配水管网测压点的动态组合预测方法

通过对测压点水头序列的统计分析 ,得到其周期性、趋势性及随机扰动性的变化规律 .利用时间序列分析手段及动态建模方法建立了配水管网测压点的动态预测模型 ,利用加权递推最小二乘法 ( RLS)解决了模型参数的动态估计问题 .经实际供水系统使用验证 ,该法预测误差小 ,适应性强 ,可应用于供水系统的实际运行中.     

基于自适应预测滤波的视线转率估计方法

针对空间目标拦截过程中,视线转率估计模型强非线性噪声非高斯的问题,提出了预测滤波与扩展卡尔曼滤波相结合的转率估计方法.该方法在线实时估计并修正系统模型,滤波同时引入自适应方法,在线调整模型的噪声方差.仿真结果表明,与无迹滤波相比,该方法计算量小、收敛速度快、对模型误差的鲁棒性强,可以有效提高视线转率的估计精度,进而提高制导精度降低脱靶量.     

递推最小二乘算法在新型无源探测系统中的应用

针对新型无源探测系统的要求,在原有最小二乘算法的基础上,为缩短定位时间,减少运算量,提出了递推最小二乘算法。同时引入自适应卡尔曼滤波算法对原始定位结果进行了处理。多次计算机仿真结果表明该算法有效地提高了定位的实时性、可靠性和定位精度,能够满足新型无源探测系统的技术要求。     

试验温室温度系统建模与仿真

温室小气候具有强非线性、大时滞、强耦合、强干扰、时变等特点.为更好地设计温室小气候计算机监控系统,需要对其建模和仿真,以便比较控制方案、检验控制算法.在分析温室温度系统机理模型的基础上,选择MISO的ARIMAX模型描述温度系统,根据试验温室实测数据,采用"统计假设检验"和"模型拟合度检验"相结合的方法确定模型结构,通过递推增广最小二乘法估计模型参数,并进行了仿真研究.     

陀螺随机漂移时间序列建模方法研究

提出了残差自校正的RELS算法，在ARMA模型参数估计的过程中引入虚拟白噪声，来补偿参数估计过程中的由于噪声未知而引入的误差，并将DDS法与AIC准则相结合确定模型阶数。仿真结果表明所确定的模型能够精确地反映陀螺漂移趋势。     

一种拟合型的提升小波预测方法

研究提升小波的关键是确定预测算子及更新算子,目前大多数的预测方法属于插值型的,从多项式拟合的角度,采用基于切比雪夫多项式的最小二乘预测方法,理论及仿真实例表明,该方法是非常有效的。     

基于在线聚类的机器人自适应模糊建模

针对机器人这种具有时变、强耦合和不确定性的复杂非线性被控对象,提出一种基于在线聚类的模糊自适应方法用于机器人系统建模。建模过程中采用在线聚类算法辨识机器人T-S模型的前提参数,采用递推最小二乘算法(RLSE)辨识结论参数,根据过程中新的数据信息,模糊规则可以自动增加、修改和删除,实现了模型结构和参数的在线辨识和更新,而且该方法具有模型结构简单、建模速度快、精度高等优点。最后通过二自由度机器人仿真研究证明了该方法的有效性和优越性。     

动态指数平滑预测方法及其应用

指数平滑法是应用广泛的时间序列预测方法之一,但在传统方法中其相关系数的确定具有主观性,因此,其预测结果往往偏差较大.本文对传统指数平滑法进行改进,将其参数动态化,使得模型随预测过程自动更新,从而保证了预测的实时性、客观性.以最小预测误差平方和(SSE)为优化目标建立动态指数平滑参数和初值的优化模型,并通过迭代优化法求解.通过动态指数平滑模型,传统方法的一些缺陷,如模型参数选取的主观性、易导致预测偏差等被有效解决.预测实例表明,新方法优于传统指数平滑方法.     

变遗忘因子相关函数自适应滤波算法

相关函数递推最小二乘(CRLS)算法在回波消除中双方对讲情况下是有效的,但其计算复杂度较高。把相关函数最小二乘准则中的遗忘因子视为时变的遗忘因子,应用最速下降法使当前时刻的方向矢量正交于前一时刻的方向矢量,从而获得时变的遗忘因子的表达式,得到一种新的相关函数自适应滤波算法。该算法的计算复杂度比相关函数递推最小二乘算法的要低。计算机数值仿真结果表明,新算法的收敛性能和相关函数递推最小二乘算法的收敛性能相当。     

基于Davidon算法的神经元自适应控制器

通常的神经网络逆元自适应控制器存在两个缺陷 ,一是训练算法收敛过慢 ;二是无法控制非最小相位系统 ,因而限制了其使用范围。利用Davidon最小二乘法训练多层前馈网络 ,用于逼近被控对象的逆模型 ,并利用构造伪系统的方法 ,构成一种对非最小相位系统仍然有效的神经网络逆元自适应控制器。仿真结果表明了该方法的有效性     

一种优化的自适应总体最小二乘系统辨识算法

对于监督信号和训练信号都含有噪声的系统辨识问题,如果采用经典的最小均方和迭代最小二乘算法进行估计,会带来较大的误差,而直接求解又会有较大的计算量,不利于在线计算.将权向量的求解转化为增广输入向量自相关矩阵瑞利商的受限最佳化问题,对增广输入向量进行遮代估计,同时建立了步长因子和误差信号问的函数关系,这个函数关系是建立在代价函数相对于步长梯度的基础上,而不是基于经验公式.所提算法结构简单,具有更好的稳健性,仿真表明这种算法相对于同类总体最小二乘算法和其他自适应算法有更快的收敛速度和更高的收敛精度.     

基于多模型方法的自适应卡尔曼滤波

针对一类观测噪声统计特性未知的离散时间系统设计一种多模型自适应卡尔曼滤波器。基于多个不同的固定观测噪声协方差阵建立多个固定模型卡尔曼滤波器,将多个固定模型卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同组成多模型自适应卡尔曼滤波器。针对每一个滤波器建立一个基于输出误差的指标切换函数,每一个采样时刻将指标切换函数取得最小值的滤波器的状态估计值切换为系统的当前状态估计值。仿真结果表明,与常规的自适应滤波器相比,此方法可以极大地改善滤波器的滤波效果。     

基于ARIMA模型的短时交通流实时自适应预测

实时、准确的短时交通流量预测是智能交通系统(ITS)中的一个关键问题。基于采用ARIMA(P，d，0)模型结构的时间序列分析方法，提出一种短时交通流实时自适应预测算法。在该算法中采用带遗忘因子的递推最小二乘方法进行参数估计，采用基于线性最小方差预报原理的Astrom预报算法进行预报。针对大量实测数据进行仿真实验，结果表明：减小遗忘因子可以提高一步预测的性能。此外，将该算法分别应用于工作日和双休日的数据时，仿真实验都取得了较好的预测效果，说明该算法对不同交通流状况具有较好的适应性。     

用基于加速遗传算法的组合预测模型预测海洋冰情

提出了建立组合预测模型的新方法(AGA-CF),以组合预测模型的预测误差绝对值和最小为优化准则,用加速遗传算法确定组合预测模型各单个预测模型的最优权重,并把AGA-CF应用于实际的海洋冰情预测中。结果表明:AGA-CF综合利用了各单个预测模型的重要预测信息,其预测误差明显小于各单个预测模型的预测误差,AGA-CF的预测结果更为稳健;AGA-CF方法可操作性和通用性强,可适用于其他组合预测的实际问题中。     

双被动红外运动探测器三维定位算法及仿真

目标位置和红外探测器位置之间的几何关系对被动红外探测器纯角度定位精度影响很大，为获得最佳的几何关系，建立了红外探测器机动优化模型。当两个探测器飞到最佳位置时，先利用最小平方误差距离法估算出目标的位置。然后将其作为卡尔曼滤波的测量值进行滤波．仿真结果表明了该双站运动红外探测器机动算法和三维定位算法是有效的。     

市场需求Logit组合预测的研究

首先阐述了网络市场营销和传统市场营销的区别，分析了在该环境下市场需求的变化和相应的特点。其次，研究了一种利于计算机建模的市场需求组合预测方法，即采用Logit回归法训练数据的市场需求组合预测模型。最后，将该方法用于家用电冰箱市场需求趋势预测的示例研究，采用信息熵的方法，检验了组合预测模型的预测效果。实例表明，该方法可以通过调整组合权重提高预测精度。     

小波基自适应去卷滤波器研究

为了提高信号处理的精度，熔最小均方滤波、Kalman滤波和小波变换于一炉，提出了小波基自适应去卷滤波器。并用文中方案做了若干仿真实验，结果表明，该滤波器能很好地跟踪反射系数信号，并能滤去高频噪声，平均相对误差在1％以内，表明文中方案是十分有效的。     

自适应巡航系统车辆跟驰控制策略仿真

为提高自适应巡航系统对行车环境的适应性,提出一种基于可变间距的车辆跟驰控制策略。建立基于无迹卡尔曼滤波的车辆运动模型,近似估计本车质心轨迹的曲率半径。建立前车目标辨识模型,根据前车与本车的相对运动状态判定前车跟踪目标。设计车间距离控制策略,通过调节车速控制本车与前车保持安全车距行驶。开展本车换道、曲线路径的复合工况仿真试验,结果表明,本车能够快速、平稳地跟踪前车目标。