电磁场数值分析的无单元Galerkin方法

阐述了移动最小二乘无单元Galerkin方法的基本原理及实现过程,给出了权函数的选取原则,和基于Lagrange乘子法的边界条件处理方法,结合算例说明了该方法用于电磁场分析的有效性和计算特点,并着重研究了影响半径对计算结果的影响,计算结果表明,对于非均匀媒质,影响半径应在一个与高斯积分点有关的范围内取值,以避免媒质作用的“扩散”而降低计算精度。     

结构方程模型迭代算法研究

对结构方程模型——偏最小二乘法分析的模型结构、迭代原理进行了具体研究.首先,详细介绍了结构方程模型的结构关系组成,并针对2个结构2个潜变量的结构方程模型进行了推导,研究了相应迭代算法并开发了实现程序.最后,通过算例验证了迭代算法的有效性.     

基于模糊支持向量机的小批量生产质量智能预测方法

在分析比较目前常用的智能工序预测技术及其特点的基础上,提出一种适合小批量生产过程的质量智能预测模型,并给出了相应的预测过程和算法.由于该模型中以模糊支持向量机(FLS-SVM)技术为智能核心,一方面较好的解决小样本学习问题,避免了人工神经网络等智能方法在对小批量生产过程质量进行预测时所表示出的过学习、泛化能力弱等缺点.另一方面,通过隶属度函数对样本进行模糊化,达到样本优化选择,实现历史数据“重近轻远”的预测效果.通过对具体加工过程的预测实验,并与其它几种常见预测方法效果进行对比,说明本文方法实现容易,建模速度快,小样本的泛化能力强,为实现小批量加工过程的在线质量预测与控制提供可行的思路.     

基于最小二乘的阵元位置误差校正及性能分析

针对独立校准信源波达角未知情况下的阵列位置误差校正问题,提出了一种对信号导向矢量的绝对相位进行最小二乘线性拟合,进而估计出阵元位置误差的算法。并对算法的性能进行了详细分析,推导出位置误差估计的显示表达。该算法在对阵元位置误差进行估计时无需迭代运算,甚至不需要一维搜索,具有较低的运算复杂度。理论分析和仿真结果验证了该算法的有效性。     

递归的稳健LCMV波束形成算法

提出了一种针对指向误差、阵元位置误差或阵元相位误差的递归的稳健波束形成方法。该方法基于导向矢量展开算法,在采用线性约束LMS算法递归搜索最优权矢量的同时,搜索真实的期望信号导向矢量。导向矢量的计算采用基于梯度搜索的最优化算法。该方法避免了常规LCMV算法的矩阵求逆运算,所需运算量小。对存在几种特定误差情况的计算机仿真结果表明,该方法稳态性能优越,对期望信号导向矢量的误差具有很好的稳健性。     

模糊遗传滚动优化的LS-SVM预测控制研究

提出一种基于最小二乘支持向量机(LS-SVM)的非线性系统预测控制算法。该算法通过LS-SVM对非线性系统输入输出数据序列的训练学习建立其预测模型;基于模糊遗传算法完成非线性预测控制的滚动优化过程。仿真结果表明基于该方法的非线性系统预测控制比基于RBF神经网络的预测控制具有更好的控制效果。     

基于最邻近聚类和向量模糊c-均值的混沌预测

针对混沌时间序列难预测的问题,提出一种新的基于最邻近聚类和向量模糊c-均值(FCMV)聚类算法的模糊建模方法。其前提参数辨识分两步,首先用最近邻聚类法初始划分输入空间,得到规则数及初始聚类中心,再用FCMV把具有相同收敛向量的聚类中心归到同一个区域来优化前一步得到的聚类中心,得到前提参数;采用递推最小二乘算法辨识模型的结论参数。最后通过对Mackey-Glass混沌时间序列的建模和预测验证了该方法的有效性与实用性。     

最小二乘法及其应用

探讨了最小二乘法的基本原理、几何解释、线性拟合和若干非线性拟合及其在物理、化学等学科中的应用。     

定常的Navier-Stokes方程的Petrov-Galerkin最小二乘二重网格有限元法

提出了定常的Navier-Stokes方程的Petrov-Galerkin最小二乘二重网格有限元法.该方法是在粗网格有限元空间X＾H上解一个小的非线性问题,同时在细网格有限元空间X＾h(h<相似文献   

泛克立格法在渗透系数随机场离散中的应用及存在的问题

在分析各种随机场离散方法优缺点的基础上,提出用泛克立格方法对渗透系数随机场进行离散.编制了KRING.FOR程序对渗透系数随机场的离散效果进行了验证,结果表明在实测点所包围区域内部用最小二乘法所求解得到的权系数而进行的克立格估值计算是符合工程要求的.并针对程序调试过程中及计算结果分析中所出现的问题,提出了相应的解决对策.