矿压观测缺失数据的Fourier拟补方法

根据Fourier级数的特点和预板运动过程中矿压观测数据呈明显波动规律性,提出了由客观因素而造成矿压观测数据缺失的有限Fourier级数的拟补方法,并证明了Fourier级数对呈波状特征的观测数据拟合的最佳性,实例分析表明,该方法具有较高的拟合程度,拟补数据可信.     

基于最少控制点的非均匀有理B样条曲线拟合

针对叶片型线的优化设计,提出采用自适应方法提取合适的节点来插值非均匀有理B样条(NURBS)曲线的算法,实现了满足一定精度要求的数据点云拟合以及控制点的计算.该方法首先通过点云外形特征提取主特征点,把主特征点作为节点插值NURBS曲线,通过德布尔递推公式求解控制点,然后根据误差及曲率信息自适应地增加节点反复迭代,直到达到要求的拟合误差精度,从而简洁有效地实现了大量数据点云的拟合.相比传统方法,该方法能够更快地达到要求的逼近精度,同时将误差与曲率信息结合起来调整节点,不仅适合于有局部大曲率及有噪声点的数据点云的曲率计算,而且可用于估计插值节点的数量和工业逆向设计中空间曲面控制点的提取,为优化设计奠定了良好的基础.     

一种适合磁异常反演的正则化因子选取方法

为更精确地确定地下磁性物质的分布,结合工程勘察中的磁法探勘和位场反演特点,借鉴Zhdanov等提出的自适应正则化因子选取方式,提出一种适合磁异常反演的完全自适应正则化方法。在进行一次常规自适应算法的基础上,得到估计的正则化因子初始值,根据数据拟合的下降效率确定合适的正则化因子的计算值,并采用较大的衰减因子,通过自动衰减正则化因子在考虑计算效率的条件下得到较好的数据拟合和稳定的反演结果。模型实验表明,此方法的数据拟合效果比L曲线法更好,同时在解稳定的前提下减少了迭代次数。     

基于压缩感知与LS_SVM的三维组织表面重建

针对在三维表面上均匀采集的少量数据点,提出一种基于压缩感知与最小二乘支持向量机(LSSVM)的三维组织表面重建方法.通过结合采用拟合与插值方法得到与待重构表面数据相同数目的数据点集,采用离散余弦变换(DCT)分别得到其三维坐标的稀疏系数,用设计的自适应观测矩阵进行观测,并选用正交匹配追踪算法作为重构算法,最后采用LS-SVM回归预测模型对压缩感知重构结果进行修正.实验结果表明:该重建方法得到的组织表面数据误差小,能保持在1mm左右,重建表面光滑,为基于虚拟现实的虚拟手术系统提供了精确的表面数据模型.     

基于广义统一概率图的东南沿海风速概率分布研究

传统的概率分布选择方法是基于观测数据在假设分布概率纸上进行绘制,由于受到概率纸的限制无法进行直接比对分析.本文提出了一种新的广义统一概率图(GUPP)方法,通过Rosenblatt变换,将假设分布转换到统一概率纸上进行直观比对,并提出基于GUPP的拟合优度快速检验方法及参数,该方法可用于大数据量和大范围假设概率分布的快速拟合和检验.采用本文方法对厦门地区1953-2015年采集的实时风速数据进行统计分析及拟合,结果显示Pearson-Ⅲ分布可以更好地模拟厦门地区年10 min平均最大风速的分布规律,以此更准确地确定厦门地区基于不同回归期的设计最大风速.     

基于相空间重构和奇异谱分析的混沌信号降噪

为了从被噪声严重污染的观测数据中重构混沌信号,文中提出了一种基于相空间重构和奇异谱分析的混沌信号自适应降噪方法.由于混沌信号具有类噪声特性,传统的奇异谱分析方法在处理混沌信号时难以辨识信号成分对应的奇异值数目.为此,文中通过在相空间比较混沌信号和噪声统计特性的差异来估计奇异值数,实现了自适应降噪.对计算机模拟生成的混沌信号和太阳黑子数的实际观测数据分别进行了降噪实验,结果表明:文中方法能准确地估计奇异值数目并有效地重构原混沌信号;与现有的混沌信号降噪方法相比,文中方法在噪声抑制性能上有优势,重构的相图质量也更好.     

基于最大平衡度的自适应随机抽样算法

针对分类算法在非平衡数据集的情况下分类性能不理想的问题,总结了常见的数据平衡化方法,包括改造数据集与改进算法,提出一种全新的基于最大平衡度的自适应随机抽样算法,进一步优化了随机森林算法的分类效果.将其应用在随机森林算法的数据预处理阶段,并通过实验证明了该随机抽样方法的有效性,在合理的整体精度范围内能够较好地处理非平衡数据.产生的新数据比较拟合初始数据,能够提高分类器处理非平衡数据的能力.     

响应变量随机缺失下线性回归模型的自适应期望递归最小二乘算法

在响应变量随机缺失MAR机制的前提条件下, 针对线性回归模型, 提出了一个新的期望递归最小二乘算法(Expectation Recursive Least Square, ERLS), ERLS方法巧妙的结合了EM算法和RLS的优点, 自适应的递归估计回归系数, 从而避免了高维数据的相关矩阵的求逆困难. ERLS算法是实时自适应处理算法, 无需存储全部数据集, 在观测数据存在野值时, ERLS算法优于LS方法.     

基于VMD的瓦斯信号自适应压缩感知算法

将压缩感知算法和变分模态分解相结合,应用于煤矿瓦斯数据的处理。考虑到现有的压缩感知算法在对瓦斯处理的过程中存在着重构精度低,重构过程复杂和需要较多的样本观测值等问题,因此提出一种基于VMD和自适应观测矩阵的压缩感知算法,有效解决了以较少的样本观测值数据实现信号高精度重构的问题,同时自适应地选择观测矩阵,避免了对稀疏信号的同类化投影选择。首先将瓦斯信号经过VMD进行分离,得到一系列瓦斯信号的本征模态函数分量,通过设定阈值保留有效信息,使得信号更加稀疏化;其次通过自适应地观测矩阵对稀疏信号进行投影变换,从而降低观测矩阵和稀疏字典的不相关性。实验以煤矿瓦斯数据为研究对象,将瓦斯数据经过VMD分解进行稀疏化处理和使用构造的自适应观测矩阵进行投影选择,MATLAB仿真实验证明,文中的算法有更高的信噪比和更好的重构质量。     

自适应幂函数数据拟合方法及其应用

针对水电站中水轮机蜗壳压差法测量流量的实际问题,提出了自适应幂函数数据拟合方法,大量实际例子计算表明,所提出的方法,可以在实际中得到应用。     

基于表格形气动数据的滑翔飞行器轨迹优化

高精度的气动测力数据通常以表格形式给出.针对滑翔飞行器轨迹优化中表格形式气动数据的拟合问题,提出一种二维平滑保形拟合方法.首先对气动数据进行一维平滑保形拟合,接着采用张量积方法进行拟合维度的扩展.典型表格形式气动数据的拟合效果表明,在给定的拟合精度约束下,方法拟合的曲面二阶连续可导,并保持表格数据呈现出的单调性.采用该方法拟合的气动数据建立轨迹优化模型,采用自适应Legendre-Gauss-Radau配点法进行轨迹优化,以优化得到的最优弹道俯仰角作为开环控制指令进行弹道仿真,仿真结果与最优弹道的整体吻合度很高.      

StephensonⅢ型六杆间歇机构近似函数综合自适应方法

提出了平面机构连杆曲线局部自适应拟合方法,定义了连杆曲线具有三次鞍点意义的局部自适应圆、局部自适应直线,把六杆间歇机构近似函数综合转化为平面曲线局部自适应拟合问题,建立了StephensonⅢ型六杆间歇机构近似函数综合的数学模型,给出了可同时保证输出函数间歇与非间歇部分精度要求的优化求解方法,算例表明该优化过程是可行的.     

一种稀疏度拟合的图像自适应压缩感知算法

针对运用压缩感知理论对图像进行自适应压缩采样时,采样率及稀疏度阈值确定具有很强的主观性,提出一种稀疏度拟合的精确自适应采样算法.该算法通过循环迭代来确定各个稀疏度下满足PSNR要求的最低采样率,利用最小二乘法对稀疏度及采样率数据进行拟合,得到稀疏度-采样率选取的最佳目标函数.基于TVAL3重构算法对上述自适应采样算法进行了实验仿真,结果表明,重构图像的PSNR均高于用相同值的固定采样率重构的PSNR值,其中纹理特征区分明显的图像此PSNR差值能达到3.5 dB以上.相比粗糙自适应算法,平均采样率比其降低的同时,重构图像仍得到了更高的PSNR值.      

滑翔式飞行器高空自适应跟踪制导控制方法

针对具有较大机动能力的滑翔式高超声速飞行器在复杂高空环境再入的问题,提出了一种基于LQR （线性二次调节器）的多状态自适应跟踪制导方法.该方法基于飞行器量纲一化的再入运动模型,考虑滑翔式飞行器各特征参数和飞行约束设计出基本安全飞行走廊,用拟合法将标准弹道综合成航程-高度-速度-航迹角函数.然后设计了基于LQR的多状态跟踪制导律,并采用多项式拟合法实现全弹道制导律的增益调度函数;形成了一套完整的滑翔式飞行器再入过程基于标准轨道的多状态LQR制导方案设计.并通过仿真计算,验证了该制导方法,表明该方法是有效、高精度的飞行器高空自适应跟踪制导方法.      

MATLAB曲线拟合在霍尔效应实验中的应用

通过霍尔效应实验测量数据,利用Matlab软件拟合磁场分布曲线,并对磁场分布规律予以分析。拟合曲线的方法分别使用了Matlab语句、Curve Fitting Tool工具箱和Basic Fitting工具箱。     

变数据窗阻抗算法的仿真分析和综合应用研究

采用频率响应特性分析方法 ,对典型变数据窗阻抗算法的频域特性以及滤除非周期分量的能力进行了综合比较和分析 .通过数字仿真计算 ,对各算法在实际故障情况下的估计性能进行了研究 .根据各算法的估计性能特点 ,提出了不同算法的自适应综合应用方案 .     

一种改进的自适应阈值分块曲面滤波方法

针对传统的分块曲面滤波算法使用固定阈值进行滤波时造成的误分现象,提出了一种改进的自适应阈值分块曲面滤波算法.首先采用高斯滤波以及K-D树(K-dimensional树)滤波对异常点云进行剔除;然后利用网格法对点云进行逐级分块,并以曲面拟合的方式自动获取块域种子点,降低种子区域过大造成的滤波影响,从而建立了顾及块域面积及块域内最大高差两个因素的滤波阈值自适应模型.利用3组不同的数据对传统算法与改进算法进行滤波对比试验,结果表明改进方法不仅解决了人工选取种子点带来的问题,还能有效降低两类误差,充分验证了改进算法的可靠性.     

基于自回归滑动平均模型和粒子群算法的地震子波提取

基于自回归滑动平均(ARMA)模型理论,对地震子波进行参数化建模,采用累积量拟合法精确估计参数,使地震子波提取问题最终归结为一个多参数、多极值的非线性函数优化问题。对基本粒子群算法进行改进,通过自适应参数调整和边界约束,克服基本粒子群算法易陷入局部极值的缺陷,同时提高算法寻优精度和计算效率。仿真数据试验结果验证了改进的粒子群算法在地震子波提取方法中的有效性和稳定性。     

用基于实数编码的自适应遗传算法求解产量预测模型

产量预测模型本质上都是具有若干待定参数的非线性模型 ,对它的求解可表示为一个连续参数优化问题。用基于实数编码的自适应遗传算法对产量预测模型进行了求解 ,并针对模型求解的特点 ,提出了自适应变异、最优个体保留、分段定义变加权适应度函数等若干改进措施 ,从而加快了运算速度 ,保证了问题的收敛 ,并可按需要区别对待不同时间阶段动态数据对拟合效果的影响。该方法具有通用性 ,几乎所有的模型都可用其求解。用实测数据对Weng旋回模型和产量双曲递减曲线进行了求解 ,实例分析表明该算法具有较强的实用性。     

噪声环境中的EMD改进算法

经验模式分解(Empirical Mode Decomposition,EMD)是近年来出现的一种自适应的信号分解算法,该方法受到了广泛的关注,被成功应用于许多领域。然而,当信号包含噪声时,它存在过度分解的弊端,容易受噪声的干扰,因而严重地限制了该方法的推广。为了解决这一问题,提出了一种改进的EMD方法:在首轮分解时,采用光滑样条拟合来代替原来的三次样条插值,可避免对噪声成分过度分解,从而极大地减少了噪声成分的干扰。仿真实验证实了新方法有显著的改进效果;两个实际气候数据序列分解的例子进一步说明了新方法的有效性和优越性。