油浸式大型电力变压器表面温度预测模型

为了早期发现油浸式电力变压器长期连续运行时可能存在的温升异常问题,该文提出了一种新的油浸式电力变压器表面温度预测模型,可以预测出变压器表面的正常温度。通过比较预测值与实测值的误差来预知变压器表面温度是否存在异常,进而判断变压器运行状态是否正常。预测模型参数是基于现场数据采用偏最小二乘法估计出来的,克服了传统最小二乘法参数估计结果不稳定的问题。并且从传热学原理、预测误差的均值、方差及其正态分布性等方面,合理地选择用于参数估计的数据长度。用该模型计算分析了一年的现场数据,预测结果表明该模型是正确、有效的。     

一种新型自校正PID励磁调节器的研究

提出了一种新型的同步发电机自校正比例－积分－微分（ＰＩＤ）励磁调节器。该调节器以加权的多变量（电压偏差加转速偏差）作为反馈信号，运用最小二乘估计在线辨识同步发电机的参数以及零－极点配置的设计方法，实时改变ＰＩＤ调节器的增益系数ｋＰ，ｋＩ，ｋＤ，从而实现同步发电机励磁的自适应优化控制。数字仿真计算结果表明，自校正励磁调节器能够自动适应同步发电机运行条件及网络结构的变化，可以获得比恒定增益的ＰＩＤ励磁调节器更好的发电机端电压和功角的响应特性。     

MIMO-OFDM系统中的采样钟频率偏移估计

分析了采样钟频率偏移对MIMO-OFDM系统接收信号的影响,提出了一种适用于MIMO-OFDM系统的采样钟频率偏移估计算法,即幅度加权最小平方估计法．该算法根据最小平方准则,利用两个完全相同的训练符号在相同子载波上的相位差来估计采样钟频率偏移．为了提高算法在瑞利衰落信道下的性能,进一步采用了幅值加权的方法．仿真结果表明,该方法无论在高斯、莱斯还是瑞利信道下均能取得良好的性能．     

完全样本下威布尔分布参数的加权最小二乘估计

借助图法估计的思想和次序统计量的性质,给出了完全样本下威布尔分布参数的改进最小二乘估计与加权最小二乘估计.     

多目标局部残差平方和的定阶方法

基于实践应用的需要，通过对自回归模型中的残差方差图定阶方法进行研究，提出了局部残差平方和的定阶方法，这种定阶方法把多目标规划理论与事物局部特征结合起来，实例表明：对自回归模型进行定阶时，运用局部残差平方和的定阶方法，能有效地提高自回归模型的预测精度，对自回归模型阶数的取值上限作了重新界定，并在理论上给出了证明。     

自回归AR模型整体最小二乘分析

主要讨论时间序列的自回归模型AR（p）的参数估计问题,列出常用的普通最小二乘估计和整体最小二乘估计方法,列出算例进行比较分析。     

非齐次等式约束线性回归模型回归系数的条件岭型估计

对非齐次等式约束线性回归模型提出一种有偏估计,即条件岭型估计,证明了在一定的条件下,在均方误差及均方误差矩阵意义下都优于回归系数的约束最小二乘估计,并给出了两次随机数据模拟的结果,模拟数据结果表明在一定的条件下,条件岭型估计优于最小二乘估计.     

小型无人直升机悬停状态下的系统辨识

提出了一种渐消记忆的最小二乘逐状态辨识算法,相对原来利用最小二乘进行无人直升机矩阵辨识的方法,该算法能极大地减小计算量,降低计算的复杂程度以提高计算过程的稳定性.并采用该方法建立了小型无人直升机系统的ARMAX模型和MIMO模型,还通过仿真对2种模型做了对比,结果显示MIMO模型能更精确地描述小型无人直升机系统.     

基于VFF-RLS的力传感器的动态特性研究

在科学实验与工业生产中,力传感器动态特性会直接影响传感器的精度,因此研究力传感器动态特性具有重要意义。针对应用于手术机器人的应变式力传感器动态特性难以满足精度要求的问题,文中研究了基于最小二乘参数辨识方法在力传感器振动结构中的应用。由于递推最小二乘（RLS）对于二阶振动系统模型辨识难以同时保证快速性和抗干扰性,文中提出了一种基于可变遗忘因子的递推最小二乘参数辨识方法。首先,通过建立随机振动系统模型,对系统的输入/输出特性进行仿真与分析,确定了遗忘因子函数中的参数,仿真结果表明,文中提出的方法在保持更快收敛速度的同时,使参数辨识误差和收敛预测误差相比于RLS有明显的降低,相比于最小二乘有良好的时变性;然后,在阶跃测试标定法基础上对微创外科手术机器人力传感器的动态参数进行辨识,获得该传感器系统的结构动态特性,即固有频率和阻尼比。实验结果表明,文中提出的方法有较好的收敛性和稳定性,有效地提高了辨识精度。     

近红外光谱分析磷酸缓冲溶液中的血糖含量

测定了溶解于磷酸缓冲溶液中血糖在8000～5000cm^-1波数范围的近红外光谱,用偏最小二乘法建立了测定血糖含量的模型,根据数据特点,提出了按浓度大小选择预测集样本的方法。用来进行最佳模型隐变量个数的选择,结果显示,利用近红外光谱并结合化学计量学方法能够成功地进行血糖的定量分析,方法的测定误差为0.197g／L。