具有EGARCH—SGED误差项的时序的单位根检验

在有限样本情况下通过随机模拟讨论了对具有EGARCH-SGED误差项的ADF单位根检验,分析了模型的滞后阶的设定、样本容量、参数变化对临界值的影响.     

基于改进BAS-BPNN的Stewart平台位姿正解

针对目前Stewart平台位姿正解难以兼顾高精度和实时性的问题，设计出满足平台精度要求且运算时间尽量少的正解方法是研究并联平台运动学的关键。首先建立平台运动学反解模型求得BP神经网络（BPNN）的训练集，然后调整步长策略和引入惯性权重改进天牛须搜索算法（improved BAS，IBAS），提升算法性能，通过改进后的算法优化BP神经网络的初始权阈值，反复学习训练至最小误差，最后选取一段位姿变化进行仿真验证。仿真结果表明，IBAS-BPNN正解法在选取的100组位姿点中的最大位姿误差小于0.6%，运算时间为31.9 s，通过与遗传算法(GA)、粒子群算法(PSO)和天牛须搜索算法(BAS)优化的BP神经网络模型进行对比分析，验证了IBAS-BPNN模型在精度和运算速度方面具有优越性。算法模型有效提升了Stewart平台位姿正解的精度和实时性，为平台的运动学和控制提供了理论和方法参考。