Burgers方程Crank-Nicolson格式离散的Anderson加速

Anderson算法是求解非线性方程组的有效加速迭代方法。本文采用Anderson(m,β)算法求解二维和三维Burgers方程的Crank-Nicolson格式离散所得的非线性方程组。数值计算结果表明,当算法参数β=-0.5时,由离散所得的非线性方程组的Anderson迭代解的收敛性达到最优。     

基于偏最小二乘回归的挖掘机液压系统故障诊断

为了提高挖掘机液压系统的可靠性水平,提出了一种针对挖掘机液压系统的偏最小二乘回归(PLSR)故障诊断方法,其原理是:首先使用非线性迭代偏最小二乘(NIPALS)算法分析系统正常状态下的样本,选择累积方差最大的PLS成分数目,建立输出变量关于输入变量间的PLSR辨识模型;然后,将系统故障状态下的样本代入PLSR辨识模型,运用广义似然比(GLR)检验对模型残差进行假设检验,判断系统的故障状态。实验结果表明,采用基于PLSR的故障诊断方法能准确地诊断出所有系统故障,能有效地应用于挖掘机液压系统的故障诊断。     

相异元件并联的可靠性优化模型

研究了具有不同类型元件并联的串-并联网络可靠性优化模型的求解问题.依据构造的可靠性网络图,选择合适的状态转移规则和信息素更新规则,构造了一个求解3-状态设备具有不同类型元件并联的串-并联网络单目标-单约束可靠性优化问题的蚁群算法框架.合理设置算法参数并进行模拟仿真,结果表明,对给定的问题实例,算法都能有效地给出模型的最优解.     

认知导航路径整合中方位及尺度参数求解方法

无人作战飞机(UCAV)认知导航路径整合时需获取环境信息相对参考信息的方位和尺度值,提出了一种基于迭代最小二乘法的高精度相似变换参数求解方法.利用SURF(Speeded Up Robust Features,SURF)算法提取高鲁棒性特征点,采用比值法提纯匹配对,得到一一对应点集,并将点集中元素转换为矢量形式,以最小二乘算法求解矢量间相似变换参数,并根据结果对感知图进行方向旋转及尺度调整,通过循环迭代得到方位和尺度值.仿真结果表明,文中方法得到的角度平均绝对误差低于0.04°,尺度变化下得到的尺度绝对误差在此10-3数量级,抗噪声性能优于最小二乘法.     

基于最小Tsallis交叉熵改进型PCNN图像分割算法

针对传统脉冲耦合神经网络(PCNN)模型中存在的待定参数过多且难以选择、循环迭代次数难以确定的缺陷,提出了一种基于最小Tsallis交叉熵改进型PCNN图像分割算法.根据改进的内部活动项和阈值衰减函数初始化模型参数,根据图像特性自适应设置链接强度系数和链接权值矩阵;利用最小Tsallis交叉熵准则确定PCNN循环迭代次数,采用双边带滤波器对分割图像进行滤波,获取最优图像分割结果.仿真实验结果表明,该算法提高了分割后图像的区域一致性、区域对比度、形状测度,缩短了运行时间,改进了图像分割效果.     

基于HouseHold变换的全球卫星导航

研究传统最小二乘和卡尔曼滤波方法求解GNSS(Global Navigation Satellite System)观测方程时接收机钟差参数的处理策略,将失效的接收机钟差参数通过矩阵变换的方式消除.针对计算机截断误差可能会造成卡尔曼滤波结果发散的现象,将HouseHold变换用于GNSS观测方程参数求解中,根据其建立的正交矩阵的特性,导出求解公式.结果表明,该方法在理论上可消除计算机截断误差的影响,且在储存空间上仅为传统方法的一半,可有效节约计算机资源.     

基于倒数交叉熵的改进脉冲耦合神经网络图像分割算法

针对脉冲耦合神经网络(pulse coupled neural network,PCNN)模型需要人工方式确定循环迭代次数,以及香农熵定义中基于对数函数存在零点处无意义的缺陷和对数运算影响处理速度等问题,提出了一种基于最小倒数交叉熵自适应生成迭代次数的PCNN图像分割算法.首先,对传统的PCNN模型进行简化,并对神经元的反馈输入函数、连接输入函数和动态阈值函数进行修正;然后,应用二维倒数交叉熵的分解算法,通过两个一维倒数交叉熵的组合获得二维倒数交叉熵;最后,采用最小倒数交叉熵准则确定PCNN网络的循环迭代次数,实现对图像的最优分割.仿真实验验证了该方法的有效性.     

降低多传感器交叉敏感的法方程组方法

针对用线性回归分析法降低多传感器交叉敏感中存在的问题,利用最小二乘法和矩阵计算理论,提出用法方程组的方法求解多传感器逆模型的拟合曲面方程的系数.该方法的优点是简单、快捷,且易于编程实现多元高次拟合曲面方程的系数.实验结果表明,用法方程组的方法也可以明显地改善多传感器的交叉敏感问题.融合后压力传感器的温度灵敏度系数αs降低近两个数量级,电流影响系数αI降低一个数量级以上,而零位温度系数αo也下降了1/3,且拟合曲面方程次数越高,改善的效果越好.     

一个求解非线性最小二乘问题的新方法

在Gauss-Newton(G-N)方法和Levenbery-Marquardt(L-M)方法(阻尼最小二乘法)的基础上给出了一种新的求解非线性最小二乘问题的方法，它是通过寻求新的非线性方程组的数值方法来实现的，首先给出了不用计算导数的求解非线性方程组的收敛迭代方法，该方法是建立在求解动力系统的稳定点的基础上，采用了较稳定的常微分方程初值问题的数值方法进行迭代求解，并采用Steffensen加速技术以提高收敛速度，最后，给出了用Matlab试算的数值例子、试验结果表明了该方法的有效性。     

矩阵方程AXB=C的中心对称最小二乘解的迭代解法

给出了求矩阵方程AXB=C的中心对称最小二乘解的一种迭代解法,即利用法方程变换,将求解最小二乘解转化为相容矩阵方程的求解问题,再利用迭代法求出新方程的直接解.使用该方法,对任意给定的初始中心对称矩阵都可在有限步内迭代求出它的中心对称最小二乘解.并且将求最佳逼近的问题转化为求一个新方程的极小范数解的问题,同样可用迭代法求解.     

基于多输出支持向量机和遗传算法的岩土参数反演方法

提出了基于多输出支持向量机(M-SVM)和遗传算法(GA)的岩土参数反演方法.在进行参数反演过程中,根据正交试验产生一系列参数的可能组合;采用有限元法(FEM)得到坝体不同测点处的位移计算值.将不同的材料参数组合作为输入,相应的位移计算值作为模型的输出来训练M-SVM模型,以便模拟坝体位移和材料参数之间的复杂关系.采用GA来求解材料参数反演所对应的优化问题.在进行最优材料参数搜索的过程中,采用训练好的M-SVM模型来替代有限元计算,以获得坝体位移的计算值,从而大大减少了计算所需的时间.根据某面板堆石坝沉降的监测数据和有限元仿真模型,实现了以上反演过程.反演分析的结果表明,本文提出的岩土参数反演方法具有计算精度高和计算效率高等优点,可以应用于实际工程中.     

利用频谱分析进行平面连杆机构的轨迹综合

提出一种基于频谱分析和应用最优化方法进行平面连杆机构轨迹综合的新方法。此方法减少了迭代求解过程中变量的数目,并且变量初值的选定简易而规范; 在建立优化模型时运用了复矢法, 使整个求解过程无需推导繁杂的数学公式     

呼叫中心人力资源配置鲁棒规划模型

针对现实呼叫中心中顾客到达不确定的问题,建立了基于排队论的离散流体模型,解决了考虑鲁棒性呼叫中心的人力资源配置问题.通过区间数据来表示顾客到达的不确定集,利用可调整鲁棒优化方法的思想,分析了鲁棒优化模型与确定性优化模型的关系.数值试验表明,使用可调整鲁棒参数的鲁棒优化方法减小了呼叫中心到达率不确定性给呼叫中心系统带来的影响;到达率越大,对应的最优的鲁棒参数越大,模型越保守.     

基于ANFIS的软测量模型在浮选中的应用

以浮选过程为研究对象,提出一种基于自适应神经-模糊推理系统的经济技术指标软测量模型。该模型采用主元分析进行输入数据集降维,运用最小二乘法和粒子群优化算法相结合的混合学习算法对自适应神经-模糊推理系统结构参数进行优化设计。该混合学习算法提高了网络参数辨识的收敛速度,仿真结果表明,提出的模型能很好地实现浮选过程经济技术指标的全局预测,满足优化浮选药剂添加的计算要求。     

一种左心室压力个性化估计模型参数子集选择方法

针对模型估计左心室压力波形的临床个性化需求和大量参数优化计算复杂情况，提出基于灵敏度分析的模型参数子集选择策略.以左心室压力波形特征作为体循环模型的输出，通过自适应稀疏多项式混沌展开算法构建原始模型的元模型，改进索贝尔灵敏度指标计算，选出模型中对左心室压力波形特征有重要影响的参数作为参数子集.本文提出的选择策略可以为左心室压力波形估计中的模型参数临床个性化提供参考依据；参数子集中模型参数数量的减少，可以降低优化空间和参数求解的复杂度.实验结果表明，采用参数子集的左心室压力波形及特征估计与模型的全体参数估计具有很高的一致性.     

螺旋槽干气密封稳态微尺度流动场的动压计算

从N-S方程出发,推导了螺旋槽内稳态微尺度流动场的非线性雷诺方程.应用PH线性化方法,将非线性偏微分方程转化为线性偏微分方程,引入复函数将复常数偏微分方程变为两个线性实常数微分方程组,并采用小参数迭代法进行求解,近似求得了螺旋槽内气体动压分布的解析解.与相应的实验数据对比,计算结果和实验结果基本符合,为有类似几何参数的干气密封的优化设计提供了参考.     

周期热传导方程优化控制问题的一种迭代解法

本文研究了一类以时间周期热传导方程为约束条件的优化控制问题，该优化问题旨在寻求使得目标泛函达到最小的源项.本文提出了一种迭代求解算法.该算法应用最优性条件将问题转化为两个耦合的时间周期热传导方程，然后将这两个方程迭代解耦，再以Gauss-Seidel模式交替求解.数值算例显示，算法的收敛速度对离散参数是稳健的.     

一种分数域二分法 LFM 信号参数估计方法

针对传统基于分数阶傅里叶变换（fractional Fourier transform,FRFT）的线性调频（linear frequency modulated, LFM）信号参数估计方法中估计精度和计算量难以同时满足实际要求的问题,提出一种分数域二分法的 LFM信号参数估计方法。该方法分析量化了变换阶次误差对参数估计误差的影响,利用单分量 LFM信号变换阶次和分数域展宽的关系,通过迭代不断缩小变换阶次的取值范围,获得满足初设阈值的最优阶次,并利用最优阶次和峰值位置对 LFM信号进行参数估计。采用逐次重构消除的方法,可以对强弱混合的多分量 LFM信号进行参数估计。仿真结果表明,在满足信噪比要求的条件下,该方法能够有效地对 LFM信号进行参数估计,可以通过参数估计精度的要求选择不同阈值,与传统方法相比,在参数估计精度相当的情况下大大地减小了计算量。     

拓扑优化均匀化方法的改进迭代算法

针对大型连续体结构拓扑优化中迭代步过多、计算时间过长的问题,对拓扑优化均匀化方法进行了改进,并通过引入的2个密度阈值来控制计算过程.算例表明,采用改进的拓扑优化均匀化方法可有效减少迭代步数、节省计算时间,且不会影响拓扑优化计算结果.     

一种基于遗传算法的新时延估计方法

提出了一种新的时延估计方法,通过采用FIR滤波器模型并结合遗传算法解决了代价函数复杂计算量下的高效全局优化．算法利用最小二乘法准则,推导得到优化目标函数,并将时延,滤波器系数列入到参数估计模型中,继而将目标函数作为适应度函数,将时延,滤波器系数作为决策变量,应用遗传算法进行全局优化．通过仿真实验表明,本文不仅在滤波器长度比较短的情况下获得最优的时延估计,而且大大地减少了计算量,提高了稳健性．