Volterra模型参数灰色辨识的变步长Simpson数值积分法

针对观测数据的非等间隔性及波动性严重影响参数辨识精度问题,基于拉格朗日插值公式,推导出了变步长Simpson数值积分公式,并结合灰色系统理论,提出了一种模型参数灰色辨识的改进方法.用此方法对Volterra模型中的参数进行了辨识仿真,与以往的曲线拟合方法进行了对比分析,并简要分析了模型的初值问题.计算研究表明,基于变步长Simpson数值积分公式的灰色辨识方法在处理非等时间间隔以及数据波动性较大的参数辨识问题时稳定性较好,可满足高精度辨识模型参数的要求.     

带导数的自适应变阶积分公式

利用自适应Simpson算法和基于Hermite插值导出的带端点导数的Romberg外推算法结合思想,提出一种新型的带端点导数的自适应变阶积分公式:它兼有变步长计算和逐步提高数值积分法收敛阶的优点。数值算例表明,当被积函数在积分区间上变化性态急剧多变时,与自适应Simpson算法和Romberg外推算法相比,新算法的求解精度有了较大提高。当精度要求一定时,新算法大大减少了计算量。     

利用样条函数导出数值积分公式

利用样条函数导出数值积分公式是一种新的数值积分公式的构造方法.利用样条函数可以近似地表达被积函数,推导出Simpson求积公式.通过一定的方法可以对Simpson公式的精度加以检测.     

第二类Fredholm积分方程的数值解法

首先介绍了第二类Fredholm积分方程,然后设计求解第二类Fredhlom积分方程的数值格式,即利用Simpson公式或Gauss型求积公式进行数值积分,寻找近似解■(x).算例结果表明,该数值解法具有高精度性质.     

一种变步长和变阶计算的自适应数值积分算法

将自适应Simpson算法和Romberg外推算法相结合,提出一种新型的自适应S-R(Simpson-Romberg)算法,它兼有变步长计算和逐步提高数值积分法收敛阶的优点.若干数值比较算例表明,当被积函数在积分区间上变化性态急剧多变时,与自适应Simpson算法和Romberg外推算法相比,它具有明显优势.     

基于群居蜘蛛优化算法的自适应数值积分皮尔逊-Ⅲ型曲线参数估计

伽马函数数值积分确定皮尔逊-Ⅲ型曲线的相关参数,关键在于横向坐标方向上积分的计算,核心在于合理选择步长以保证计算精度.为了能够更好地提高数值积分的计算精度,利用绝对误差公式确定基本步长函数,推导了较为完善的变步长积分函数,采用该函数能够快速计算出水文序列在皮尔逊-Ⅲ型分布下所对应的频率值.该方法和群居蜘蛛优化适线法相结合,依据横向离差平方和最小的适线准则,用于估计一般洪水和特大洪水序列的水文频率曲线参数.实例验证结果表明:该方法得到的皮尔逊-Ⅲ型理论频率曲线与传统的矩法和权函数法相比对经验点据拟合效果较好,精度较高,在水利工程设计中有较大的应用价值.     

基于Fibonacci数列的变步长相关分析辨识算法

相关分析辨识算法在工程上是一种常用的参数辨识算法,文章在介绍该算法基本原理的基础上,将Fibonacci数列引入该算法,并在算法中采用基于修正的Fibonacci数列的变步长方法寻优模型参数。仿真结果表明,寻优的收敛速度明显加快。     

两类数值积分公式的改进

利用数值积分公式的余项表达武,对梯形求积公式和Simpson公式进行适当的修正,从而得到具有3次代数精确度的改进梯形求积公式和具有5次代数精确度的改进Simpson公式.     

数控机床热误差变参数GM(1,1)的建模

为提高数控机床的加工精度,减少热误差对零件加工质量的影响,对热误差变参数灰色GM(1,1)在线预测模型进行研究.变参数灰色GM(1,1)在线预测模型能直接运用热误差时间序列值进行单序列建模,并给出模型参数的逐步迭代公式,根据不断输入的新数据,变参数模型能利用迭代公式,及时修正模型参数.以某精密卧式加工中心为研究对象,对所提出的变参数灰色GM(1,1)模型进行应用验证,并与传统的,1)模型和新陈代谢GM(1,1)模型进行对比研究.对比分析的结果表明:变参数灰色GM(1,1)模型很好地解决了传统的GM(1,1)模型难以预测大样本数据和非线性变化趋势的问题,且比新陈代谢GM(1,1)模型建模运算量小、求解时间短.变参数灰色GM(1,1)模型的预测值与实验结果对比表明,该模型预测精度高、通用性好,适用于机床热误差建模预测,进而提高机床的加工精度.     

关于复合型数值求积公式的几点注记

复合型数值求积公式不仅是数值积分理论部分的主要内容,也是数值积分求解实际问题的重要方法.针对两种常用的复合型求积公式,即复合梯形公式和复合Simpson公式,通过实际算例验证了两种方法的理论,并分析了它们的计算精度和效率,为学习和使用复合型求积公式的学生及工程人员更好地理解和运用公式提供了参考和铺垫.     

基于分数信号处理的变步长自适应振动主动控制方法研究

针对自适应振动主动控制系统中次级通道的辨识精度严重影响振动控制效果的问题,分析了常规的次级通道在线辨识算法存在的问题,提出一种基于分数信号处理的双步长两阶段变步长策略的次级通道在线辨识方法。该方法使用基于分数信号处理的自适应算法代替传统的最小均方(least mean square, LMS)算法进行次级通道的在线辨识,同时给出了一种双步长的两阶段变步长策略,在次级通道辨识环节收敛前后应用不同的变步长策略以提高辨识精度和降低辨识环节的波动。仿真结果表明,与现有方法比较,该方法的次级通道辨识收敛速度更快,系统收敛后的波动更小,次级通道的辨识精度和系统的稳定性都有了明显的提升。经验证,该方法有效解决了常规的次级通道在线辨识算法收敛速度慢、辨识精度低和辨识环节波动大等问题,具有更好的振动控制效果。     

单节点高精度数值积分公式

对数值积分中点公式进行了推广和改进，推导出了几个单节点高精度数值积分公式。     

单节点重积分数值积分公式

在重积分中点数值积分公式的基础上，建立了两个单节点高精度重积分数值积分公式     

运用Matlab实现数值积分的教学研究

针对数值积分知识点,运用Matlab软件的图像功能,结合具体实例阐述了数值积分思想和解题过程,针对复杂函数的突变性,构造差分变步长积分方法,应用Matlab直观地分析了该方法的适用性。运用Matlab使得数值积分知识点的讲解更加直观简洁,有利于学生对数值积分方法的理解和掌握。     

柔性多体系统动力学典型数值积分方法的比较研究

为合理选用积分方法,对柔性多体系统动力学中8种典型的数值积分方法的性能进行了比较研究。以中心刚体-柔性悬臂梁系统为研究对象,运用第二类拉格朗日方程建立系统高次耦合动力学模型。采用8种典型的数值积分方法对方程进行求解,比较了计算效率、数值精度等。结果表明:显式方法较隐式方法更依赖于时间步长的选取;在同等时间步长下,隐式方法的计算效率低于显式方法,隐式方法可以通过放大时间步长提高计算效率;自启动自动变步长且自动变阶的吉尔(Gear)法计算效率高且其更合适于计算广义质量阵为常元素阵的动力学方程;希尔伯特-修斯-泰勒(HHT)法、广义-α法可以通过放大时间步长提高计算效率,但计算精度降低。     

基于灰色模型的广义预测控制直接算法

基于灰色模型GM（1,2）,采用两个辨识器分别辨识被控对象和闭环系统的参数,从而得到了控制器的参数,给出了一种广义预测控制的直接算法.由于此方法将被控对象视为灰色系统,需辨识的参数较基于CARIMA或CARMA模型的广义预测控制直接算法大大减少,实时性进一步提高.仿真结果表明,该方法是有效可行的.     

优化灰色GM(1,N)-加权Markov模型在道路交通噪声预测中的精度研究

通过对北京市2007年至2016年城市道路交通噪声及相关影响因素数据分析,以GM(1,N)模型为基础,建立了优化灰色-加权Markov模型,为有效控制交通噪声污染提供理论依据和决策意见。首先,利用平滑公式对原始数据进行预处理,用数值积分中的Simpson公式改变背景值来提高传统多因素GM(1,N)模型精度。其次,用加权Markov模型对得到的模拟值中的异常值进行了修正,将其应用到城市交通噪声的预测上,实证计算表明优化灰色GM(1,N)模型的模拟值与实际值拟合效果很好,比传统的GM(1,N)模型精度有较大提高。最后,用该模型对北京市2017年和2018年城市交通噪声进行预测,基本符合噪声数据实际变化趋势。     

一种广义预测控制直接算法

基于灰色模型GM（1，2）采用两个辨识器分别辨识被控对象和闭环系统的参数，从而得到了控制器的参数，给出了一种广义预测控制的直接算法。由于此方法将被控对象视为灰色系统，需辨识的参数较基于CARIMA或CARMA模型的广义预测控制直接算法大大减少，实时性进一步提高。仿真结果表明，该方法是有效可行的。     

动态系统模糊模型的快速辨识及其应用

本文提出一种快速MISO模糊辨识方法,它由前提结构辨识、前提参数辨识和结论参数辨识等三部分构成。仿真研究表明:本辨识方法可产生高精度模型,并且具有较小的计算量。     

基于自相关的GM（1，1）与GM（1，N）联合模型优化及应用

分析基于自相关理论的GM（1,1）与GM（1,N）联合模型,将仅适合GM（1,1）模型的数据拓展到适合GM（1,N）模型。用数值积分中的Simpson公式来重建GM（1,1）与GM（1,N）的联合模型,在参数辨识过程中引入累积法,降低线性方程组系数矩阵的条件数,使联合模型求解更加稳定,提高了模拟及预测精度,并且克服了原GM（1,N）模型必须获得预报时刻点相关数据列的值的缺陷,有利于新息GM（1,N）模型的应用。数值实验结果表明,优化后模型数值稳定性好,其系数矩阵的条件数在数值上比通用的最小二乘法有所降低,且模拟平均相对误差也有所降低,预测精度得到提高。