为实现公共环境复杂背景中异常声信号识别以辅助公共场所安全监控,提出基于连续完备集的自适应MP稀疏分解声音识别算法,算法通过相关参数改进实现自适应PSO算法,然后借助PSO算法的连续空间搜索优势对MP稀疏分解进行连续集优化,从而提高稀疏分解获得的最优原子的匹配度,最后提取重构声信号的时频参数特征以SVM算法实现异常声音事件的快速准确识别。实验结果表明,与已有算法相比,所提识别算法显著降低了计算量,并取得了最优的声音识别率和识别鲁棒性。

针对PID控制器的参数选取直接影响到第四代篦冷机刮板在调速过程中的稳定性和调节时间的问题，提出一种新的粒子群算法的PID参数整定方法。新的粒子群算法充分利用了适应函数提供的搜索信息，对传统粒子群算法中的权值进行自适应动态控制，并用飞行时间参数替代了压缩因子，飞行时间参数的变化规律是线性递减，并把它命名为自适应粒子群算法。通过测试函数证明提出的自适应粒子群算法比传统的粒子群算法收敛速度快和寻优效率高，应用改进的方法对篦冷机电液伺服系统进行仿真实验，结果证明自适应粒子群算法的PID参数整定方法比传统的整定方法有更好的控制效果，即调速过程稳定和调节时间快。