基于偏最小二乘回归的焦炭热性质非线性预测模型

针对基于煤质指标预测焦炭热性质建模过程中易出现的多重共线性问题,提出应用偏最小二乘回归对焦炭热性质进行预测的建模思路.考虑到煤质指标与焦炭热性质之间复杂的非线性关系,采用拟线性化处理的方法,将煤质指标的一次效应、二次效应及交互效应作为模型输入,建立焦炭热性质预测的偏最小二乘回归模型;基于拟线性化处理的非线性偏最小二乘回归和线性偏最小二乘回归对焦炭热性质预测实例进行分析.研究结果表明:基于偏最小二乘回归方法建立的焦炭热性质预测模型是有效可行的:非线性偏最小二乘回归模型的预测精度明显比线性偏最小二乘回归模犁的预测精度高.     

基于神经网络的非线性前馈补偿广义预测自校正控制器

采用多层前馈网络结构进行动态建模,并用Ｄａｖｉｄｏｎ最小二乘法作为在线学习算法,将辨识后得到的模型进行线性化．基于线性化模型设计广义预测控制器。将其与非线性前馈相结合,建立了一种适合于非线性系统的前馈补偿广义预测自校正控制器．仿真结果验证了本控制器对非线性系统控制的有效性     

无线传感器网络中传感器节点定位的递归加权最小二乘优化方法

采用最小二乘优化算法，研究了基于接收信号强度测量的信号源定位问题.首先，建立了路径损耗的线性化模型；然后，介绍了加权最小二乘法，并提出了无线传感器网络中传感器节点定位的递归加权最小二乘优化方法.最后将本文提出的迭代加权最小二乘法与基于接收信号强度（RSS）的2种算法进行比较，仿真结果表明提出的算法在定位精度方面有更好的表现.      

基于T-S模型的模糊广义预测控制

对非线性系统建立了T－S模糊模型,并用正交最小二乘法（OLS）对模糊规则的后件参数进行辨识,然后在每一个采样点对系统进行局部动态线性化,根据得到的系统线性化模型对系统采取广义预测控制（GPC）方法得到当前的控制动作,仿真的结果表明了该方法的有效性。     

基于加权最小二乘法的多舰定位算法

针对双舰定位存在的定位态势要求高、定位精度低等,提出了基于加权最小二乘法的多舰定位算法.该算法的实质是基于多舰侦察设备的测向角度、位置信息,利用纯方位交叉定位原理,建立非线性观测方程;通过泰勒展开将非线性系统转化为线性系统;利用最小二乘原理并考虑测向精度的权重因素,提出了多舰的定位模型.仿真结果表明,定位结果与测向精度和初始态势有关.     

极限行驶条件下车辆质心侧偏角观测器设计

用非线性车辆模型线性化方法,设计了基于广义卡尔曼滤波器和广义龙贝格观测器的质心侧偏角估计算法.给出考虑了轮胎非线性特性的扩展二自由度车辆模型,用非线性最小二乘法拟合轮胎模型的参数;分析非线性模型的能观性,并通过局部线性化方法,将非线性模型在当前状态处线性化,并得到近似的线性模型;设计了广义卡尔曼滤波器和线性化龙贝格观测器,并证明观测器的稳定性;最后,通过典型的操纵稳定性试验,验证算法的有效性.极限行驶工况下采用非线性模型线性化的方法,能获得更高的估计精度.     

含过程噪声的Hammerstein-Wiener神经模糊模型多信号源辨识

提出一种在过程噪声干扰下基于偏差补偿递推最小二乘法的Hammerstein-Wiener神经模糊模型多信号源辨识方法.通过三阶段组合式多源信号,实现了过程噪声干扰下HammersteinWiener模型中输入静态非线性环节、动态线性环节以及输出静态非线性环节的分离,提高了各串联环节模型参数的分离精度,避免了传统迭代分离方法中模型参数的收敛问题.在此基础上,利用补偿原理,提出基于偏差补偿递推最小二乘法的Hammerstein-Wiener模型参数辨识方法,通过在递推最小二乘算法中引入修正项来补偿过程噪声引起的估计偏差,实现了模型参数的无偏估计.理论分析与仿真实验的结果表明,所提出的方法具有较好的有效性.     

垂直腔面发射激光器光功率-电流模型可靠性研究

主要对基于垂直腔面发射激光器(VCSEL)的光功率-电流模型(L-T)可靠性进行了研究.综合运用非线性最小二乘法、多项式拟合及数值计算等方法,估计模型的相关参数,建立了一个比较接近实际的VCSEL光功率-电流模型.仿真结果表明:在20℃条件下,基于该模型的VCSEL温度特性与模型参数基本吻合,从而证明了模型是可靠的.     

基于支持向量机的轧机压下系统辨识

通过对轧机压下液压控制系统的介绍,分析和计算压下系统响应频率,设计相应的Butterworth滤波器对轧制力进行高频去噪声处理,并利用最小二乘支持向量机进行轧机轧制力的非线性建模.在Matlab仿真环境中,利用轧制力的实测数据进行仿真与分析.仿真结果表明,基于最小二乘支持向量机的轧制力模型预测精度可以控制在5%范围内.     

非线性Hammerstein-Wiener模型辨识预测控制

为解决工业过程控制领域中非线性系统的模型辨识与预测控制问题,提出一种基于BP神经网络模型的预测控制策略,采用一种分段最小二乘支持向量机辨识Hammerstein-Wiener模型系数的方法建立非线性预测控制器.利用BP神经网络训练预测控制输入序列和拟牛顿算法求解非线性预测控制律,从而实现了一种基于支持向量机Hammerstein-Wiener辨识模型的非线性预测控制算法.仿真实验验证了该算法的有效性和可行性.     

线性/非线性时间序列模型一般表达式及其工程应用

提出一种线性/非线性时间序列模型的一般表达式(GNAR),论述其线性和非线性特性.对3种典型的非线性、非平稳时间序列进行试验及应用研究.将样本数据分成训练集和测试集,在训练集上建立GNAR模型,采用最小二乘方法以及结合预测误差的修正AIC准则实现其参数估计和模型定阶.在测试集上进行预测,进而验证模型.结果表明该模型对3组数据跟踪性能良好,预测预报精度优于传统时序模型,因此该模型有良好的适应性和有效性,能应用于工程实际.     

GIS的非线性测量数据的误差处理及其应用

针对GIS数据应用中所存在的随机误差处理这一重要问题,本文提出了一种非线性最小二乘条件平差方法,给出了顾及泰勒二阶展开的基于空间数据随机误差的非线性条件平差模型,并结合算例将该方法与线性最小二乘平差方法加以比较,结果表明,当观测值与其平差值相近时,应用非线性最小二乘条件平差可明显提高平差结果的精度,这对于解决数字化处理过程中,因源文件中图形间的相互作用而引入大量误差,从而导致不能将非线性条件方程直接线性化问题提供了一种新的方法.     

小波神经网络在过程控制中的应用研究

非线性过程的建模和控制问题尚无通用的模型结构和方法可用于过程控制.结合小波和神经网络方法进行过程控制的通用模型和方法的研究,提出了一种仅用尺度函数逼近的小波神经网络模型,并用它来实现非线性预测控制方案.该模型能用线性最小二乘方法进行拟合,因而具有易于实现和通用的优点.由于简化了在线优化方法,所提出的非线性预测控制方案已在线实现.用该方法进行了两个非线性系统的模型辨识和一个双线性系统的控制仿真,模型的通用性、辨识和控制方法的简单易用和仿真结果表明,所提出的方案对过程工业和非线性、高阶系统有很好的实用性,有着比标准PID控制器好得多的控制效果.     

Application research of wavelet neural networks in proces control

非线性过程的建模和控制问题尚无通用的模型结构和方法可用于过程控制。结合小波和神经网络方法进行过程控制的通用模型和方法的研究,提出了一种仅用尺度函数逼近的小波神经网络模型,并用它来实现非线性预测控制方案。该模型能用线性最小二乘方法进行拟合,因而具有易于实现和通用的优点。由于简化了在线优化方法,所提出的非线性预测控制方案已在线实现。用该方法进行了两个非线性系统的模型辨识和一个双线性系统的控制仿真,模型的通用性、辨识和控制方法的简单易用和仿真结果表明,所提出的方案对过程工业和非线性、高阶系统有很好的实用性,有着比标准ＰＩＤ控制器好得多的控制效果。     

ARMA模型参数估计的格林函数法

论文根据一个适当高阶的AR模型可与一个ARMA模型等价的原理,推导了以格林函数为中间变量,建立ARMA模型的线性方法。用此方法对太阳黑子数据进行计算,所得的模型参数,与用非线性最小二乘方法的结果近似,且较用逆函数算出的参数精度高。实践证明这一方法在一定条件下足可行的。运用这一方法建立自回归滑动平均模型,可避免采用非线性最小二乘方法,只需进行很少几次的线性最小二乘便可建模,较传统方法,可大大减少运算工作盛,并便于在微机上推广应用。     

多变量Hammerstein-Wiener模型的参数辨识

为了突破现存Hammerstein-Wiener模型参数辨识方法中假设输出非线性块可逆的限定条件,基于可分非线性最小二乘算法,提出由多个单变量Hammerstein子模型和一个多变量输出非线性块组成的多变量Hammerstein-Wiener模型的参数辨识方法.首先,以输出误差最小为准则使用Levenberg-Marquardt法辨识出输出非线性块和Hammerstein子模型的两个参数集.其次,对Hammerstein子模型使用基于张量积的奇异值分解,辨识出输入非线性块与中间线性块的参数.再次,理论分析了所提辨识方法的辨识收敛性.最后,通过仿真验证此法的有效性.     

高速列车受电弓非线性控制研究

对接触网的刚度进行非线性最小二乘拟合,建立了弓网系统非线性模型,采用微分几何理论对弓网间接触力波动进行控制,提出一种输出-干扰解耦方法,通过适当的非线性坐标变换,将非线性系统转化为线性系统,并施以最优控制,仿真结果表明,控制效果良好.     

Marginal linearization method in modeling on fuzzy control systems

Marginal linearization method in modeling on fuzzy control systems is proposed, which is to deal with the nonlinear model with variable coefficients. The method can turn a nonlinear model with variable coefficients into a linear model with variable coefficients in the way that the membership functions of the fuzzy sets in fuzzy partitions of the universes are changed from triangle waves into rectangle waves. However, the linearization models are incomplete in their forms because of their lacking some items. For solving this problem, joint approximation by using linear models is introduced. The simulation results show that marginal linearization models are of higher approximation precision than their original nonlinear models.     

基于非线性回归最小二乘法的改进Gompertz 模型参数估计

可靠性增长试验是产品研制阶段不可缺少的一项提高产品可靠性的工程项目。成败型试验的可靠性增长数据通常用Gompertz模型进行评估，但存在S形增长数据拟合精度差的不足。根据高斯一牛顿最小二乘法和多元线性回归最小二乘法原理，提出改进的Gompertz模型参数估计的非线性回归最小二乘法。用试验数据对改进后的模型进行验证，拟合度较好。     

数值计算在蛋白质耐热性测定中的应用

通常蛋白质的热变性是一个两态过程,理论上可用非线性方程来表示。在求其热变性的速度常数和变性反应的活化能中,一般将其转化成一个线性问题,用最小二乘法来解决。