示节流槽与负载流量间的耦合作用最强。根据分析结果,对实车压力脉动现象进行关键参数响应曲面优化,并通过试验结果说明此分析方法的有效性。(本文来源于《中国机械工程》期刊2019年10期）
赵雄,樊伟,郑联语,刘新玉,安泽武[7]（2019）在《基于优化STD法的大飞机垂尾装配界面精加工过程模态参数识别》一文中研究指出为减小大飞机垂尾装配界面精加工过程中产生的加工振动对其精加工质量的影响,需掌握装配界面加工过程的动力学特性,而动力学特性与其模态参数密切相关。因此,为获得装配界面各阶模态参数,针对其动态精加工过程,提出了一种优化STD环境激励下结构模态参数识别方法。该方法首先由装配界面的实测加工振动数据构造Toeplitz矩阵,并将其作为STD法的输入,进而求出装配界面各阶次模态参数,并构成模态参数下叁角矩阵。然后利用模态置信因子及模态保证准则选出阶次相对稳定的模态参数作为装配界面的真实模态参数。最后,通过切削实验和锤击测试验证优化STD法的正确性和有效性。将锤击实验模态结果作为装配界面的模态参数测量参考值,以一阶模态频率识别结果为例,该方法相比于传统STD法和SSI法,识别精度分别提高了12.71%和3.82%;同理其余各阶模态参数识别精度均有不同程度的提高。通过优化STD法可准确高效地获得装配界面的模态参数,为其精加工工艺参数的合理选择提供了理论依据和技术支持。(本文来源于《航空学报》期刊2019年10期）
王孟[8]（2019）在《城市给水管线运行监控系统参数识别优化方法研究》一文中研究指出传统的城市给水管线的监控系统无法满足社会时代的实际需求,并且在数据采集的过程中缺乏稳定性,为此研究城市给水管线运行监控系统参数识别优化方法。首先,在给水管线探测中安装数据采集系统,采用感应法探测,将周围的干扰性降到最低。其次,在监控系统中设置了给水管线探测仪,检测各项系统参数是否超出规定的范围。最后,通过实验证明,城市给水管线运行监控系统参数识别优化方法具有较强的稳定性。(本文来源于《饮食科学》期刊2019年08期）
崔方圆,华灯鑫,李言,李鹏阳[9]（2019）在《结合部虚拟材料参数的逆向优化识别方法》一文中研究指出考虑结合部的有限元模型是准确分析、预测结构动态响应与振动控制的基础。以哑铃状结构实验模型为研究对象,采用虚拟材料层法对结合部进行等效参数化建模。综合模态实验数据和有限元优化仿真技术,提出了一种简单实用的结合部虚拟材料参数逆向优化识别方法。为关联有限元模型和实验数据,特引入基于仿真和实验固有频率之间差值最小化的目标函数。采用灵敏度法对整体结构模型做局部有限元反解,利用多目标遗传算法优化求解结合部虚拟材料参数。通过对比实验模型、正向模型和逆向模型得到的固有频率,验证了所提方法的正确性和可行性,并进一步探讨了不同预紧力矩对结合部虚拟材料参数的影响。(本文来源于《振动工程学报》期刊2019年02期）
师蔚,阳喜成[10]（2019）在《基于粒子群优化算法的永磁电机热网络参数识别》一文中研究指出监测永磁电机的永磁体温度对于保证电机的使用寿命至关重要,因为过高的温度会产生永磁体不可逆失磁现象。提出了一种基于粒子群优化算法的永磁电机热网络参数识别方法,实现用热网络监测永磁体的温度。该方法首先建立永磁电机的热网络模型,利用粒子群优化算法结合电机温升试验所得温度数据对热网络模型的主要热力参数进行识别;然后利用该热网络模型进行在线温度识别,识别过程能够快速收敛,具备良好的辨识精度;最后,通过对比仿真识别温度和电机温升试验数据,验证了该方法的准确性。(本文来源于《电机与控制应用》期刊2019年03期）
参数优化与识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为剔除特征提取中的冗余数据并优化SVM (support vector machine)的分类性能,有学者提出利用粒子群算法进行特征选择并优化分类器参数,但粒子群算法存在收敛速度快、易发散及不能运用到离散空间,且特征选择和分类器参数未实现同步优化等问题。针对上述问题,提出一种新颖的BPSO (novel binary particle swarm option,N-BPSO)算法实现在离散空间进行特征选择及SVM参数同步优化。实验结果表明,N-BPSO算法能够筛选出有效的特征子集并同步优化SVM参数,降低了空间复杂度,提高了人脸识别率和鲁棒性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
参数优化与识别论文参考文献
[1].高茁苗,袁淑芬,安成川,夏井新.基于号牌识别数据的交叉口信号配时参数优化[C].第十四届中国智能交通年会论文集（2）.2019
[2].王炼红,杜敏.基于参数同步优化的N-BPSO人脸识别[J].计算机工程与设计.2019
[3].温彤,火小畅,方刚,杜康康,洪意飞.基于有限元逆向优化法识别22MnB5板硬化模型参数[J].天津大学学报(自然科学与工程技术版).2019
[4].张融森.基于小波理论的堆垛机模态参数识别及其结构优化[D].西安理工大学.2019
[5].夏启凯.基于Python的细胞识别SVM模型参数优化方法研究[D].齐鲁工业大学.2019
[6].罗威,周云山,瞿道海,张飞铁,胡哓岚.无级变速器减压回路压力脉动关键参数识别及优化验证[J].中国机械工程.2019
[7].赵雄,樊伟,郑联语,刘新玉,安泽武.基于优化STD法的大飞机垂尾装配界面精加工过程模态参数识别[J].航空学报.2019
[8].王孟.城市给水管线运行监控系统参数识别优化方法研究[J].饮食科学.2019
[9].崔方圆,华灯鑫,李言,李鹏阳.结合部虚拟材料参数的逆向优化识别方法[J].振动工程学报.2019
[10].师蔚,阳喜成.基于粒子群优化算法的永磁电机热网络参数识别[J].电机与控制应用.2019