一种新的磁滞非线性前馈补偿算法

针对超磁致伸缩致动器磁滞非线性特征, 建立了描述其非线性行为的Preisach数学模型, 以F函数法求解了该模型的数值模型. 针对当前致动器非线性前馈补偿控制中迭代和执行效率低的缺点, 将磁滞非线性理解为系统干扰, 提出了一种新的非线性前馈补偿算法, 在求解Preisach逆模型过程中,引入稳态误差信号作为参考变量, 以Sigmoid函数变步长算法进行迭代步长自适应动态调整. 计算机仿真和实验研究均表明,与当前的磁滞模型求逆算法相比, 所提出的算法在保证控制精度的同时可以显著提高系统收敛速度, 大大提高了程序的执行效率.     

一种改进变步长LMS算法的性能研究

在对传统LMS算法、变步长LMS算法及其改进算法分析的基础上,提出了一种改进的变步长LMS算法。新算法通过建立步长因子与误差信号之间的非线性函数关系,使其初始阶段和时变阶段步长自适应增大和稳态阶段步长很小,理论分析及计算机的仿真结果表明,该算法可保证较快的收敛速度和较小的失调,能更好地解决收敛速度和稳态误差的内在矛盾,可更好地应用于自适应系统中。     

考虑机器故障的串行生产系统控制策略优化

针对多级串行生产系统,考虑存在机器故障和随机需求,对生产及雇佣的控制策略进行研究。以最小平均总成本为目标,建立基于（Q,r）库存策略的优化模型;鉴于求解复杂性,提出一种改进的网格自适应直接搜索算法（MADS-GA）,为避免陷入局部最优和提高收敛速度,算法中加入了停滞阻止策略;对研究实例进行求解,并与已有算法比较。结果表明,所提出的算法收敛速度和寻优能力更优,能有效优化串行生产系统的控制策略,降低平均总成本。     

一个基于PHG平台的并行有限元生物分子模拟解法器

本文介绍一个面向生物分子模拟的并行有限元解法器,该解法器基于三维并行自适应有限元软件平台PHG~([1]),计算并模拟在生物溶液系统在静电场下的扩散过程.该解法器的最新版本在已有算法的基础上~([2]),添加了整体求解、含时求解等一些新算法,规范并扩展了边界条件的选取,并整合多项辅助功能,现提供对于Poisson-Nernst-Planck(PNP)方程的两个含时算法和四个稳态算法,以及对于Smoluchowski-Poisson-Boltzmann(SPB)方程的一个稳态算法.解法器可模拟生物分子,离子通道和纳米管等模型,通过有限元方法计算静电场和离子浓度分布,并计算电流强度、反应速率等物理量,可研究离子通道的选择机理,酶的催化反应过程及反应速率等问题.相关软件、工具和进展见www.continuummodel.org.     

基于改进粒子群算法的多目标分布式电源选址定容规划

通过分析分布式电源对配电网的影响,以有功功率损耗、电压质量及分布式电源总容量为优化目标,基于模糊理论建立了分布式电源在配电网中选址定容的多目标优化模型,并提出了一种改进粒子群算法进行求解。在算例仿真中,基于IEEE 14标准节点系统,采用MATLAB仿真工具对所提算法进行了测试,证实了所提算法全局搜索能力较强、收敛速度较快,并通过比较分析验证了该模型和算法的可行性及有效性。     

一种新的变步长LMS自适应滤波算法

传统LMS算法的优点是计算简单、易于实现，缺点是收敛速度慢，如果为加快收敛速度而增大步长因子μ，则会导致大的稳态误差，甚至引起算法发散。固定步长因子无法解决收敛速度和稳态误差之间的矛盾。本文通过建立步长因子μ与误差信号之间的非线性函数关系，得出一种新的变步长自适应滤波算法（SVSLMS）。理论分析和计算机仿真结果表明该算法的性能优于传统的LMS算法和NLMS算法。即在计算量增加不多的前提下，能同时获得较快的收敛、跟踪速度和较小的稳态误差。     

具有线性收敛速度的最优化方法的一个算法模型及其应用

§1 算法模型利用函数的梯度求解无约束优化问题的各种下降方法,求解约束最优化问题的梯度投影法、梯度投影恢复算法、缩简梯度法和一些能行方向法,均具有线性的终端收敛速度。但是这个结果的证明非常繁复,并且是对各个方法单独进行的。当考虑到它们在计算机上实现的各种误差处理时,情况显得更加复杂,使得算法的收敛性和收敛速度的分析不易进行。为了克服这个困难,目前已建立起抽象的算法模型,可以统一地处理这些算法的收敛     

基于改进伊藤算法的最短路径网络路由优化算法

通过对网络路由最短路径问题进行分析,使用伊藤算法求解以费用最低为目标的路由优化问题,建立最短路径路由问题的网络结构模型。为加快伊藤算法求解费用最低路由的收敛速度,在状态转移策略中引入费用启发因子,优化漂移和波动过程,并改进路径权重更新规则。将种群交叉思想引入算法中,利用种群间的信息交流加快了算法的收敛速度并提高了寻优能力。在2-opt算子局部优化的基础上加入反转算子,避免陷入局部最优解。文中还对算法的收敛性进行了系统分析。实验结果表明,改进后的算法有效提升了收敛速度并加强了寻优能力。     

基于改进PSO算法的机动通信保障任务分配方法

针对机动通信保障问题建立任务分配模型,结合梯度下降法提出一种基于改进粒子群算法(TSPSO)的任务分配模型求解方法.在TSPSO算法中增加判断极值陷阱、粒子二次搜索、设定禁忌区域、粒子淘汰与生成4个部分,并将TSPSO算法与其他4种改进PSO算法应用于四种典型测试函数的优化.结果表明,TSPSO算法收敛精度更高、收敛速度更快.在基于TSPSO算法的任务分配模型求解方法中,基于各机动通信保障单元到不同通信地点分配概率的思想对粒子群进行编码和解码,提高模型求解效率.仿真结果表明,TSPSO算法能够快速寻找到机动通信保障任务最优分配方案.     

空间机器人随机故障容错规划的蜜蜂算法

本文为解决复杂的随机规划问题设计了一种基于随机模拟的混沌量子蜜蜂算法,证明了该算法的收敛 性,并分析了算法的收敛速度．分析6 自由度空间机器人系统的不确定性,采用基于微分变换法进行误差分析,建 立了随机数学规划模型．为涉及故障前后运动学与动力学约束限制的容错轨迹规划,以加权最小驱动力矩为优化性 能指标,采用混沌量子蜜蜂算法求解全部工作时间中机械臂故障前后的最优轨迹．通过降低异常关节的运动速度来 降低故障关节力矩,保证机械臂在发生故障后具有较高的操作能力．案例研究验证了该算法的有效性、稳定性及准 确性．     

基于改进遗传算法的压力控制系统参数求解及仿真

本文针对遗传算法的特点,在隔代映射遗传算法基础上引入自适应策略,建立了自适应遗传算法数学模型,给出了具体算法流程。通过自适应策略,使IP_GA中的交叉、变异概率能够根据函数适应度大小自动调节,提高了收敛速度及解的质量。通过该算法对液压压力系统传递函数进行参数求解,建立了液压系统的开环模型。利用Matlab/Simulink工具对开环模型进行仿真并与实测输出曲线对比,验证了遗传算法求解液压伺服系统参数的可行性。同时,通过分析仿真结果,找出了材料试验机比例压力控制系统与伺服压力控制系统在辨识方法上的差别。     

呼叫中心系统中回声抵消算法的研究与实现

针对IP呼叫中心系统中的回声问题,对算法LMS（Least Mean Square）进行了研究。经研究发现,回声消除算法LMS在收敛速度与稳态误差之间始终存在着矛盾,即加快收敛速度,则稳态误差随之加大;减小稳态误差,则收敛速度随之减慢。研究的目的就是能够使两者之间的矛盾得到改善,能够更好地消除回声。研究的方法是在现有算法的基础上,提出了一种改进的LMS算法,通过计算机对该算法进行了仿真,以及利用DSP进行了回声消除,结论表明该算法具有良好的收敛性能和稳态性能,更好地改善了收敛速度与稳态误差之间的矛盾,消除效果较好。     

一种新的变步长自适应滤波算法研究

针对滤波器在亚模型(under-modeling)工作状态下定步长自适应算法收敛速度和稳态误差之间的矛盾,提出一种变步长分割式比例仿射投影算法(VSS-SPAPA)。该算法考虑到系统干扰噪声和滤波器权系数个数小于回声路径长度时引起的亚模型噪声对回声消除系统性能的影响,利用后验误差去补偿这两类噪声的负面作用,建立一个新的目标函数,根据该目标函数,导出一种适用于比例仿射投影算法整体步长的调节方法。仿真结果表明:在增加少量计算量的情况下,新算法的收敛速度和稳态性能与定步长比例仿射投影算法以及已有变步长算法相比得到了明显提高。     

基于指数函数的归一化变步长LMS算法

在研究归一化最小均方误差(NLMS)算法的基础上,提出一种基于指数函数的变步长LMS算法。通过建立误差 和步长 的函数关系,实时调整步长,并对输入信号完成时域信号解相关,解决稳态失调系数与收敛速度的矛盾。仿真实验结果证明,该算法与传统LMS算法、SVS_LMS算法、NLMS算法以及双曲正切变步长LMS算法相比,具有更高的收敛速度和较小的稳态失调系数。     

工业锅炉燃烧过程的神经网络稳态优化模型

建立了一个以能源消耗最低为目标、以神经网络模拟工业锅炉稳态运行为约束条件的锅炉燃烧过程稳态优化模型,介绍了该模型的罚函数法求解算法,并给出了一个应用实例,理论计算和实际使用表明,这个模型有相当的精度,可以显著提高系统的能源利用率。     

基于变步长的混合图像自适应盲分离算法

根据混合信号的分离程度,提出了一种新的图像信号分离算法,通过建立分离矩阵控制步长因子变化,利用自适应不完整自然梯度法实现图像的有效分离.新算法既很好地解决了固定步长算法收敛速度和稳态误差之间的矛盾,也解决了其他变步长算法须选择较小初始步长才能实现分离的问题.仿真结果表明新算法收敛速度快,稳态误差小,综合分离性能明显优于...     

宽带随机激励下单自由度双边非对称碰撞振动系统的稳态响应

本文以一类单自由度双边非对称碰撞振动系统为研究对象,采用广义Hertz接触模型表示碰撞过程,考察系统在宽带随机激励下的稳态响应.应用基于广义谐和函数的随机平均法推导出系统在宽带随机外激励下的伊藤随机微分方程,通过求解相应的稳态FPK方程,得到系统关于幅值、能量和位移的稳态概率密度以及位移与速度的联合稳态概率密度.另外,将系统的随机响应近似为马尔可夫过程,利用广义胞映射法得到系统的近似稳态响应.最后通过与蒙特卡罗模拟结果的对比,验证了随机平均法和广义胞映射法的有效性.     

基于改进萤火虫群的区域灾害链挖掘方法

通过建立灾害立体网络模型并定义相似空间向量来对区域灾害链规律进行挖掘,同时转化其中的向量发现问题为一种多峰路径优化问题从而利用萤火虫群算法进行求解,并添加变步长、组亮度控制等优化策略,以改善基本GSO算法在收敛速度及求解精度上的不足,最后通过与基本GSO算法的性能对比实验证明了该改进方法的优越性.     

车辆调度优化模型仿真研究

研究车辆调度优化问题,针对运输车辆的空间排放和时间安排等,要达到运输路径最短,费用最省的要求.为了实现城市车辆优化调度,节约运输成本,同时传统的车辆调度算法存在计算复杂度高,不利于实际应用等问题,提出了一种改进的车辆调度优化算法模型.首先对城市车辆调度建立优化数学模型,建立一种动态开放的车辆调度系统,并采用匈牙利算法对数学模型进行求解.仿真结果表明,提出的新的算法不仅能有效的求解车辆调度优化模型,而且计算机复杂度较低,计算效率较高,收敛速度较快,验证了算法的实用性和有效性.     

基于神经网络的工业大系统辨识及稳态递阶优化方法

为了对工业大系统进行稳态递阶优化,必须首先获得系统的稳态模型.从神经网络的分 析人手,给出了工业大系统稳态模型的动态辨识方法及基于神经网络模型的推导方法.为了 提高算法的收敛速度,引入Lagrange函数解决大系统优化问题中的各种约束,并用Hopfield 网络实现了大系统稳态递阶优化的网络算法,最后给出了某一大系统辨识及优化的仿真结果.