结构损伤识别的截断总体最小二乘法

基于特征对灵敏度分析,并结合总体最小二乘法,提出了一种用于结构损伤识别的截断总体最小二乘法,主要用来解决实际结构损伤识别过程中出现的病态方程组问题。以一个平面桁架结构为例,验证该方法的有效性。结果表明:在测试数据不完备的情况下,所提方法对于测试噪声仍然具有较强的鲁棒性,可供实际工程应用参考。     

GPS RAIM定位误差保护限值算法分析

针对基于最小二乘法的偏差完好性风险方法,采用总体最小二乘法估计准则,将数据矩阵和观测值两者的误差综合考虑,使残差更精确,数据可靠性更高,提高了RAIM算法的可靠性,并给出了RAIM解算模型.结合各个航段的完好性需求进行仿真,分析了不同飞行阶段的PIR性能.结果验证了PIR是更合适的可用性分析方法.     

偏最小二乘法的简化算法

ＰＬＳ首先由Ｗｏｌｄ在１９９６年提出并应用于经济计量学中［１］，直到８０年代开始在化学中得到应用，成为一种新的多元分析方法，已成功地用于分析化学［２］．如：紫外光谱、气相色谱和电分析化学，等等．在实际分析中，ＰＬＳ广泛用于混合物多组分的同时测定，对吸...     

基于奇异值分解法的抗差总体最小二乘

在最小二乘平差中,认为只有观测向量中存在误差,因此当有粗差存在时,也只需要考虑观测向量中的粗差,采用抗差最小二乘可达到剔除粗差的目的。而总体最小二乘同时顾及了系数矩阵和观测向量中的误差,这就要求抗差总体最小二乘同时考虑系数矩阵和观测向量中的粗差。为了同时对粗差进行探测和定位,在加权总体最小二乘奇异值分解法的基础上,提出了一种总体最小二乘抗差估计,最后通过2个算例证明了本文提出方法的有效性和可行性。     

基于最小二乘法MEMS惯性传感器姿态解算算法

针对MEMS惯性传感器在测量时出现误差不稳定和外界磁场变化所造成的姿态角误差较大问题,提出一种基于最小二乘法MEMS惯性传感器姿态解算算法.采用静态六位置法对三轴加速度计标定,对三轴加速度计建立误差模型,利用最小二乘法确定误差参数.根据欧拉角法中倾斜角和航向角分开求解特点,减小磁场变化干扰,再对欧拉角中存在的奇异值问题进行改进,分为一般姿态值和奇异值状态姿态值两种滤波模式.实验结果证明,通过对三轴加速计的标定补偿和欧拉角的奇异值问题改进后得到的姿态角精度高,并且在遇到磁场变化时稳定性优于四元数法,不会出现奇异值.     

基于最小二乘改进算法的时变系统参数辨识

在系统辨识领域,常规最小二乘法是一种最基本的辨识方法之一.然而,随着观测数据的不断增加,会出现“数据饱和”的现象,造成新观测数据对估计值起不到修正的作用.由于新观测值对未知参数估计的影响要比旧观测值大,采用了渐消记忆和限定记忆最小二乘改进算法,来实现时变过程的参数辨识,并进行了仿真实验.仿真结果表明,它们能够克服“数据饱和”现象,从而改善参数辨识结果     

基于最小二乘法的BP算法

标准BP神经网络算法收敛速度慢是限制其广泛应用的主要原因．为此，以标准BP算法为基础，应用最小二乘法理论，提出了一种收敛速度快的BP算法——NLMsBP算法．仿真结果表明，和标准BP算法及其它改进形式比较，NLMSBP算法收敛速度大大提高，稳定性并未降低，这为BP神经网络应用于实时性要求高的场合提供了算法基础．该算法缺点是计算量大，所需计算机内存大，不适于大型网络的计算．     

基于最优最小二乘的红外目标单站定位算法

为消除红外目标单站定位算法估计有偏性,解决现有估计算法中有可能出现多个解向量的问题,提出了一种基于最优最小二乘的目标估计算法.对总体最小二乘定位算法进行了研究,针对扩展测量矩阵出现最小奇异值多重的问题,构造了一个由多重奇异特征向量组成的测度函数,将该函数进行偏微分得到最优的最小二乘解;通过理论分析,证明了最优最小二乘解向量是渐进无偏的;最后,将该算法与总体最小二乘法和修正辅助变量法进行仿真对比.仿真实验结果表明,该方法在不同测量环境噪声下所得到的位置、速度误差曲线能快速地逼近克拉美罗下限,且具有更高的估计精度和稳定性,说明了算法的有效性.     

GPS接收机自主完好性监测算法可用性分析

以全球定位系统(GPS)为研究对象,研究水平定位误差保护级(HPL),阐述自主完好性监测(RAIM)算法故障监测和可用性原理.结合导航性能在航空应用中的需求,对影响RAIM可用性的因素进行数据仿真分析.结果表明,漏检率一定时,RAIM可用性随着误警率降低而降低;误警率一定时,RAIM可用性随着漏检率降低而降低.RAIM算法的可用性随着截止高度角降低和可视卫星数增加而提高.研究结果为采用RAIM算法进行故障卫星的检测和隔离提供了一定依据.     

基于SVD-TLS的EES-MIMO雷达电磁环境感知算法

为提高EES\|MIMO(Electromagnetic Environmental Sensory\|Multiple\|Input Multiple-Output)雷达在复杂电磁环境下测量精度和工作可靠性, 提出了一种新的基于整体最小二乘（TLS: Total Least Squares）方法与奇异值分解（SVD: Singular Value Decomposition）的电磁环境感知算法。SVD-TLS算法首先利用了互谱AR（Auto Regressive）模型参数估计, 然后考虑其互相关函数矩阵中的估计误差扰动, 并采用同时考虑方程右端互相关函数向量中估计误差扰动的TLS方法予以实现。仿真实验结果表明, 该算法具有良好的谱估计性能, 可较准确地感知环境中杂波所处的频段, 从而为EES-MIMO雷达利用剩余“干净”频带收发波形提供了可靠保证。     

基于跳距修正与差分进化优化的改进DV-Hop定位算法

为了提高传统DV-Hop(distance vector-hop)算法的定位精度,提出一种基于跳距修正和差分进化优化的改进DV-Hop(differential evolution distance vector-hop,DEDV-Hop)算法。由DV-Hop的算法原理可知,锚节点间的距离测量误差是算法定位误差的主要来源,由此根据锚节点间的不同跳数引入权重因子,从而减小平均每跳距离误差,并且利用差分进化算法对最小二乘法计算出的节点坐标进行二次优化,最终提高系统的整体定位精度。为了验证算法的有效性,在相同实验条件下,通过设置不同的定位参数将提出的算法与同类的经典算法进行实验对比。实验结果表明,DEDV-Hop算法可以有效减少节点平均定位误差,其定位精度明显优于其他几种算法。     

基于双层自适应遗传算法的机器人参数辨识

激励轨迹的选取和优化是机器人动力学参数辨识的重要基础。为了提高机器人动力学参数的辨识精度,以SCARA机器人为研究对象,设计了基于双层自适应遗传算法的机器人激励轨迹优化方案。运用Newton-Euler法建立了机器人的动力学模型,并对机器人的动力学模型进行线性分离,得到了机器人的最小惯性参数集和对应的观测矩阵。分析机器人的参数辨识方程,确定了观测矩阵条件数最小的优化目标。针对传统遗传算法进行改进,提出了双层自适应机制,提升了算法的全局搜索能力和搜索效率。最后利用MATLAB和ADAMS进行联合仿真实验,使用递推最小二乘法计算机器人的最小惯性参数集。实验结果表明,使用改进的双层自适应遗传算法得到的激励轨迹可以保证机器人动力学参数的辨识精度。     

基于混合优化算法的关节臂式测量机参数标定

为进一步提高关节臂式坐标测量机等高机动性精密测量设备的测量精度,使用D-H矩阵法建立其关节坐标转换数学模型并据此推导出参数误差模型.针对非线性多参数标定问题,通过变换分析消除了最小二乘法求解时矩阵中的冗余参数,降低了计算的复杂性.设定判定准则并实现最小二乘法和模拟退火算法的混合,提出了一种基于混合优化算法的参数标定方法,解决了LM算法的初值设定和SA算法的搜索效率逐步降低的问题.实验结果表明:关节臂式测量机参数经混合优化算法标定后,参数的误差范围有了显著的缩小,单点重复性误差的平均值减小了1.746 mm,长度误差的平均值减小了0.941 mm,测量误差得到了进一步的抑制.     

基于CCA的图像特征匹配算法

基于典型相关分析的思想,提出一种可以解决具有相同数目特征点的图像特征匹配算法.算法利用典型相关分析将提取的2幅图像的特征点投影到新的特征空间上,将获得的投影向量作为匹配特征构造匹配矩阵,最后根据匹配矩阵元素的大小判断特征点的匹配关系.仿真实验结果验证了该算法的有效性和稳健性.     

基于精细积分思想的反演简单迭代算法

为了提高走时层析成像中反演算法的性能,采用一种基于精细积分的简单迭代算法。反演计算归结为一个简单的迭代求解过程,对过程中出现的逆矩阵求解利用精细积分思想,确保迭代收敛且能收敛到方程的真解,同时具备较高的迭代速度。检测板模型恢复测试以及实际资料反演结果表明:该方法计算过程简单,在迭代次数较少时即能得到分辨率较高的波速剖面图;与目前常用的一些方法相比,本文方法在反演图像分辨率和迭代效率上都具有一定的优势。     

压力传感器输出特性校正及多参数测量

传感器对温度,电源波动等多种工作参数敏感,致使精度大大下降。本文在压力传感器静态标定实验的基础上建立了它的输出特性校正模型,并利用矩阵奇异值分解的方法成功求解了该模型最小二乘解中范数最小的唯一解。经验证,该模型显著改善了传感器的非线性,有效消除了工作参数的影响,使测压精度提高一个数量级。利用传感器对多种工作参数的敏感性,还可以实现多参数测量。本文在不增加任何设备的情况下,实现了用一个压力传感器同时测温和测压,且测压精度提高一个数量级,测温精度优于±１０℃,大大提高了压力传感器的性能价格比。     

两电机变频调速系统的改进RLS逆模型辨识

为弥补现有两电机变频调速系统逆模型辨识中存在的不足,提出一种多模型LSSVM逆模型辨识方案.依据多模型思想,利用LSSVM拟合系统局部逆模型中的非线性映射,将各局部逆模型加权输出,建立离线初始逆模型.根据逆模型输出与系统输入的偏差,通过改进的RLS算法自适应调整局部逆模型权值,对初始逆模型在线校正,使其适应对象的变化,提高辨识精度和收敛速度.分析了两电机变频调速系统及可逆性,阐述了改进的RLS算法和LSSVM算法,给出了多模型LSSVM辨识方案的实现步骤,并对辨识效果进行了仿真试验.仿真结果表明,新型辨识方案是可行有效的,适用于两电机变频调速系统的逆模型辨识.