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部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。     

基于递推最小二乘改进算法的洪水预报模型研究

由递推最小二乘算法估算出的自回归系数在一定条件下具有最佳的统计特性,但在实际应用中,这种方法往往难以动态地把握水文现象的动态特性.为提高自回归洪水预报模型的精度,分别用衰减记忆、有限记忆及2种算法相结合的方法对基本的递推最小二乘算法进行改进,并利用这几种改进算法对白马寺水文站的实测径流序列进行了模拟演算.结果表明,这3种改进的递推最小二乘算法,都可以使自回归洪水预报模型取得较好的预报效果,但实际应用时应根据不同预报的侧重点选择相应的算法.     

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.     

基于CPSO算法的岩石蠕变模型非定常参数反演分析

针对粒子群优化(PSO)算法具有全局寻优能力强、无梯度信息、收敛速度快、算法简单但易陷入局部最优解且初始化解的质量不高的特点,利用混沌的遍历性,把混沌机制和粒子群优化算法结合起来,对粒子群优化算法进行了改进,提出了混沌粒子群优化算法,并利用混沌粒子群优化(CPSO)算法对岩石蠕变本构模型的非定常参数进行了反演分析,算例结果表明,采用该混沌粒子群优化算法反演非定常参数是可行的.     

基于最小二乘法的递推回归

推导出基于最小二乘法的回归系数、总离差平方和、残差平方和、回归平方和的递推计算公式,在此基础上可计算决定系数和复相关系数,并进行回归方程的显著性检验和回归系数的显著性检验.在整个递推计算过程中,只有在第一步计算回归系数时需要求逆矩阵,其余步骤均不需要求逆矩阵,可大大减少计算量.     

一种改进的岩石黏弹塑性加速蠕变力学模型

为了全面描述岩石蠕变全过程,克服线性牛顿体不能准确描述加速蠕变的不足,在引入非线性蠕变体模型基础上,结合流变力学模型理论,定义应力与试件长期强度的比值为加速蠕变速率幂级数n,模型发生加速蠕变时的总蠕变量为蠕变特征长度εc,进而得到一种改进的能够描述岩石黏弹塑性加速蠕变的力学模型。结合东乡铜矿砂质页岩单轴压缩下分级增量循环加卸载蠕变试验,对模型参数的辨识进行解释,并将该模型的蠕变拟合曲线与实验的蠕变曲线进行对比。研究结果表明:该模型能很好地描述了岩石的加速蠕变特性。     

甘肃天水泥岩压缩蠕变特性试验及模型研究

甘肃天水地区黄土-岩质滑坡和岩质滑坡分布面积较广,数量较多,且滑面多处于泥岩中。为了进一步探究软岩的蠕变特性,了解滑坡变形破坏的本质,采用YSJ—01—00岩石三轴压缩蠕变试验仪对天然状态下的甘肃天水泥岩进行了分级加载条件下的三轴压缩蠕变试验,得到了泥岩的蠕变全过程曲线、不同应力水平下的应变-时间曲线和长期强度。通过对其蠕变特性进行分析,提出了一种改进的西原模型和模型的破坏判据,并利用改进的西原模型对泥岩压缩蠕变曲线进行拟合,获得了泥岩的蠕变参数,推导出蠕变破坏的时间。分析结果表明,改进的西原模型能够较好地描述泥岩的蠕变规律,特别是加速蠕变阶段,这有利于滑坡临滑预报的研究,对甘肃地区黄土-岩质滑坡、岩质滑坡和其他软岩研究等具有重要的科研意义和工程意义。     

一种基于滑动最小二乘法的精确同步方法

最小二乘拟合鉴相曲线的方法可以实现精确同步,但其只能工作在很小的误差范围内,适用范围窄。提出一种基于正斜率和误差平方和最小准则的滑动最小二乘精确同步方法,该方法在粗同步前后各一个码片范围内进行滑动搜索选出最优测量结果。分析和仿真结果表明,该方法具有很强的抗噪声能力,并且在粗同步误差较大时依然具有很高的测量精度。