样条函数最小二乘配点法解薄板几何非线性问题

本文用五次B样条函数作为试函数,利用最小二乘配点法解算薄板几何非线性问题,并与己知结果进行对照.在解算由内部配点法所形成的非线性方程组时,采用Levenberg Marguardt法(最小二乘阻尼法),并采用了一种较为合理确定初值的方法.     

基于最优最小二乘的红外目标单站定位算法

为消除红外目标单站定位算法估计有偏性,解决现有估计算法中有可能出现多个解向量的问题,提出了一种基于最优最小二乘的目标估计算法.对总体最小二乘定位算法进行了研究,针对扩展测量矩阵出现最小奇异值多重的问题,构造了一个由多重奇异特征向量组成的测度函数,将该函数进行偏微分得到最优的最小二乘解;通过理论分析,证明了最优最小二乘解向量是渐进无偏的;最后,将该算法与总体最小二乘法和修正辅助变量法进行仿真对比.仿真实验结果表明,该方法在不同测量环境噪声下所得到的位置、速度误差曲线能快速地逼近克拉美罗下限,且具有更高的估计精度和稳定性,说明了算法的有效性.     

桥梁移动荷载的识别与参数分析

采用样条函数逼近法对简支梁桥与多跨连续梁桥上移动荷载进行识别和参数分析．由欧拉梁理论与模 态叠加法,建立了移动荷载作用下的梁桥运动方程;利用样条最小二乘法逼近应变响应;由Tikhonov正则化方 法与奇异值分解得到了荷载识别的正则解．数值分析中,对简支梁和三跨连续梁上的移动时变力和车桥接触 力进行了识别,并对影响因素进行了参数分析．研究结果表明,采用样条函数逼近法能有效地识别简支梁与 连续梁桥上的移动荷载,具有很强的实用性和抗噪性能,且对简支梁桥移动荷载的识别精度和抗噪性能均高 于连续梁桥;采用Tikhonov正则化方法能够得到荷载识别的稳定解,并可提高识别精度和降低噪声敏感性．     

样条函数最小二乘法分析薄板内力和变形

本文采用五次样条函数作为试函数,利用最小二乘加权残数法求解了四边固支薄板在均布荷载、集中荷载作用下的内力和变形。所得结果均很好。这种方法可以推广到任何边界条件和承受任何荷载的情况。     

基于estk-Berggren公式的动态固化动力学模型的非线性回归分析

动态自催化固化反应动力学研究中的机理函数基于SB公式,动力学模型需要拟合4个参数:指前因子A、活化能Ea、反应阶数m、n.本文中采用非线性最小二乘回归方法,拟合结果表明4个参数的非线性回归结果不稳定,尤其表现在参数A与m的估计结果上.笔者对造成上述结果的原因进行了分析,指出由于模型参数效应曲率相当大,增加了模型的非线性强度,使得最小二乘回归分析结果不可靠.根据实验数据特征,本文中在不确定机理函数形式前提下,运用Model-free方法,先获得活化能平均意义下的估计值,再进行参数A、m、n的非线性最小二乘回归分析.结果表明减少回归函数参数个数,可极大程度降低模型的非线性强度,从而获得有效的动力学参数估计.     

基于estk-Berggren公式的动态固化动力学模型的非线性回归分析

动态自催化固化反应动力学研究中的机理函数基于SB公式,动力学模型需要拟合4个参数:指前因子A、活化能Ea、反应阶数m、n.本文中采用非线性最小二乘回归方法,拟合结果表明4个参数的非线性回归结果不稳定,尤其表现在参数A与m的估计结果上.笔者对造成上述结果的原因进行了分析,指出由于模型参数效应曲率相当大,增加了模型的非线性强度,使得最小二乘回归分析结果不可靠.根据实验数据特征,本文中在不确定机理函数形式前提下,运用Model-free方法,先获得活化能平均意义下的估计值,再进行参数A、m、n的非线性最小二乘回归分析.结果表明减少回归函数参数个数,可极大程度降低模型的非线性强度,从而获得有效的动力学参数估计.     

钻井液流变模式计算及优选

目前在计算钻井液流变参数时多采用线性最小二乘法方法进行求解,但是对于钻井液的非线性模式,线性最小二乘法改变了求解目标,使得计算结果不具有方差最小的特点。针对钻井液常用的三种非线性模式,分别提出了近似非线性最小二乘法的计算方法,该算法与非线性最小二乘法相比具有不需要设定初始计算值以及计算速度快的优点,同时与最小二乘法相比计算精度高。它可以应用到钻井液流变参数的确定、钻井液流变模式的优选等方面。     

正变异性矩形板弯曲的几何非线性解

用逐次逼近法和最小二乘配点法求正交异性矩形薄板弯曲的几何非线性解。对两种材料、三种边界条件和两种载荷的矩形板进行计算,取得了较好的结果。线性解与S.Timo-shenko提供的数据相比,误差较小。     

解非线性的最小二乘法拟合曲线的数值延拓法

非线性函数的最小二乘法拟合曲线需要求解一个非线性方程组，根据解非线性方程组的全局收敛方法，利用数值延拓法研究了非线性函数的最小二乘法拟合曲线的计算方法，并给出其算法为全局收敛的充分条件。     

非线性函数模型的最小二乘问题

本文针对非线性函数模型的平差问题,提出了非线性最小二乘平差的一种解算方法,该法与过去方法的不同在于:先将非线性函数模型按最小二乘法导出其基础方程,再对非线性的基础方程进行迭代化计算求解。     

下肢康复器械SVM建模的关键技术

为解决支持向量机用于下肢康复训练器驱动系统建模的训练参数选取问题, 使用Simulink平台采集样本, 通过Libsvm工具箱的相关接口进行对比实验, 选取回归问题中较先进的3种目标函数寻优算法, 讨论算法在建模中的应用范围和价值, 并提出选取依据。研究结果表明, 网格搜索和粒子群算法均方误差均接近于零, 相关系数大于99%, 适用于需求稳定和实用性强的系统; 遗传算法不稳定, 但在实验室仿真阶段研究支持向量机性能中亦有其实用性。该方法有效地解决了参数选取问题, 同时也为进一步研究面向对象的目标函数极值寻优算法改进提供了基础。     

带目标函数的生产库存销售系统鲁棒调节器

为了讨论生产、库存、销售系统的控制问题,提出了鲁棒调节器和目标优化相结合的方法.该方法既能使目标函数,即累计生产和库存的误差平方和达到最小,又保证了稳态时系统输出趋向于理想库存和理想产出,所得结果具有二者共同的优点.实例分析表明,按照该方法设计的生产、库存、销售系统能够快速、平稳的趋向于预期结果,可操作性较强.     

遗传神经网络在GMI传感器设计中的应用

 巨磁阻抗（GMI）微磁传感器具有灵敏度高、响应速度快等突出优点,但其输出信号呈高度非线性特性。利用交流偏置方法产生非对称巨磁阻抗效应（AGMI）,对磁场传感器的线性度有一定改善,但仍存在线性范围小、线性误差较大的缺点。BP神经网络具有良好的自学习、自适应和非线性映射能力,但通常训练速度较慢、易陷入局部极小值;遗传算法有很强的全局寻优能力,但其局部搜索能力不足。为充分发挥二者优点,本研究提出一种基于遗传神经网络的传感器非线性误差校正方法,并针对所设计的GMI传感器,设计了适合本系统的遗传神经网络,可通过Matlab软件实现。结果表明,经过训练的网络输出结果有序,网络的非线性映射性能良好,能精确反映该传感器系统的函数关系。该方法运算快速、精度高,对智能GMI传感器的设计具有一定工程应用价值。     

响应面优化算法在被动式低能耗建筑设计中的应用

被动式低能耗建筑设计过程计算量大,涉及变量多,不同变量间关系错综复杂,传统方法无法获取复杂变量的最优解集,不能保证被动式低能耗建筑设计不同目标函数达到最优。为此,将响应面优化算法应用于被动式低能耗建筑设计中。将最大化舒适度、最小化耗能率作为被动式低能耗建筑设计的目标函数。通过拉丁超立方实验设计方法,获取被动式低能耗建筑设计优化问题的设计空间;在设计空间中随机抽样。在此基础上,通过最小二乘法拟合建立响应面模型。利用遗传方法对拟合响应面模型进行改进和更新处理,直至达到收敛,保证被动式低能耗建筑设计达到低能耗率、高舒适性的目的。实验结果表明,响应面拟合准确性高,将响应面优化算法应用于被动式低能耗建筑设计中,发现其能够有效降低能耗,提高舒适性,和其他方法相比有更好的优化结果。     

基于遗传算法的公路纵断面优化设计方法

纵断面优化设计是公路优化设计中一个重要的组成部分，遗传算法是一种高效的全局寻优算法。本文介绍了用遗传算法实现纵断面优化设计的具体方法步骤，并编制出了计算机应用程序。经输入公路原始数据进行实例计算，取得了令人满意的结果，证明了遗传算法在纵断面优化设计中的可行性及全局寻优的性能。     

岩体力学参数反演的代理蜜獾优化方法

针对复杂地下工程岩体力学参数反演时因大量调用数值计算模型导致计算耗时大的问题,提出一种新的仿生优化代理反演方法,即蜜獾优化算法-高斯过程回归-三维快速拉格朗日数值计算(honey badger algorithm-Gaussian process regression-FLAC^3D,HBA-GPR-FLAC^3D)方法。该方法将围岩的实测位移与数值计算结果间的误差作为目标函数,将岩体力学参数作为优化变量,利用全局寻优性能优异的HBA搜索目标函数全局极小值,并采用牛顿优化算法进行当前最优算子邻域的局部寻优,局部寻优中采用GPR代理模型而非基于FLAC^3D计算所构建的目标函数作为算子适应度评价工具。研究表明,与基于单纯仿生优化算法的反演方法相比,在达到相同计算精度条件下,所提出方法的数值模型调用次数显著降低,适用于单次数值计算较为耗时的复杂地下工程岩体力学参数快速识别。     

二层多目标决策问题的等价变换及其全局优化

针对求解一类二层多目标决策问题,首先将其转化为等价的单目标决策问题,然后利用遗传算法优化的反演性和混沌优化方法的遍历性,并结合精确不可微罚函数求解非线性约束优化问题,提出了求解此类问题的混沌遗传算法.该方法能够有效改善遗传算法的局部搜索能力和搜索精度,求解精度和可靠性较高.实际算例表明是可行、有效算法.     

自适应概率问题的空间遗传算法的研究

求解约束条件下的高度和分配的最优解是一个ＮＰ难题,因此提出了一种基于自适应概率参数模型的问题空间跗算法,它较好地解决并发进行硬件资源调度与分配问题,使得在给定的输出控制数据流图中找到使目标函数最小的位置。最后以求解方程中的资源调度为例,用实验验证了该算法的有效性。     

遗传算法与传统优化方法应用于电力负荷建模的比较研究

将遗传算法应用于电力系统综合负荷建模．以三阶感应电动机为综合负荷模型,以待辨识参数为未知向量,以系统实测与模型响应误差平方和为目标函数;以随机初始种群为基础进行交叉一变异一选择运算并产生下一代种群;通过若干代进化即可获得具有足够精度的辨识结果．通过实验数据将遗传算法与传统模式搜索算法的建模结果比较,表明遗传算法所得模型的描述精度比模式搜索法高10倍,其模型参数呈现很好的稳健性,从而有效地克服了传统优化方法的模型参数分散性。     

基于遗传算法的自卸汽车T式举升机构优化设计

提出了自卸汽车举升机构设计对举升机构的特性要求,以举升初始时刻机构各铰点坐标为设计变量,以初始举升力系数为优化目标,考虑机构的传动性、油压特性等方面的约束,采用遗传算法对自卸汽车举升机构进行了合理的优化。最后利用MATLAB遗传算法工具箱编制了优化设计程序,通过实例表明遗传算法在自卸汽车举升机构参数优化问题上是一种行之有效的方法。达到了提高举升机构的动力、经济性能,避免设计阶段的盲目性、缩短了产品开发研制时间。