基于偏微分方程模型降阶方法的最优控制

为了快速准确地求解含有偏微分方程约束(PDE)的优化问题,提出了一种基于偏微分方程模型降阶的最优控制问题求解方法.含有偏微分方程约束会使得优化问题的求解耗费大量的时间,难以满足现有控制与优化的需求.在研究了偏微分方程性质的基础上,得出了一种新的模型降阶方法.通过使用奇异值分解法来提取原模型的主要特性,得到低维空间的基函数,再使用伽辽金投影法,将原模型投影到现有基函数构成的低维空间中,从而达到降低模型阶次来快速计算PDE优化问题的目的.实验结果表明在降阶模型阶次较低的情况下,依然能对原模型有较好的逼近效果.该方法用于快速准确地求解含有偏微分方程约束的优化问题是可行的、有效的.     

小波变换在MEMS降阶建模中的研究

获得系统的宏模型是MEMS系统级建模与仿真的关键.提出将小波变换的方法应用于MEMS降阶建模.介绍了小波变换的理论基础,提出了运用小波变换的方法对MEMS进行多尺度降阶建模的基本思想和算法的基本原理.针对最常见的静力学问题,建立了有限元求解方程,采用小波变换的方法提取出系统的几个不同阶次的降阶模型.算例表明利用该方法通过适当的降阶次数,提取降阶模型可以大幅度地减少计算时间、降低计算复杂度,特别适合MEMS这种大系统的降阶建模.     

基于快照POD的抽蓄电站全流道模拟研究

提出了一种基于快照本征正交分解(POD)的降阶模型实现水泵水轮机瞬态流场快速计算的方法,获得可快速计算水泵水轮机瞬态流场参数的5阶POD模型．将特征线法(MOC)有压管道、水轮机控制系统等与降阶模型串联并求解抽蓄电站甩负荷工况的全流道水力特性．通过对全流道的传统数值模型、MOC-POD模型与实测数据对比获取误差值,可以得出：新模型获取进出口压力的均方根误差与最大相对误差均小于传统模型,且仿真时间减少约98%,证明新方法对甩负荷过程参数模拟具有准确性与高效性．     

基于模型降阶法的线性相位IIR滤波器设计

采用基于脉冲响应格拉姆阵的模型降阶法设计线性相位滤波器.为避免以往模型降阶算法在通过求解离散李亚谱诺夫方程得到脉冲响应格拉姆阵过程中的大量计算以及可能出现的病态计算,采用了直接构造格拉姆阵的方法;还根据汉克尔阵奇异值分布确定降阶模型的阶数.实验结果表明,所设计的 IIR 滤波器满足给定的幅频指标,相位在通带内呈线性,且保证了稳定性.     

快速求解辐射传输方程的模型降阶算法

光学层析成像技术近年来备受关注.光子在生物组织中的传播服从辐射传输方程,该方程计算复杂性非常高,直接影响到成像速度.提出了采用模型降阶算法将辐射传输方程求解中的刚度矩阵进行降阶,大幅度地降低系统复杂性来提高辐射传输方程的前向求解速度.实验表明该方法能保证前向求解具有较小的误差,并且能在最大程度保留输入输出行为的前提下,使前向求解速度大大提高.     

基于遗传算法的分数阶锂电池模型参数辨识

遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法,在求解非线性参数的复杂优化问题上极具潜力.在建立锂离子电池的分数阶等效电路模型之后,通过不断调整其电路模型的参数,使得模型的阶跃响应u_m与锂电池阶跃响应u的和方差的函数值逐渐向0逼近,直到在一定误差精度内,近似认为二者相等.在此基础上,采用遗传算法,在阶跃电流信号激励条件下,对锂离子电池Randle分数阶电路模型完成参数辨识.实验仿真结果显示：分数阶模型参数{R₀,R_p,Q₁,α,Q₂}辨识值分别为{7.33,6.18,3.049,0.76,608.6},误差均值为4.796×10^-5,误差率为1.143×10^-3,拟合度为98.90%.     

小波变换在MEMS降阶建模中的研究

获得系统的宏模型是MEMS系统级建模与仿真的关键．提出将小波变换的方法应用于MEMS降阶建模．介绍了小波变换的理论基础，提出了运用小波变换的方法对MEMS进行多尺度降阶建模的基本思想和算法的基本原理．针对最常见的静力学问题．建立了有限元求解方程．采用小波变换的方法提取出系统的几个不同阶次的降阶模型．算例表明：利用该方法通过适当的降阶次数。提取降阶模型可以大幅度地减少计算时间、降低计算复杂度．特别适合MEMS这种大系统的降阶建模．     

基于部分可控性矩阵的模型降阶方法及误差分析

针对单输入单输出系统,利用部分可控性矩阵的M-P广义逆作为集结矩阵,提出了一种新的近似集结法模型降阶方法。首先给出了当系统可控与不可控时的2种降阶模型,然后通过误差最小分析归结为一种降阶模型,并利用向量到子空间的距离给出了不同阶降阶模型误差的一个简单计算方法。以此误差作为标准,可以方便地选择满足需要的降阶阶数及降阶模型。最后以实例表明了该方法的有效性和应用性。     

互连线高效时域多步积分模型降阶算法

为了进一步提高现有互连电路模型降阶算法的精度和效率,提出一种基于时域多步积分的互连线模型降阶算法.首先对原始电路的时域方程进行多步积分得到关于状态变量的二阶递推关系,然后通过二次Arnoldi方法得到投影矩阵,再通过投影矩阵对原始时域方程进行投影得到降阶系统.该算法可以保证时域积分后降阶系统和原始系统的状态变量在离散时间点的匹配,保证时域降阶精度,同时继承了已有算法所具有的数值稳定性及降阶系统的无源性.该算法不仅比现有的时域模型降阶算法复杂度低和比现有的频域模型降阶算法精度高,而且与时域单步积分的模型降阶算法相比,可以在保证与其计算复杂度相当的基础上,达到更高的精度.     

静电梳齿驱动器静电-结构耦合的仿真分析

采用降阶建模为静电梳齿驱动执行器开发了一个二维有限元模型,将梳齿驱动器简化为一组等价的集总参数单元,各单元均体现了对应器件的静动态特性和输入输出特性,降阶得到的模型降低了计算的复杂程度,提高了计算的速度.对采用降阶模型法所建立的模型仿真,得出梳齿驱动执行器的驱动位移、静电力与结构参数和所施加电压关系的仿真结果.该方法能以较快的速度求解静电-结构耦合问题,所得结果与有限元解相比较,最大位移误差小于5%.     

热压炉的温度控制

文章中的被控对象是具有纯滞后环节的电阻加热炉的温度 ,由于系统模型不准确 ,而传统的 Sm ith预估器要求模型准确 ,因此控制效果会受到影响。采用一种基于模型补偿的改进算法 ,并且通过对改进后的 Sm ith预估器控制结果的仿真 ,结果表明即使对象模型不很精确 ,只要系统稳定就能消除误差。因此这种改进后的方法具有较好的控制性能和鲁棒性     

基于聚焦矩阵的毫米波信号DOA估计

针对毫米波信号源的到达角(DOA)估计随频率变化、导致估计误差较大的问题,提出毫米波信号向窄带信号转化的DOA估计算法.该算法通过在频域内建立毫米波信号接收模型,将接收信号看成多个不相关的窄带信号,并将其“聚焦”在某一参考频率下,减少波束因频率变化带来的影响,进而利用旋转不变子空间(ESPRIT)算法进行毫米波DOA估计.仿真结果表明:该算法可有效降低中等信噪比下的DOA估计误差,当阵元数达到70时,可实现相对稳定的DOA估计,随频率变化估计效果保持整体稳定,从而提升毫米波系统定向传输时的链路质量.     

新型蝙蝠算法辨识船舶运动模型参数

为准确、有效辨识出船舶运动模型的参数,以构建精确的船舶运动模型,将群智能优化算法中新型蝙蝠算法引入船舶运动模型的参数辨识。将船舶运动模型参数辨识问题转化为一个多维变量函数优化问题,分析了新型蝙蝠算法求解船舶运动模型参数辨识的适应性;给出了采用新型蝙蝠算法进行船舶运动模型参数辨识的流程。基于实船实验数据,采用新型蝙蝠算法辨识了实船一阶线型响应型模型参数。实例显示,将船舶运动模型参数辨识问题转化成优化问题,通过新型蝙蝠算法对构建的误差准则目标函数的优化,能够快速找到使得目的函数最优的一组变量,该变量即为辨识得到的模型参数。研究表明,提出的技术路线简明且适用,是一种有效的计算机辅助船舶运动模型参数离线辨识方案。     

基于改进遗传算法的四旋翼无人机参数辨识

为克服传统遗传算法在参数辨识过程中收敛速度慢的问题,提出了一种基于改进遗传算法的四悬翼无人机参数辨识方法。该方法引入梯度算子为遗传进化提供指示性的方向,利用遗传算法的全局搜索性保证算法的全局收敛,并根据简化四旋翼无人机数学模型设计了优化函数。利用四悬翼无人机实飞数据进行了实验测试,实验结果验证了本文方法的有效性和快速收敛性。     

新型模糊内模控制系统的研究

提出了模糊内模控制的新策略,将T-S模糊辩识和模糊推理引入内模控制,在对实际输出起预测作用的同时,可根据预测误差在线修正、补偿被控对象的模型失配。仿真结果表明,该策略是可行、有效的。     

一种改进的变结构交互多模型被动跟踪算法

针对干扰环境下跟踪机动目标时常常无法获得距离信息的问题,提出了一种新的被动跟踪算法对目标进行精确的跟踪定位。算法针对被动跟踪中状态与量测之间存在的非线性关系,首先采用最小二乘原理对角度量测进行预处理,然后以预处理结果作为输入,进行交互多模型滤波,从而减小非线性量测方程的线性化过程带来的误差。然而,交互多模型滤波中所采用的固定结构模型集并不能保证跟踪精度,为解决这一问题,算法引入序列似然比检测对模型集进行调整,使模型对不同的目标机动模式有更强的自适应能力,从而减小模型之间的竞争,确保跟踪效果。为了验证新算法的有效性,在相同实验条件下,用2种算法分别对同一设定轨迹进行仿真估计,结果表明,新算法可以进一步提高跟踪精度。     

用混合遗传算法实现神经网络快速训练

快速神经网络训练算法的研究是人们所关注的问题之一。经过分析与研究 ,遗传算法是一种全局并行随机搜索优化算法 ,具有很强的全局搜索能力 ,而 BP算法的局部搜索能力较强。文章将两者结合起来 ,形成一种混合遗传算法 ,并就混合遗传算法的原理及其在实现时所涉及到的许多策略问题进行了分析比较 ,仿真结果表明它具有收敛速度快和不会陷入局部极小的特点。     

多载具式AS/RS货位分配建模与仿真

研究多载具式自动化立体仓库的货位分配问题,可提高系统运作效率,降低成本。对双载具和三载具两种设备配置下的货位分配问题进行分析,根据存储系统实际运作情况,考虑堆垛机在行走过程中的加速度,建立更符合实际的数学模型;考虑行程时间和货架稳定两个目标来建立货位分配数学模型,并采用改进遗传算法进行仿真求解。通过对不同任务量的订单进行仿真求解,对比遗传算法和改进遗传算法的偏离误差和平均偏差,验证了改进遗传算法可行有效。     

基于SARIMA-GA-Elman组合模型的短时交通流预测方法

针对单一模型无法深入挖掘交通流复杂的线性和非线性特征方面的局限性以及神经网络模型在训练时收敛速度缓慢等问题,提出了一种基于SARIMA-GA-Elman的组合预测模型.该组合模型有效地融合了季节性差分自回归滑动平均(seasonal autoregressive integrated moving average,SARIMA)模型良好的线性拟合能力和Elman递归神经网络强大的非线性映射能力;在预测过程中首先基于SARIMA滚动预测时间序列的线性分量,然后使用SARIMA模型的预测误差序列建立Elman-RNN构建非线性误差模型;此外在训练非线性误差模型的过程中使用经过二进制编码的遗传算法(genetic algorithm,GA)优化Elman-RNN,旨在提升Elman-RNN的训练效率,最后把两个模型的预测结果加权组合得到最终的预测值.实验结果表明,该组合模型在预测精度和鲁棒性方面相比单一模型都有较为明显的提升.     

遗传算法结合改进前向神经网络进行叶轮设计

为加速遗传算法的进化过程和缩短其进化周期，探讨了将遗传算法融合神经网络进行离心叶轮形状优化设计的方法，即应用神经网格替代有限元法来完成结构优化设计中的静应力分析任务．同时，提出一种改进的前向反馈神经网络(BP算法)，在训练过程中，学习率和动量项依据输出的均方差自适应调整，来加快网络训练速度和改善收敛性．采用混合神经网络的遗传算法对某离心压缩机叶轮进行优化设计，结果表明优化设计时间可缩短至单纯采用遗传算法的几十分之一，同时也验证了该方法的有效性和可行的。