梯度下降法标定三轴加速度计研究

三轴加速度计精度在出厂时即伴随着工艺流程中积累的误差,大多数情况下加速度计所测得的值都跟实际值有所差别,利用机器学习中的梯度下降法对加速度计的参数进行标定,实验结果误差与其他主流算法相比不相上下,程序简单快捷,更可作为辅助算法加入到标定流程中。     

基于改进六位置法的一种 MEMS 加速度计标定补偿方案

微机电系统(micro electronic mechanical system,MEMS)加速度计在测量过程中受安装误差、刻度因子及零偏影响,为提高MEMS加速度计的测量精度,在六位置法标定的基础上,提出一种改进的MEMS加速度计标定补偿方案.利用小波滤波对MEMS加速度计的原始测量值进行滤波,运用六位置法对6个位置的原始数据进行标定得到补偿模型.通过实验验证,MEMS加速度计测量精度由标定前的1.2 m/s2提高到0.01 m/s2,由MEMS加速度计解算的横滚角和俯仰角精度由标定前的1°提高到0.166 4°.     

共轭梯度法和最速下降法的混合算法

将共轭梯度法与最速下降法有机地结合起来,构造了一种共轭梯度法和最速下降法的混合算法,并证明了该算法的全局收敛．混合算法既提高了共轭梯度算法的收敛速度,又解决了目标函数“性态不优”时,最速下降法难以求解的问题．同时也可以看到共轭梯度法与最速下降法仅仅是混合算法的特例．     

三轴高g压阻式微加速度计的设计

提出了一种三轴高g的压阻式微加速度计的设计方法.通过理论推导和计算,分析了模型的应力和频率,得到了具有较高频率的高g微加速度计的结构参数.通过有限元软件ANSYS分析确定了在获得高输出电压条件下的电阻布置方案.在此基础上,对三轴进行了200 000 g载荷下的性能研究,结果表明所设计的微加速度计具有较高的灵敏度和线性度.     

基于共轭梯度法和最速下降法的非线性测量数据处理

将共轭梯度法与最速下降法有机结合起来，构造出一种解决非线性测量数据处理问题的新方法——混合算法。这种方法充分利用了共轭梯度法和最速下降法良好的收敛优点，既提高了共轭梯度算法的收敛速度，又解决了目标函数“性态不优”时，最速下降法难以解决的问题。文中的算例结果表明，混合算法与单纯的共轭梯度法或最速下降法相比，具有收敛速度快、收敛范围大、适应面宽等特点。     

充分下降的共轭梯度法簇及其全局收敛性

在双参数共轭梯度法的基础上,给出一类具有充分下降性的共轭梯度法簇,证明了相应的方法在非单调线搜索及弱Wolfe线搜索下对非凸目标函数全局收敛,并用数值实验表明该方法具有良好的数值结果.     

一种特殊的下降算法——分裂梯度法

求解无约束优化问题,常用的方法有下降算法,牛顿法,共轭梯度法等。当目标函数为几个光滑函数的和时,一些学者提出并研究了增量梯度算法。其基本思想是循环选取单个函数的负梯度作为迭代方向。增量梯度算法的迭代方向不一定是下降方向,所以不能用下降算法的一维搜索确定步长,因为受限于步长的选择,收敛效率不高。本文结合了下降算法和增量梯度算法的思想,提出了分裂梯度法。简单的说,分裂梯度法循环考虑单个函数的负梯度方向,如果这一方向是下降方向,则选择这一方向为迭代方向;否则选取函数的负梯度方向为迭代方向。最后通过数值实验与最速下降算法、随机下降算法以及增量梯度算法进行对比,结果表明对于某些优化问题,采用分裂梯度法更有效。     

一类基于共轭梯度法的下降算法

共轭梯度法是求解大规模我约束优化问题的有效算法之一,近年来出现了很多共轭梯度法收敛性的相关文献。本文研究基于共轭梯度法的下降算法,证明了算法的收敛性,并对算法进行了数值试验,结果表明算法是很有效的。     

一种自动充分下降的共轭梯度法

设计了一个新的含参数的共轭梯度公式,此公式自动拥有充分下降性质,在适当条件下,新算法在WWP线搜索下全局收敛.数值实验结果表明新算法是有效的,适用于无约束优化问题的求解.     

一类充分下降的混合CD-LS共轭梯度法

为了结合共轭下降（conjugate descent,CD)法良好的理论性质和Liu-Storey (LS)法较好的数值效果,以降低小步长对迭代的不良影响,以及使搜索方向的下降性独立于线搜索的选择。通过混合CD法和LS法的分子,对梯度函数进行了相应的修正。方向的充分下降性独立于线搜索的选取,可应用于多种线搜索;基于Wolfe线搜索,证明了算法的全局收敛性。42类无约束测试函数和图像去噪的结果表明,基于相同的终止条件所提出的算法的迭代次数和迭代时间均少于之前的3类共轭梯度算法。     

含手性轴化合物的构型标定法

根据多年的教学经验以及对手性轴化合物的立体化学方面的研究提出了一种对含手性轴化合物的 R、S构型标定的简易方法。     

最速下降法和共轭梯度的混合算法及全局收敛

将最速下降法与共轭梯度法有机结合起来,构造出一种混合优化算法,并证明其全局收敛性.这种混合优化算法结合了共轭梯度法和最速下降法产生搜索方向,既提高了共轭梯度算法的收敛速度,又解决了目标函数的等值线是扁长椭球时,最速下降法下降缓慢的问题,具有收敛速度快、收敛范围大、适应面广等特点.文中的算法实例表明,混合算法与单纯的共轭梯度法相比,效果更优.     

一类充分下降的谱共轭梯度法

首先基于共轭梯度法的共轭条件和下降性,提出了一类充分下降的谱共轭梯度法.该方法将经典共轭梯度法中搜索方向由原来的只满足一个共轭条件改变为同时满足一个共轭条件和一个下降条件;然后,在Wolfe线搜索下用反证法证明了新算法的全局收敛性;最后,通过12个算例,将新算法和已有SHS算法在迭代次数和计算时间方面进行了数值比较实验,比较结果表明新算法在这两个方面都明显优越于SHS算法.算法的全局收敛性和数值结果的优越性表明,新算法是一个值得研究的方法.     

梯度下降法

该文提出了一个无约束优化的新算法——梯度下降法。该法利用已得迭代点的信息,根据|g_(k+1)|≤|g_k|的要求,通过解非线性方程组g=g_(k+1)得下一个迭代点x_(k+1)。该法特点是:不需进行一维搜索;对正定二次函数具有二步迭代收敛性;对连续可微的凸函数保证收敛到全局极小点;其收敛域比牛顿法大;收敛速度比牛顿法慢些,但比著名的BFGS变尺度法和FR共轭梯度法快。     

一类具有充分下降性的DL共轭梯度法

针对无约束优化问题,利用两项共轭梯度法(DL方法)去逼近改进的HS三项共轭梯度法,提出了改进的DL共轭梯度法即MDL共轭梯度法.该方法相对于DL方法具有一个更好的性质,即该共轭梯度法的搜索方向不依赖任何线搜索就可满足充分下降条件,理论上证明了该方法在Wolfe线搜索条件下对一般函数具有全局收敛性.     

一种新型三项共轭梯度法求解大规模方程组

为了克服其他算法复杂和存储量大等缺点,基于经典的线搜索方法和超平面投影技术,设计了一种新型无导数的三项共轭梯度算法,用于求解大规模非线性单调方程组.算法的搜索方向满足充分下降性质,在一定假设条件下保证全局收敛性等优点.大规模的数值结果表明,算法求解效率比同类算法更快,具有更强的竞争性.     

一个修正的三项LS共轭梯度法

基于已有的共轭梯度法的思想,提出了一个三项LS共轭梯度方法,该方法能保证搜索方向在不需要任何线搜索下具有充分下降性,并在适当条件下获得此方法对一般函数的全局收敛性.     

一种具有充分下降性的新混合型共轭梯度法

对PRP法和FR法进行凸组合,提出了一种求解无约束优化问题的新共轭梯度法.该方法总是能生成一个充分下降方向,且它的凸组合参数为Babaie-Kafaki和Ghanbari的推广形式.在Wolfe线搜索条件下,新算法的全局收敛性得以建立,数值结果也说明提出的算法是有效的.     

具有充分下降性的修正型混合共轭梯度法

基于已有的共轭梯度法思想,分别对两种混合共轭梯度法的搜索方向进行修正,使得新的修正型混合共轭梯度法在每步迭代都不依赖于任何线搜索而自行产生充分下降方向。在适当的条件下,证明了新算法在Wolfe线搜索下的全局收敛性。数值实验表明该方法是有效的。