基于递归分割的绝对尖锐特征造型算法研究

递归分割曲面的尖锐特征不仅能够增加递归分割曲面的造型功能,而且有助于保留网格模型上的重要特征,其简捷、高效等特点具有广阔的应用前景。为解决在实际应用过程中存在的问题,进一步推动其在产品建模和机械制造中的应用,在特征造型方面,实现了递归分割曲面的折痕、尖刺、角等绝对尖锐特征造型,避免了为构造特殊效果而建立不同的递归分割算法,增加递归分割曲面的造型能力。     

基于RLS的自回归滑动平均模型的两阶段辨识方法

提出了基于递推最小二乘(RLS)的自回归滑动平均模型的两阶段辨识方法.仿真结果表明,方法给出的参数估计精度比递推增广最小二乘算法高.     

基于对角递归神经网络的建模及应用

介绍了对角递归神经网络,针对BP算法收敛慢的缺点,将递推预报误差学习算法应用到神经网络权值和域值的训练.通过对非线性系统辨识的仿真及在磷化温控系统建模中的应用,验证了这种建模方法的有效性.     

自回归模型的多新息随机梯度和多新息最小二乘辨识方法

将多新息辨识理论用于研究自回归模型的参数辨识问题,通过把标量新息扩展为向量新息(即多新患),扩展信患向量到信患矩阵和构成堆积系统输出,从而提出了自回归模型的多新息随机梯度辨识算法和多新息最小二乘辨识算法.仿真结果验证了提出算法的有效性.     

脉冲噪声滤波的无监督鲁棒递归最小二乘方法

在未知期望信号的条件下,提出一种能够抑制脉冲噪声的鲁棒递归最小二乘自适应滤波方法.与传统最小二乘法的代价函数不同,通过引入饱和非线性约束,降低可能出现的脉冲噪声对滤波器权值更新的影响.此外,提出一种多步预测器来重构滤波器的输入信号,通过比较判断滤波器输入信号可能受到脉冲噪声干扰时,采用预测值来替代原始观测信号.实验结果表明,提出的无监督鲁棒递归最小二乘自适应滤波方法在未受到脉冲噪声干扰时与传统的递归最小二乘法具有相近的收敛性能;在脉冲噪声条件下,传统递归最小二乘法和其他的无监督自适应滤波方法性能都变得很差,但本文提出的方法几乎未受到脉冲噪声的影响.     

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.     

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.     

非线性动态网络的通用分析方法与故障诊断

基于规范式分段线性化总体表达式并应用网络的一些基本知识,列出了非线性动态网络规范式分段线性化方程组.用该法分析动态网络无需计算响应跨越边界的时间,并能将整个动态过程的计算转化为代数的递推运算.在动态网络响应易于用计算机仿真的基础上,提出了基于小波-神经网络的非线性动态网络故障诊断的基本思想.     

随机可控递归分形树木模拟及实现

对树木的初始角度、有无后继树枝、树枝生长长度变化、树枝粗细等影响树枝最终形态的因素进行分析,形成控制参数。然后根据分形思想,使用递归算法,将控制参数加入到算法中。对不同参数单独变化得到的图像进行分析和验证,并生成了包含若干树木的树林,通过把树木设置成多种颜色,让树林显示出层次分明的形态。     

厌氧消化过程——循环迭代无模型自适应控制

针对厌氧消化过程难以建模、系统参数复杂等难点,提出了一种由稳定子控制与补偿子控制组成的且仅依赖系统输出的循环迭代无模型自适应控制器(composed recursive model free controller,CRMFC),并借助特殊的非线性比例积分(nonlinear proportional-integral,NPI)控制器对所提出的CRMFC进行了Matlab/Simulink的数值仿真以验证控制方法的性能,研究结果对厌氧消化过程的研究具有较大理论价值和工程应用前景。