用于电力系统电磁暂态分析的网络等值研究

在电力系统电磁暂态模拟中,等值网络的应用能有效地减小模拟设备(TNA)的规模及所需计算机的内存和时间.为拟合一端口被等值网络的频率特性,本文对移去与谐振点相对应的极点的一端口网络综合方法进行了改进,井首次用最小二乘法的量测方程求取等值网络参数,克服了用优化方法求等值网络参数稳定性差和计算时间长的缺点.     

非线性系统参数识别的频域方法

系统识别是现代控制过程的关键环节．本文提出了一种识别弱非线性振动系统参数的方法．本方法中，参数识别的数学模型是系统的一阶近似频率响应函数．首先，用多尺度法导出弱非线性强迫激励系统的频率响应函数．接着，利用非线性参数变换将此频率响应函数变换为系统参数的线性函数，在此基础上用最小二乘法识别系统的参数．最后，通过数值模拟检验了方法的精度．     

大型风电场动态等值的改进支持向量聚类算法

针对风速波动性强与风电场多样性导致的风机聚类参数多样化的特点,提出了一种基于支持向量聚类(SVC)的大型风电场动态等值聚类算法。该算法应用遗传算法实现簇标定,采用分段多目标函数迭代求解,保证了聚类结果的精度与速度,克服了传统SVC簇标定抽样判决的不足。应用样本轮廓值修正聚类结果,保证聚类结果的合理性,根据等值前后风机机端电压不变原则建立了电缆等值模型。以实际风电场为算例进行仿真,结果表明,该算法单次聚类时间为SVC的4%左右,采用遗传算法能够实现不同精度的等值机台数优化,得到的等值机与簇内单机的有功功率、无功功率动态特性具有较高一致性,轮廓值修正能够保证聚类结果的样本轮廓值都大于0。     

非线性连续系统动态模型参数拟线性识别研究

本文给出了非线性连续系统动态模型中参数的拟线化识别方法,它与非线性最小二乘的估计参数的方法相比具有收敛速度快的优点．     

生产函数中参数估计方法的进一步改进

在原有生产函数参数的估计方法基础上,提出两种新的估计方法．这两种新的估计方法具有最小的回归残差平方和,文中给出实现这两种参数估计方法的具体算法。     

有色噪声下系统阶次辨识的一种近似方法

本文分析了有色噪声下损失函数与噪声模型之间的关系。引入一广义损失函数J′,在噪声模型能估计的条件下,应用损失函数最小法能确定模型的阶次。     

基于OLS动态模糊神经网络结构研究

最小正交二乘算法(OLS)采用正交化方法,独立计算回归算子对输出的贡献进行动态模糊神经网络基函数的中心的选取, 对网络结构进行调整产生的扰动比较小. 仿真实验表明,该方法较其他方法构造的网络系统更适合于实时领域.     

参数辨识方法在动态称重系统中的应用

本文是把动态称量和定量控制相结合,用控制算法来实现多级控制,从而提高了称量的精度和速度,弥补了单独提高动态称量度或单方面优化定量控制策略的不足。论文具体分析了定量称量问题,首先是把称量系统看作是一个二阶系统,建立数学模后．,进行拉普拉变换和Z变换后得出一个质量仪与系统参数有关的关系式,从而把称量问题转化为一个系统参数识别问题来解决。     

基于最小二乘法的分段三次曲线拟合方法研究

多项式曲线拟合是一种较常用的数据处理方法,但当数据点较多时,只采用一种多项式曲线函数拟合所有数据点难以取得较好的拟合效果。针对传统分段曲线拟合方法中对数据点分段时经验成分较多的不足,提出了一种基于最小二乘法原理的分段三次曲线拟合方法。建立了三次拟合曲线方程,通过实际数据的检验,验证了该方法的拟合效果。     

离散时间线性参数变化系统稳定性分析

考虑离散时间时变线性系统稳定性,其时变的系统矩阵在一个由已知顶点矩阵所构成的多胞体中。通过应用参数依赖Lyapunov函数（涉及参数增量上界）,给出一个由线性矩阵不等式（LMI）表述的判据,以判别系统的鲁棒稳定性,用到参数依赖Lyapunov函数及参数增量上界。与二次稳定性及定常参数依赖的Lyapunov函数方法相比较,所得结果不仅把保守性降到一个更低水平,而且作为推论导出文献已有结果。对算例所做的比较计算证实了新方法的优越性。     

基于遗传算法的最小一乘回归新算法

最小一乘在稳健性上比最小二乘好,使得最小一乘在工程中得到广泛的应用,但求解最小一乘的算法并不理想;本文根据最小一乘的性质,把最小一乘问题变为组合优化问题.将遗传算法用在最小一乘模型的求解上,在后面的仿真实验中得到了较好的效果.     

具有线性约束的分片线性函数的最优化方法

分片线性模型有着广泛应用范围 ,对分片线性模型及其最优化问题的研究具有普遍的意义。该文以规范型分片线性函数为例 ,提出了基于分片的邻区域搜索算法 ,通过定义相邻区域 ,应用线性规划寻找最优解。通过该算法和遗传算法相结合 ,可利用进化算法的探索能力和模型信息以实现全局优化。在仿真实验中 ,采用随机生成的分片线性函数对这种算法和传统遗传算法进行了对比 ,结果表明 ,它具有很好的搜索性能 ,当搜索空间很大或具有边界约束时 ,它较传统遗传算法更优越     

动态数据系统的时间序列建模策略

传统的基于相关性分析方法进行建模的局限性和\"危险性\"主要表现在:估计的样本自相关是非常坏的估计,经常会有大的方差,彼此之间是高度相关的,可能给出原来序列结构一个完全失真的图像,不能较准确和全面地反映系统特性。提出了基于动态数据系统的时间序列建模方法,将时间序列看作是随机系统对不相关的或相互独立的\"白噪声\"输入响应的一种实现方式。对平稳时间序列,以自回归滑动平均模型为基本模型,并以额值为1递增拟合,用F检验判断拟合的改善程度,最后用残差分析判断模型的适用性。对非平稳序列,需先分离出确定性趋势,对剩余平稳随机部分建模分析。用该方法对隧道位移监测数据建模分析,预测与实测吻合较好,表明该方法具有适用性好、精度高且便于编制程序实现等优点。     

随机时变系统最小二乘辨识的收敛速度

对不相关噪声的多维时变系统，在相当一般的非持续激励条件下，建立了最小二乘算法的收敛速度，并通过引入衰减激励控制，在可辨识条件下，获得了该非持续激励条件．     

三角Stein方程的systolic算法

提出一种新的ｓｙｓｔｏｌｉｃ实现方法计算三角Ｓｔｅｉｎ方程．可将原复杂性为Ｏ（ｍ２ｎ２）的串行算法在处理器为Ｏ（ｍ２）的ｓｙｓｔｏｌｉｃ阵列上并行计算，时间复杂性降为Ｏ（ｍｎ），而处理器具有很高的利用率．利用文中给出的方法，可以并行求解一大类最优控制中有关矩阵运算的问题，如Ｌｙａｐｕｎｏｖ方程、Ｓｙｌｖｅｓｔｅｒ方程等     

动态多维离散系数的传递函数生成算法

基于多维离散傅立叶变换,提出了一种动态多维离散系数的传递函数的自动生成算法,可求出高阶、复杂拓扑结构的动态多维离散系统的系统矩阵、传递函数．     

基于正交多项式拟合的气象数据处理方法

针对高空气象探测数据变化规律复杂、突变情况不可预测、数据量大等特点,提出了基于离散数据正交多项式最小二乘的分段拟合方法.首先,从计算稳定性角度,说明了采用离散数据的正交多项式最小二乘法的原因;其次,从曲线拟合的保形性角度,详细阐述了二次分段拟合原则;最后,以具有典型特征的气温探测数据为例,证明了采用基于离散数据正交多项式最小二乘的分段拟合方法能够获得明显优于传统内插方法的拟合精度,提高高空气象探测数据处理的精度和自动化处理程度.     

PVDF触觉传感器动态补偿器的设计

为了解决PVDF压电薄膜测量低频信号失真大、泄漏快和阻抗匹配难等问题,首先探讨了 PVDF的工作机理,继而在频域内使用高效的最小二乘算法设计了一款 Hammerstein动态补偿器模型。仿真结果表明,该动态补偿器模型能快速有效地补偿PVDF传感器低频失真,使PVDF压电膜在低频领域的应用成为可能。     

线性规划问题的算法综述

综述了线性规划问题近年来的算法研究最新进展,给出了一些典型算法的求解思想及其时间复杂度,综合分析了各算法的优缺点。并为后续研究提供了一个借鉴方向。