广义非线性动态最小二乘理论在"数字山东"构建中的应用

“数字山东”是“数字中国”的一项宏伟科学工程,是推动山东省跨入信息社会的主题。构建“数字山东”这一科学工程的基础是数据,其数据具有海量、多源、多维、多类型、多时态、多精度、多尺度、多分辨率并具有非线性特征等特点,要将这海量数据统一管理、准确、唯一地可视化表达,首先要进行数据处理。针对“数字山东”中海量空间数据具有多样化、动态性和非线性等特点,应采用广义非线性动态最小二乘法进行数据处理。本文重点讨论了“数字山东”中的数据及其特点,处理这类海量数据的广义非线性动态最小二乘法的基本理论和基本方法及其数学模型,这一理论方法在“数字山东”构建中的数据处理方面的主要应用。     

最小二乘混沌算法在水位流量关系拟合中的应用

针对水位流量关系曲线拟合问题,将最小二乘法(LS)与混沌算法(CA)相结合,提出了一种适应于曲线拟合的最小二乘混沌算法(LSCA),并与最小二乘算法及遗传算法的拟合结果进行比较。结果表明,最小二乘混沌算法具有简便、快速、实用性强等优点,是一种较为优秀的全局优化方法,适应于非线性关系的参数率定。     

基于神经网络的非线性前馈补偿广义预测自校正控制器

采用多层前馈网络结构进行动态建模,并用Ｄａｖｉｄｏｎ最小二乘法作为在线学习算法,将辨识后得到的模型进行线性化．基于线性化模型设计广义预测控制器。将其与非线性前馈相结合,建立了一种适合于非线性系统的前馈补偿广义预测自校正控制器．仿真结果验证了本控制器对非线性系统控制的有效性     

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。     

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。     

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。     

极限行驶条件下车辆质心侧偏角观测器设计

用非线性车辆模型线性化方法,设计了基于广义卡尔曼滤波器和广义龙贝格观测器的质心侧偏角估计算法.给出考虑了轮胎非线性特性的扩展二自由度车辆模型,用非线性最小二乘法拟合轮胎模型的参数;分析非线性模型的能观性,并通过局部线性化方法,将非线性模型在当前状态处线性化,并得到近似的线性模型;设计了广义卡尔曼滤波器和线性化龙贝格观测器,并证明观测器的稳定性;最后,通过典型的操纵稳定性试验,验证算法的有效性.极限行驶工况下采用非线性模型线性化的方法,能获得更高的估计精度.     

随机多变量NARMAX模型的非线性递推最小二乘算法

针对随机多变量NARMAX模型存在的问题,基于线性滤波﹑谱分解定理及成型滤波器原理,将随机干扰等效在系统的输出端,提出改进的随机多变量NARMAX模型。基于辅助模型的原理,在参数估计的准则函数中加入待估参数的增量约束项和遗忘因子,并结合增广递推最小二乘算法和随机非线性递推最小二乘算法,将改进的多变量NARMAX模型转换为具有耦合的子系统,给出具有遗忘因子的,能克服算法病态的,适用于具有时变参数模型的改进随机多变量NARMAX模型的非线性递推最小二乘算法。应用在线修正参数预测滤波PID控制,仿真结果验证了算法的有效性。     

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.     

WGS-84坐标系下改进的广义最小二乘配准算法

针对广义最小二乘算法在WGS-84坐标系中存在收敛速度慢及收敛性能不稳定的问题,提出了一种改进的广义最小二乘算法.该算法以收敛步数作为最小二乘算法中的量测精度加权因子,使得量测精度随着步数的变化而变化,从而实现了收敛步数的减少和收敛之后稳定性的改善,提高了目标跟踪定位的性能.仿真结果表明,改进的广义最小二乘算法优于广义最小二乘算法,进一步验证了该算法的有效性.     

GIS的非线性测量数据的误差处理及其应用

针对GIS数据应用中所存在的随机误差处理这一重要问题,本文提出了一种非线性最小二乘条件平差方法,给出了顾及泰勒二阶展开的基于空间数据随机误差的非线性条件平差模型,并结合算例将该方法与线性最小二乘平差方法加以比较,结果表明,当观测值与其平差值相近时,应用非线性最小二乘条件平差可明显提高平差结果的精度,这对于解决数字化处理过程中,因源文件中图形间的相互作用而引入大量误差,从而导致不能将非线性条件方程直接线性化问题提供了一种新的方法.     

Wavelet Neural Networks for Adaptive Equalization by Using the Orthogonal Least Square Algorithm

Equalizers are widely used in digital communication systems for corrupted or time varying channels. To overcome performance decline for noisy and nonlinear channels, many kinds of neural network models have been used in nonlinear equalization. In this paper, we propose a new nonlinear channel equalization, which is structured by wavelet neural networks. The orthogonal least square algorithm is applied to update the weighting matrix of wavelet networks to form a more compact wavelet basis unit, thus obtaining good equalization performance. The experimental results show that performance of the proposed equalizer based on wavelet networks can significantly improve the neural modeling accuracy and outperform conventional neural network equalization in signal to noise ratio and channel non-linearity.     

A RBF Network Learning Scheme Using Immune Algorithm Based on Information Entropy

A hybrid learning method combining immune algorithm and least square method is proposed to design the radial basis function(RBF) networks. The immune algorithm based on information entropy is used to determine the structure and parameters of RBF nonlinear hidden layer, and weights of RBF linear output layer are computed with least square method. By introducing the diversity control and immune memory mechanism, the algorithm improves the efficiency and overcomes the immature problem in genetic algorithm. Computer simulations demonstrate that the RBF networks designed in this method have fast convergence speed with good performances.     

免测绘型数字交通精确制图程序研究

针对传统地图制图必须进行精密测绘或航空摄影以获得地理图像及位置坐标的问题,提出了一种与传统过程反序操作的全新的免测绘型数字交通精确制图方法.该方法据城市栅格地图可智能地提取交通网络信息,从而获得矢量地图;利用道路GPS轨迹(含准确经纬度)叠加于矢量地图,取得地图校正采样控制点;通过拓扑变换来完成地图节点坐标的精确校正,并为应用地图道路结构特征的带有闭环控制的道路聚类过程和动态离散拓扑变换实现数字地图的非线性校正,提出了离散非线性校正算法.以合肥城区的地图生成过程为例进行了实验,结果证明了免测绘制图方法在生成高精度数字地图上是有效的.     

混合算法在04公桥规徐变系数曲线拟合中应用

采用混合算法将04公桥规附录F中给出的混凝土徐变系数幂函数表达式拟合为指数函数表达式,从而得到了徐变计算的递推式.即首先用遗传模拟退火算法对徐变系数曲线进行初步拟合,估计传统非线性迭代计算中参数的初值;再通过基于Levenberg-Marquardt法和Gauss-Newton法的非线性最小二乘法对徐变系数进行精确的拟合;最后通过结果分析确定了指数函数表达式的最终形式.混合算法解决了应用单一算法在拟合徐变系数曲线上的局限性,有着良好的通用性、鲁棒性和精度,拟合结果可直接应用于采用递推法计算混凝土徐变的有限元程序中.     

改进遗传规划算法在系统辨识中的应用

为了解决工业过程中数据丰富但机理不完全可知的非线性动态系统建模问题,提出了一种改进的遗传规划算法,以辨识模型结构和参数.该算法首先基于多层次辨识和反馈的基本思想,对系统进行多次辨识,直到把辨识误差缩小到可接受的范围;然后,采用最小二乘法估测模型参数,避免优良模型结构因低劣参数而被淘汰;最后,实施M估计技术,削弱强噪声对建模的影响,增强模型泛化能力.针对满足Lotka-Volterra方程的非线性动态系统进行建模仿真,试验结果表明该算法能较好地辨识满足Lotka-Volterra方程的一类非线性动态系统.     

基于PSO算法的HVAC系统LSSVM预测控制

针对暖通空调(HVAC)系统,提出一种基于粒子群优化(PSO)算法和最小二乘支持向量机(LSSVM)的预测控制方法。该方法利用LSSVM建立HVAC系统预测模型并预测系统的输出值,引入输出反馈和偏差校正以克服模型失配等因素引起的预测误差,以此构造加权预测控制性能指标。由PSO算法滚动优化得到系统的最优控制量。利用该控制方法对一个HVAC系统进行仿真实验,结果表明该方法具有较好的控制效果。     

最小均方算法用于数字信号的性能

为了获取最小均方 (LMS)算法用于数字信号的性能 ,提出了一项新的性能参数——误码率。分析了误码率与算法均方误差之间的关系 ,在实验的基础上给出了两者之间的一个近似函数表达式。并重点研究了算法步长对收敛速度、稳态失调量、误码率这三项性能参数的影响 ,以及步长确定的原则 ,为数字信号领域使用 LMS算法提供了一些理论基础。     

多变量Hammerstein-Wiener模型的参数辨识

为了突破现存Hammerstein-Wiener模型参数辨识方法中假设输出非线性块可逆的限定条件,基于可分非线性最小二乘算法,提出由多个单变量Hammerstein子模型和一个多变量输出非线性块组成的多变量Hammerstein-Wiener模型的参数辨识方法.首先,以输出误差最小为准则使用Levenberg-Marquardt法辨识出输出非线性块和Hammerstein子模型的两个参数集.其次,对Hammerstein子模型使用基于张量积的奇异值分解,辨识出输入非线性块与中间线性块的参数.再次,理论分析了所提辨识方法的辨识收敛性.最后,通过仿真验证此法的有效性.     

遗传算法及其在平面度误差评定中的应用

将二进制编码的标准遗传算法应用于平面度误差的评定,建立了完全符合最小区域条件的平面度误差评定的数学模型,并在此基础上给出遗传算法的适应度函数计算方法.通过对实例评定,并与最小二乘法和计算几何法评定结果进行比较,证实了该方法计算结果明显小于上述两种方法,而且克服了传统平面度误差最小区域法评定时受测点布局及测点数目限制的局限性,具有很大的灵活性.