表面建筑材料吸放湿特性的辅助变量辨识

建立了以材料表面空气相对湿度为输入，材料湿容量为输出的建筑围护结构材料动态湿特性单输入单输出辨识数学模型，得到相应的Z传递 函数模型。建造了建筑围护结构材料的辨识试验系统。采用辅助变量辨识方法辨识得到单输入单输出差分方程和Z传递函数。并比较了最小二乘辨识法和辅助变量辨识法的辨识结果。结果表明，辅助变量辨识法辨识精度有所提高，系统阶降低。     

多变量系统的辅助模型辨识算法

提出了辨识线性多变量系统参数的辅助模型方法。它使得系统存在量测噪声的无偏参数估计问题得到解决。文中分析了算法的收敛性，并给出了仿真例子。     

新型蝙蝠算法辨识船舶运动模型参数

为准确、有效辨识出船舶运动模型的参数,以构建精确的船舶运动模型,将群智能优化算法中新型蝙蝠算法引入船舶运动模型的参数辨识。将船舶运动模型参数辨识问题转化为一个多维变量函数优化问题,分析了新型蝙蝠算法求解船舶运动模型参数辨识的适应性;给出了采用新型蝙蝠算法进行船舶运动模型参数辨识的流程。基于实船实验数据,采用新型蝙蝠算法辨识了实船一阶线型响应型模型参数。实例显示,将船舶运动模型参数辨识问题转化成优化问题,通过新型蝙蝠算法对构建的误差准则目标函数的优化,能够快速找到使得目的函数最优的一组变量,该变量即为辨识得到的模型参数。研究表明,提出的技术路线简明且适用,是一种有效的计算机辅助船舶运动模型参数离线辨识方案。     

利用新型蝙蝠算法辨识船舶运动模型参数

为准确、有效辨识出船舶运动模型的参数,以构建精确的船舶运动模型,将群智能优化算法中新型蝙蝠算法引入船舶运动模型的参数辨识。将船舶运动模型参数辨识问题转化为一个多维变量函数优化问题,分析了新型蝙蝠算法求解船舶运动模型参数辨识的适应性;给出了采用新型蝙蝠算法进行船舶运动模型参数辨识的流程。基于实船实验数据,采用新型蝙蝠算法辨识了实船一阶线型响应型模型参数。实例显示,将船舶运动模型参数辨识问题转化成优化问题,通过新型蝙蝠算法对构建的误差准则目标函数的优化,能够快速找到使得目的函数最优的一组变量,该变量即为辨识得到的模型参数。研究表明,提出的技术路线简明且适用,是一种有效的计算机辅助船舶运动模型参数离线辨识方案。     

确定线性多变量系统结构参数的递推辅助变量算法

本文研究了多变量系统中确定结构参数的递推辅助变量方法。文中采用的模型是输入输出差分方程的一种规范形式。根据Ahmed的结构辨识算法,文中给出了一个改进的算法,此算法是递推形式的,因而大大减少了计算量。     

随机连续线性系统基于Legendre多项式逼近的参数估计

本文研究随机连续线性系统基于Ｌｅｇｅｎｄｒｅ多项式过近的参数估计问题．文中先讨论了随机微分方程描述的随机连续系统的Ｌｅｇｅｎｄｒｅ多项式逼近，然后给出了最小二乘估计方法．在讨论了连续Ｗｉｅｎｅｒ过在的Ｌｅｇｅｎｄｒｅ多项式逼近值的相关性，并首次得到对Ｌｅｇｅｎｄｒｅ多项或应用于随机连续系统研究有重要意义的统计相关结果后，提出了能获得无偏一致估计的辅助变量法及三种选取辅助变量系统的方法．计算机仿真结果表明了本文方法的有效性．     

一种予置滤波器的辅助变量辨识算法

本文提出一种新的获取辅助变量的方法,在输入输出数据同时受到确定性和随机扰动的情况下,利用特种数字时变滤波器,能够获得理想的不受污染的输入输出数据,为辅助变量法(以下简称IV算法)的应用铺平了道路。仿真计算表明,这种予置滤波器的IV算法,即使在信噪比较小的场合,仍能得到满意的辨识结果。本文讨论的IV算法适用于SISO系统。     

TRP激光陀螺温度控制系统的参数辨识

针对全反射棱镜式激光陀螺腔长控制系统的特殊性及其模型参数辨识的必要性，给出TRP激光陀螺温度控制系统的数学模型，并基于最小二乘法从理论上分析推导出3种新型参数辨识法：直接辨识算法、辅助变量法和递推算法。指出3种参数辨识法各自的优缺点及适用场合，并用具体实例证明了该辨识算法的正确性和实用性。     

多输入单输出系统的辅助变量参数估计

利用辅助变量辨识方法,推导出多输入单输出系统的辅助变量递推最小二乘算法,并与辅助模型递推最小二乘法进行了计算量和辨识精度比较.     

关于线性计量经济系统的状态空间实现问题

线性计量经济系统的状态空间实现是经济建模的一项重要工作,也是经济控制问题的基础。国内外很多学者对此作了专门的探讨。经济学家从线性计量经济输入输出方程(ARMAX)出发讨论过多种寻求经济模型实现的办法,从控制论的角度其中不少并非最小实现或并非典范形式,本文将经济系统作为一个典型的多变量系统,试图利用系统辨识理论和算法讨论经济系统的建模问题。文中讨论了经济系统实现的某些特点,为适应这些特点推广了常用的Guidorzi辨识算法,探讨了经济模型和多变量系统典范结构间的关系,最后给出了在特殊情况下寻求实现的简单算法。     

辅助变量法及其改进算法在含噪声系统辨识中的运用

对ＡＲＭＡ模型含有输入噪声和量测噪声的情况进行了讨论，在两种情况下，最 乘法并不能得到很好的估计结果，运用辅助变量法可以提高估计精度。特别是在输入信号受到干扰时，配方提出了加权辅助变量法，可以得到比ＩＶ方法更精确的结果，尤其是在噪信比较高的场合，本文还给出了ＷＩＶ方法的无偏性分析。     

基于改进型辅助变量法的压力传感器建模

针对经典压力传感器建模方法存在适应性较差、难以准确获取压力传感器动态特性的问题,提出了一种基于改进型辅助变量法的压力传感器动态建模方法。首先运用粒子群算法预估计模型参数,将预估计的参数代入差分方程构造辅助变量。然后利用输入、输出数据用辅助变量法辨识模型的参数,进行压力传感器系统仿真,在不同噪声模型及信噪比下得到系统输出,分别用提出的方法和现有方法建模,比较建模结果的差异。最后用激波管动态校准实验平台对压力传感器进行动态校准。根据输入、输出数据构造信息矩阵并对其正交分解确定模型阶次,再次用提出的方法和现有方法建模,验证仿真结果。通过压力传感器系统仿真及实验数据验证表明：在压力传感器建模中,改进型辅助变量法的辨识精度明显高于现有方法。     

附属结构物的振动

本文研究在什么条件下可以不考虑主、次结构的耦联作用。文中以主次结构的质量比、刚度比作为参数,给出了不考虑耦联所引起的误差公式和利用这些公式计算结果所绘制的等误差线图。利用这些曲线可很方便地的估计不考虑耦联时的误差范围。     

单产品间歇过程优化的研究

研究了类似对二氯苯间歇结晶过程的最优化设计问题,考虑附属设备与主体设备构成网络的情况,提出了最优化数学模型,并建立了相应的软件。此外针对能够适用于解大规模问题的最优化算法作了进一步的探讨。采用单维搜索的方法求解了几个问题,表明:所提出的方法具有运算速度快及适应性强的优点,可以预测,在此基础上有可能进一步开发出通用的软件。     

变量约束网的建模和推理算法

设计的变量约束网是一个能够综合表达变量间各种约束关系的网络结构。文章中首先介绍了它的结构特征;然后给出了它的建模方法和可在Ｗｉｎｄｏｗｓ下操作的图形建模工具;最后讨论了该约束网的推理算法,即如何通过约束传播完成相关变量的求解,此算法与网络的复杂程度无关。利用文章提出的方法可构造任意复杂的变量约束网,完成对复杂系统的变量求解;与传统的表示方法相比,简化了问题求解过程,从而提高了求解效率。     

地球膨胀运动的参数算法与膨胀阶段划分

讨论了地球膨胀阶段的地球表面积、体积、半径等参数的改变量计算方法,对如何根据实际资料求取地球膨胀的数值等技术手段作出说明,列出相关计算公式。根据以往的研究成果对地球膨胀阶段划分提出了新的认识,认为地球的膨胀可划分为:表面积扩充阶段、体积扩充阶段、岩浆外溢量持续增大阶段、岩浆外溢量持续减小阶段、地球收缩阶段等。地球的膨胀过程既不是半径一概增大的过程,也非单调减小的过程,而是一种受周期性函数作用力控制,地球半径在“增加—减小—增加—减小”的循环往复中逐渐增长。     

组合优化（Ⅱ）——对称差分解法的又一应用

本文先讨论函数的增量与微分对于连续型最优化问题的作用，析出有益的启发。用之于组合优化，得到了求解问题的一个方法——对称差（的）分解法。文献［２］对它作了讨论并得到不少应用。本文提出两个赋权凸锥独立集合问题。它们是典型的组合优化问题，分别与线性规划中两个互为对偶模型等价；用对称差分解法进行求解，得到的算法就是线性规划中的改进单纯形算法     

大步长路径跟踪内点新算法

给出一种求解约束非线性规划问题的大步长路径跟踪内点新算法.首先,为克服内点法初始点选取的困难,通过引入辅助变量来构造原问题的等价问题;其次,构造一个新的关系不等式来证明算法的全局收敛性;最后,在此基础上设计一个新的大步长路径跟踪内点算法.该算法在有限步内能得到原问题的近似最优解,并且数值试验表明,该算法是可行的.      

基于Visual Basic的冒泡排序及其改进算法之一

阐述了冒泡排序算法设计的基本思想、实现步骤，并通过Visual Basic编程予以实现，指出其效率不高的缺陷，提出了对冒泡排序改进的标志变量法及其编程实现，其效率及性能较冒泡排序算法有一定程度的提高．同时对冒泡排序及其改进算法进行了时间复杂度、空间复杂度和稳定性的分析和比较．     

基于GMDH的VAR滞后选择方法及实证分析

在VAR的动态模型中，滞后数的选择是成功的关键。对于复杂系统建模，根据GMDH理论的有关数据，用计算机合理地调协变量与滞后变量之间的关系，确定模型的最优动态结构和最优滞后数，以提高预测的准确性。给出了VAR的传统方法与GMDH建模方法，应用经济变量进行实证分析，阐明了GMDH算法的优势在于比传统的方法更完善，预测效果更准确。