基于最小二乘法的飞行员模型参数辨识

针对飞行员与飞机相匹配的特点,采用最小二乘法对飞行员模型进行参数辨识.根据Hosman感知模型的特点,确立待辨识参数,为提高辨识精度,重点分析了辨识数据野值的剔除和补正.在俯仰工况下,利用最小二乘递推算法辨识参数,并在研究用Boeing 737-800飞行模拟机上对该方法进行了试验验证.结果表明,飞行员模型的仿真输出曲线与飞行测试数据之间的升降舵角度误差小于0.3°,俯仰角误差小于0.5°,说明通过该方法获得的模型参数能够反映飞行员实际的操作行为.     

基于粒子群算法的滑坡强度参数反演分析

介绍了一种全局最优化算法——粒子群算法,并把该算法应用到滑坡强度参数反演分析中。实例表明,该方法是一种有效的工程分析方法,具有现实的工程意义。     

基于自适应粒子群参数优化的最小二乘支持向量机用电量预测模型

为应对当前复杂非线性的宏观经济形势与电力消耗情况,本文提出了一种自适应粒子群算法改进的最小二乘支持向量机负荷预测模型。根据粒子群中粒子的成熟程度对其进行分类,对不同类别的粒子分别采取不同的位置更新方式,可以保持粒子种群多样性,避免造成局部最优。利用自适应粒子群算法优化最小二乘支持向量机的模型参数,经过实证分析能够一定程度提高模型的预测精度,可以为中长期负荷预测工作提供一些的参考。     

利用最小二乘法估算Shooman模型中的参数及其程序实现

本文给出Shooman模型中参数的一种有效的估算方法，能使整体性能最优的最小二乘法。并给出其具体的程序实现。     

确定隐函数中参数的最小二乘法

将最小二乘法推广到了隐函数情形，简化了一些实际问题的处理。文中给出了插值和非线性回归两种情况下的最小二乘法原理，并讨论了具体的算例。     

粒子群算法在时效变形参数反演中的应用

以往的现场刚性承压板压缩蠕变试验中都假设岩体变形为黏弹性变形,然后推求岩体的蠕变变形公式,并结合最小二乘法反演获得蠕变参数,这种方法由于进行了黏弹性变形的假设从而无法考虑岩体的黏塑性变形,为此,采用粒子群智能算法的数值反演方法进行研究,并且提出将流变模型中控制瞬时变形和时效变形的2种参数分开反演的二次粒子群算法。研究结果表明:采用这种方法可以有效地减小反演的难度,提高了反演精度;将此方法应用于现场压缩蠕变试验的参数反演,拟合时效变形参数曲线与试验曲线较吻合,从而可获得相应的流变参数。     

论最小二乘圆参数的算式

近来有人对最小二乘圆的参数,提出精确算式:a=1/n∑x_i,b=1/n∑y_i,R=1/n∑((x_i-a)~2+(y_i-b)~2)~(1/2)笔者按最小二乘原理推证:此式不能精确得到,并论证了此式的错误原因.     

基于最小二乘法的锂离子电池参数辨识方法研究

目的 针对使用戴维南等效电路模型对锂电池进行参数辨识不够精确的问题,提出一种二阶 RC 等效电路模型并对锂电池进行参数辨识。 方法 通过脉冲放电实验得到锂电池的相关数据,在 MATLAB 上使用最小二乘算法对所建立的二阶 RC 等效电路进行参数辨识,并对不同 SOC(State of Charge)下锂电池各个参数的变化情况进行分析,通过计算锂电池的端电压来判断参数辨识的精确度,最后将辨识结果与戴维南等效电路模型所辨识的结果进行对比并分析。 结果 随着锂电池 SOC 下降,锂电池的各个参数会有轻微的波动,在锂电池的 SOC 处在较低的水平时,锂电池的各个参数变化比较剧烈,这是由于锂电池的化学浓差极化所导致的,当将辨识的参数用来求解锂电池的端电压时,随着时间的推移,发现锂电池的端电压的误差波动比较稳定,且最大误差不超过 0. 05 V,反观使用戴维南等效电路模型求得锂电池的端电压误差波动比较大,且最大误差超过了 0. 08 V。 结论 在锂电池参数辨识上二阶 RC 等效电路比戴维南等效电路更加准确,能够更好地描述锂电池的动静态特性,为后续对锂电池的荷电状态估计提供了有力的基础。     

整体最小二乘法与最小二乘法的差异性分析

加权整体最小二乘法(WTLS)估计变量误差模型(EIV)参数需要进行大量的矩阵运算,为了提升估计EIV模型参数的计算效率.本文以WTLS的平差准则为出发点,运用矩阵运算定理,研究了WLS与WTLS平差准则之间的联系,从理论上证明了最小二乘法(不加权)与整体最小二乘法(不加权)估计EIV模型参数的等价性;同时分析了在EIV模型参数是微小量的条件下,用加权最小二乘法(WLS)直接代替WTLS估计EIV模型参数的可行性.模拟结果表明,在坐标转换参数是微小量的情况下WLS和WTLS的解算结果基本一致,验证了理论分析的正确性.     

基于最小二乘法的Bouc-Wen模型参数辨识

Bouc-Wen模型是工程中应用比较广泛的一种迟滞模型,能够产生一系列不同的光滑滞回曲线,但在实际应用中,因其数学表述上的复杂和参数物理意义不明确而使得其参数辨识存在一定的难度.文中提出一种基于最小二乘法原理的参数辨识方法,它根据系统的输入和输出直接辨识模型中的等定参数,通过在电梯导靴摩擦力建模中的应用表明该方法辨识精度较高,具有较好的实际应用价值.     

基于偏最小二乘与神经网络耦合的储层参数预测

将偏最小二乘回归(PLS)与神经网络(NN)耦合,建立了储层参数预报模型.利用偏最小二乘对影响储层参数的诸多因素进行分析,提取对因变量影响强的成分,从而克服了变量间的多重相关性问题,降低了神经网络的输入维数;同时,利用神经网络建模可以较好地解决非线性的储层参数预测问题.计算实例表明,本耦合模型的拟合和预报精度优于独立使用神经网络模型的精度.     

岩石试件非线性蠕变模型及其参数确定

以改进的西原模型为基础，结合岩石的应力应变特征，对模型中的粘滞系数进行了改进，推导出的蠕变方程可描述岩石第三阶段的蠕变特性，同时对蠕变模型中的参数进行了确定；并运用MATLAB程序，结合实例作出改进蠕变方程的曲线及蠕变曲面并与通过实验所得曲线进行比较，改进的蠕变方程更能反映岩石的第三阶段蠕变变形。     

最小二乘法和BP神经网络在特种筋材蠕变预测中的应用

对目前广泛应用于加筋土工程的特种筋材--CE131土工网、SDL25土工格栅进行了不同应力水平作用下2年的蠕变试验,获得了大量的实验数据.在此基础上,运用最小二乘法和BP神经网络就其蠕变量进行预测,并将两种预测方法的精度加以对比和分析.     

煤岩非线性损伤蠕变模型探析

为了研究煤岩蠕变特性,分析前人煤岩蠕变特性实验结果,在广义Kelvin模型的基础上建立了煤岩非线性损伤蠕变理论模型。假定煤岩损伤演化是应力和时间的函数,同时引入非线性硬化函数推导了煤岩非线性损伤衰减蠕变方程和蠕变全过程方程。任意给定方程中材料参数和加载条件,理论得到了煤岩衰减蠕变和蠕变全过程随时间变化曲线,对比前人煤岩蠕变实验结果,验证了用理论模型去研究煤岩的蠕变特性是可行的。     

基于偏最小二乘回归的研制费用估算模型

进行了导弹研制费用分析,建立了费用特征参数的量化模型.为解决因样本数据少引发的研制费用估算精度低的问题,引入了偏最小二乘回归灰色组合模型,并针对一组费用数据进行了实际应用.结果表明估算精度较高.     

基于最小二乘回归模型的EIT数据分析

医学电阻抗成像技术（EIT）是当今生物医学工程领域重大研究课题之一。本文利用最小二乘回归模型分析了圆形场EIT扫描数据,实现了场域内干扰物质的相对尺寸及相对位置的确定,为实现EIT动态心肺监测活动奠定基础。     

基于偏最小二乘法回归的工序质量建模

针对制造工序质量控制问题,应用多元统计分析中的偏最小二乘回归法建立了质量模型.利用该模型可以定量分析加工工序与最终成品率之间的关系,进而通过将大量的工序影响因子约简得到主要影响因子子集.根据在线生产的相关质量数据,采用非线性迭代偏最小二乘法获得影响因子的权重.得到偏最小二乘因子权重可以在线预测成品质量变化,避免离线测试.在半导体制造实例研究中,以工序质量水平为自变量,成品质量水平为因变量,建立了质量水平传递模型,应用该方法可实现多工序质量异常的在线诊断和预测,为质量控制提供了定量依据.     

基于严密模型的多基线InSAR高程反演方法

针对常用多基线干涉合成孔径雷达(In SAR)高程反演方法基于简化模型、精度低、计算量大的问题,该文提出一种新的多基线In SAR高程反演方法。该方法引入严密几何关系的三维重建模型,并添加干涉相位的整周期数作为求解参数,迭代求解目标点的三维坐标。由于该方法采用目标点三维坐标信息连接不同干涉数据,明显降低了系统误差对整周期数求解的影响,因此较常用多基线In SAR高程反演方法更具可靠性。机载数据实验结果表明:对于定标数据,该文方法结果的精度与最大似然高程估计(MLHE)方法相同;对于未定标数据,该文方法结果的精度优于MLHE方法;MLHE方法的数据处理时间为该文方法的6~7倍。在星载数据实验中,MLHE方法耗时351 s,该文方法耗时14 s。     

基于信道缩短的UWB信道最小二乘估计

在使用最小二乘算法进行超宽带(UWB)信道估计时,当信道冲激响应的长度大于发送脉冲的帧长度,则在接收端会产生各个脉冲冲激响应之间的相互干扰,影响信道估计的效果.提出使用信道缩短技术,对实际信道的长度进行缩短,估计出缩短信道后再恢复成实际的超宽带信道.仿真实验表明,在信道长度大于脉冲帧长度时,仍然能很好地估计出信道,有效地解决干扰问题.