徐耀松
- 作品数：121 被引量：591H指数：13
- 供职机构：辽宁工程技术大学电气与控制工程学院更多>>
- 发文基金：国家自然科学基金辽宁省教育厅基金辽宁省科技厅科技攻关项目更多>>
- 相关领域：自动化与计算机技术电气工程矿业工程电子电信更多>>
- 果蝇算法和改进D-S证据理论的四轴飞行器障碍辨识被引量：5
- 2020年
- 针对四轴飞行器对障碍辨识效果差,精度低的问题,研究了四轴飞行器障碍辨识的方法.采用超声波传感器、红外测距传感器以及激光雷达传感器的多传感器信息融合的方法,通过果蝇算法对传感器原始数据证据权进行优化,得到最优权值,按照各个传感器的最优权值,采用改进的D-S证据理论算法对多传感器的数据进行融合,提高四轴飞行器的障碍辨识精度.通过分别对单一传感器以及和其他数据融合算法实验对比,研究结果表明:在相同条件下,本文提出的方法对障碍物的识别准确率更高,对障碍物的响应更加迅速.
- 徐耀松王传为
- 关键词：避障超声波传感器多传感器信息融合D-S证据理论
- 基于前向空间线性预测的声源时延估计算法被引量：2
- 2017年
- 在带有混响和噪音的复杂环境中,传统广义互相关时延估计算法的抗噪能力弱、时延估计精度低。为解决该问题,基于前向空间线性预测技术,提出一种时延估计算法。结合多传感器提供的冗余信息与空间相关矩阵,改进不利声学环境下的声达时间差估计方法。采用空-时预测法,根据麦克风阵列输出中包含的语音信号源的空间和时间相关性,在抑制多麦克风噪声的同时最小化语音失真。仿真实验结果表明,与传统广义互相关时延估计算法相比,该算法时延估计错误率更低、稳定性更强。
- 徐耀松李猛
- 关键词：声源定位时延估计噪声抑制
- 基于变权重RBF组合模型的煤与瓦斯突出强度预测被引量：9
- 2013年
- 为更准确预测煤与瓦斯突出强度,在组合算法和径向基函数(RBF)神经网络的基础上,建立变权重RBF组合模型。首先,选取最具代表性的3种单项模型:BP神经网络、支持向量回归机(SVR)、免疫遗传算法(IGA),分别建模后对样本序列进行预测,并重构预测结果数据。以重构后的预测序列为输入层,突出强度为输出层,对变权重RBF组合模型进行训练,获得各单项模型的动态权值,从而建立动态变权重RBF组合模型,最后对突出强度进行预测。结果表明:变权重RBF组合模型预测结果的平均相对误差为2.621 2%,优于各单项模型、定权重组合模型以及数据不重构组合模型。
- 付华许凡徐耀松孙朋
- 关键词：煤与瓦斯突出BP神经网络
- 可编程温湿度控制器被引量：1
- 2003年
- 介绍了以 Intel 80 32为核心的智能温湿度控制器。可以根据用户自定义的温度、湿度曲线进行温度和湿度控制 ,能实时显示温湿度及所处程序段和工作时间 ,能对系统进行自检 ,并显示出错信息 ,能定时打印。带有标准通讯接口 ,可进行远程操作控制。
- 陈忠华徐耀松孙红鸽
- 关键词：温度控制单片机可编程控制器
- 一种矿用防爆接线盒端子
- 本发明涉及矿用接线设备技术领域，尤其为一种矿用防爆接线盒端子，包括防爆接线盒壳体和导流槽，所述防爆接线盒壳体内部固定连接有接线端子，所述接线端子下方设有限位机构，所述限位机构后端面与防爆接线盒壳体固定连接，所述接线端子左...
- 刘翰林徐耀松
- 基于逻辑回归和增强学习的煤与瓦斯突出预测的方法
- 本发明公开一种基于逻辑回归和增强学习的煤与瓦斯突出预测的方法，属于动态预测技术领域，该方法融合LR和Adaboost增强学习设计煤与瓦斯突出预测模型，采集煤与瓦斯突出的多种影响因素数据样本，训练基于LR与Adaboost...
- 阎馨吴书文屠乃威徐耀松朱永浩付华
- 基于改进拟牛顿-K近邻的TDOA定位算法被引量：11
- 2018年
- 为了提高TDOA声源定位方法室内定位的速度和准确度,提出一种改进拟牛顿-K近邻(IQN-IKN)方法。基于定位方程相邻三次迭代结果构造近似矩阵,并采用近似矩阵逼近雅可比矩阵,提高拟牛顿方法定位中非线性定位方程的求解速度;提出基于密集距离法的K近邻方法,进行定位估计结果的寻优,提高定位的准确性。实验结果表明,相对于传统算法,改进算法具有更快的定位估计速度及更高的定位准确性。
- 徐耀松谭亮
- 关键词：TDOAK近邻
- 多功能智能温度测控仪
- 本实用新型属温度测量控制仪器，特别涉及一种多功能智能温度测控仪，主要由电源电路(8)、遥控装置(1)、传感器模块(2)、用户输入电路(4)、执行器电路(7)和显示电路(6)组成，在整个系统中设置了中央处理器(3)和语音报...
- 付华徐耀松屠乃威阎馨孙红鸽杜晓坤
- 文献传递
- 基于混合智能的煤与瓦斯突出动态预测
- 为了实现对煤与瓦斯突出快速、准确和动态预测,考虑煤与瓦斯突出多种影响因素,提出了一种融合案例推理、神经网络、粒子群优化算法(PSO)、主元素分析、聚类分析的煤与瓦斯突出动态预测方法。基于高相似度的案例库案例,给出了一种O...
- 屠乃威阎馨付华徐耀松吴书文朱永浩
- 关键词：煤与瓦斯突出PSO优化BP神经网络
- 文献传递
- 基于IDBO-HKELM-Adaboost的煤与瓦斯突出危险性预测方法
- 2025年
- 为实现更加高效准确地完成煤与瓦斯突出危险性预测,提出了一种采用Adaboost算法增强的改进蜣螂算法(IDBO)优化混合核极限学习机(HKELM)的预测模型。首先,在数据降维时采用核主成分分析(KPCA)对影响因素进行处理并提取有效的特征量,得到预处理样本数据。将PWLCM混沌映射、非线性递减策略以及邻域学习机制融入到蜣螂算法中,之后,利用IDBO对HKELM的关键参数进行寻优,构建IDBO-HKELM煤与瓦斯突出危险性分类预测模型。最后,使用Adaboost算法对IDBO-HKELM模型进行增强。结合工程实际数据进行验证,验证结果表明:相较于其他模型,基于IDBO-HKELM-Adaboost的预测方法具有更高的预测精度,在提高运算效率的同时满足煤与瓦斯突出预测的精度和可靠性要求,准确率达到97.44%。
- 李曼徐耀松王雨虹王丹丹
- 关键词：煤与瓦斯突出核主成分分析
