基于遗传算法的广义非线性最小二乘测量平差

为了解决当前“数字地球”、“数字国家”、“数字城市”、“数字矿山”等数字化工程中广泛出现的具有多源、多维、多类型、多精度、动态和非线性等特点的测量数据的误差处理问题,本文采用了一类基于自然界生物进化基本法则而发展起来的新算法——遗传算法,在提出、设计基于遗传算法的广义非线性最小二乘参数平差方法的同时,给出了遗传算子中选择、交叉、变异算子的设计,以及具体的算法步骤。通过实例计算表明,该遗传算法是进行广义非线性最小二乘参数估计的具有全局最优化的有效方法,为广义非线性测量数据处理提供了又一新的思路。     

广义最小二乘限定记忆参数辨识方法与仿真研究

最小二乘参数辨识法可用于动态系统、静态系统、线性系统、非线性系统的参数估计.可用于离线估计,也可用于在线估计.最小二乘辨识法简单、实用,其递推算法收敛可靠,并且当模型噪声为白噪声时,可得到无偏、一致和有效的估计,从而得到广泛的应用.但当模型噪声是有色噪声时,最小二乘参数估计不是无偏、一致估计,并且随着数据的增长,最小二乘递推辨识算法将出现数据饱和现象,以致递推算法慢慢失去修正的能力.广义最小二乘递推算法解决了模型噪声是有色噪声时,最小二乘参数估计的无偏性和一致性问题,并能给出噪声模型的参数估计值,但依然存在数据饱和问题.论文在广义最小二乘递推算法的基础上引入限定记忆方式,获得了广义最小二乘限定记忆参数估计递推算法(RFMGLS),解决了广义最小二乘递推算法的数据饱问题.仿真结果表明了RFMGLS算法的有效性.     

广义完全最小二乘问题可解的充分必要条件

给出了完全最小二乘问题可解性的一个简洁证明,并将这一证明思想推广到广义完全最小二乘问题上,建立了它的可解性理论,内容包括广义完全最小二乘问题可解的充分必要条件和校正矩阵的唯一性及其表达式。     

基于神经网络的多变量非线性系统的广义预测控制

为了使广义预测控制的思想成功应用于多变量非线性系统,用神经网络对其进行开环解耦得到单变量非线性系统后,采用一种复合多层前馈神经网络结构作为单变量非线性系统预测模型,利用递推最小二乘法和Davidon最小二乘法作为在线学习算法,建立了一种适合多变量非线性系统的自校正广义预测控制器。     

传感器数据处理中的“准最小二乘法”及其微机处理结果

本文介绍了作者在传感器的数据处理中用来确定传感器最佳拟合直线的“准最小二乘法”及其微机处理结果.将计算机与该新方法及其程序相结合,不仅自动地找出了给定精度下的线性区,还使得传感器的非线性误差较目前公认拟合精度最高的最小二乘法的结果下降了3～20%.本方法对其它传感器以及需要用最小二乘法线性化的实验数据的处理都是非常适用的.     

传感器数据处理中的“准最小二乘法”及其微机处理结果

本文介绍了作者在传感器的数据处理中用来确定传感器最佳拟合直线的“准最小二乘法”及其微机处理结果。将计算机与该新方法及其程序相结合，不仅自动地找出了给定精度下的线性区，还使得传感器的非线性误差较目前公认拟合精度最高的最小二乘法的结果下降了3－20％。本方法对其它传感器以及需要用最小二乘法线性化的实验数据的处理都是非常适用的。     

非线性LTS稳健估计方法

为使原始LTS(least trimm ed squares)方法能够处理非线性问题,研究非线性LTS稳健估计方法。说明该方法的解一定是部分观测值的非线性最小二乘估计。该方法可通过求解非线性最小二乘问题得到确切解。基于MM EA(m in im um m ax im um exchange a lgorithm)算法和非线性最小二乘技术,构建求解非线性LTS估计近似解的算法。仿真结果表明非线性LTS估计方法能够同时抵抗来自X方向和Y方向的多个异常,与传统方法相比具有更好的稳健性。     

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。     

基于NN非线性系统的广义预测控制与模拟

利用最小二乘法理论，建立了一种适合非线性系统的广义预测控制方法，通过仿真验证了其具有良好的适应性和有效性。     

基于GCV的LS-SVM模型选择在个人信用评估中的应用

针对个人信用评估中数据海量性以及与影响因素之间的非线性问题,利用最小二乘支持向量机(LS-SVM)中基于GCV准则和Newton-Raphson算法的正则化参数快速选择方法建立新的个人信用风险预测模型.并把该模型与Fisher线性判别分析、Logistic回归以及半参数广义可加模型的判别效果进行了实证比较分析.结果表明该方法不仅具有快速高效的模型选择能力,并且具有较优的判别预测能力.     

多接口非限制下组件化手机Web前端会话劫持攻击检测方法研究

多接口非限制下组件化手机的Web前端容易遭遇会话劫持攻击。当前会话劫持攻击检测方法需建一个含有全部攻击特征的检测模型,不易实现,且检测结果不可靠。提出一种新型组件化手机Web前端会话劫持攻击检测方法,分析多接口非限制下组件化手机Web前端会话劫持攻击,预处理RTT历史数据,以降低多接口非限制下组件化手机Web前端奇异数据对正常数据RTT特征提取的影响。采用滑动数据窗和最小二乘平滑结合的方法对组件化手机Web前端正常数据的RTT特征进行提取,依据RTT特征提取结果,通过滑动窗口平均方法对会话劫持攻击进行检测。实验结果表明,所提方法具有很高的攻击检测精度和效率。     

基于零极点配置理论的压力传感器动态特性补偿

针对爆炸冲击波压力传感器动态特性难以满足工程要求这一现实问题,运用基于白化滤波器的广义最小二乘法建立传感器的数学模型,并用零极点配置方法对传感器进行动态补偿。通过重复性试验得出:给附加极点配置合适的零点可以大大改善传感器的动态性能。最后通过补偿效果说明,与以往零极点补偿法只关注极点而忽略零点作用相比本补偿方法更具有理论和现实意义,且补偿效果令人满意。     

基于Multitone信号的快速频率特性测试方法

研究了Multitone信号的产生方式并针对应用中的实际问题,提出了一种基于最小二乘参数辨识的新型频率特性数据处理方法. 仿真分析和试验结果表明,该方法与传统的正弦逐点扫描作为激励方法相比,能显著提高测试精度,同时能够有效抑制输出信号中噪声对测量结果的影响,实现了频率特性的高效准确测量.     

基于VFF-RLS的力传感器的动态特性研究

在科学实验与工业生产中,力传感器动态特性会直接影响传感器的精度,因此研究力传感器动态特性具有重要意义。针对应用于手术机器人的应变式力传感器动态特性难以满足精度要求的问题,文中研究了基于最小二乘参数辨识方法在力传感器振动结构中的应用。由于递推最小二乘（RLS）对于二阶振动系统模型辨识难以同时保证快速性和抗干扰性,文中提出了一种基于可变遗忘因子的递推最小二乘参数辨识方法。首先,通过建立随机振动系统模型,对系统的输入/输出特性进行仿真与分析,确定了遗忘因子函数中的参数,仿真结果表明,文中提出的方法在保持更快收敛速度的同时,使参数辨识误差和收敛预测误差相比于RLS有明显的降低,相比于最小二乘有良好的时变性;然后,在阶跃测试标定法基础上对微创外科手术机器人力传感器的动态参数进行辨识,获得该传感器系统的结构动态特性,即固有频率和阻尼比。实验结果表明,文中提出的方法有较好的收敛性和稳定性,有效地提高了辨识精度。     

平面控制网的复数域最小二乘法估计研究

首先依照复数概念与其几何意义对边角控制网、附合导线、坐标转换等测量平差问题进行研究,概括出二维平面上复函型误差方程一般式.然后依据复数域最小二乘法原理,对复函型误差方程进行平差分析.分析过程中克服复数代数化处理的繁琐性弊端,运用矩阵不等式,向量运算等数学工具,得到复数域经典平差模型,拓充经典平差理论.最后通过算例比较,验证复数域经典平差模型的正确性,并分析其应用的合理性.     

基于机器学习的石油多峰模型研究及应用

油田在实际开发过程中，受新区块投产、开发方案调整和"三采"措施等因素的影响，年产量数据会呈现多峰形态。针对经典的Hubbert、HCZ等模型不能直接拟合多峰数据序列的问题，开展了基于机器学习的油田产量多峰预测模型研究。基于Hubbert模型，对多峰数据序列进行分段最小二乘拟合，在拟合误差函数中引入控制分段个数的罚分项，采用动态规划算法，自动求得最优分段的多峰预测模型，该模型运用在实际的油田产量数据上，预测结果达到预期目的。提出了一种通过自动最优分段的线性回归学习来建立油田产量多峰预测模型的方法，在实际应用中具有建模简单、自适应性强的优点。     

车辆综合性能测试系统的构建

介绍了VOPT系统的构建方案,分析了车辆综合性能测试的构建、测试流程、软硬件的控制方案及系统的数据处理.通过采用双闭环调速系统,提高了测试过程转速/扭矩静、动态调节特性的稳定性.在应用"机—电"惯量模拟中,对平移、旋转惯量的加载特点、控制方法进行了分析.在排抑系统干扰信号上,提出了多项式最小二乘法拟合曲线的处理方法.     

圆度误差的测量及数据处理

在圆度误差评定方法的理论基础上,按最小二乘圆法推导了圆度误差的计算公式;并采用MCS-51单片机进行了最小二乘圆法和最小区域圆法的圆度误差处理,并对测量过程中可能产生的误差进行了分析.     

基于MNNPLS的间歇过程的故障诊断

针对间歇生产过程的特点及多向部分最小二乘在故障诊断中存在的问题,提出了一种多向神经网络部分最小二乘方法,实现对间歇过程的在线监控和故障诊断。该方法结合了部分最小二乘的鲁棒性和神经网络表现输入输出非线性关系的能力,提高了模型的预测精度。将此方法应用于监测青霉素发酵过程中,仿真结果表明,它比传统多向部分最小二乘方法能更及时、准确地检测到故障。     

增广最小二乘限定记忆参数估计算法与仿真

最小二乘法可用于动态系统、静态系统、线性系统和非线性系统的参数估计,可用于离线估计,也可用于在线估计;文章在增广最小二乘递推算法的基础上引入限定记忆方式,获得了增广最小二乘限定记忆参数估计递推算法(RFMELS),解决了增广最小二乘递推算法的数据饱和问题,仿真结果表明了RFMELS算法的有效性.