太赫兹时域光谱用于橡胶添加剂的定量分析

在利用太赫兹时域光谱（THz TDS）技术对丁腈橡胶中的添加剂进行定量分析时,将偏最小二乘法(PLS)推广到多维偏最小二乘方法(N PLS),解决了高维数据的建模问题,并且具有良好的模型预测能力。为验证本算法的有效性,分别采用PLS算法和N PLS算法对样本进行建模分析,得出N PLS模型的均方根误差为2.04%,相关系数为0.98。PLS模型的均方根误差为2.71%,相关系数为0.97,结果表明,两种方法都可以对丁腈橡胶中添加剂的含量进行预测,而N PLS算法具有更好的预测效果。     

基于偏最小二乘法的支持向量机短期负荷预测

提出了一种基于偏最小二乘支持向量机的负荷预测模型。首先通过偏最小二乘（PLS）对负荷数据进行成分提取,提取的成分具有线性特点,并消除输入因素的多重相关性,然后采用支持向量机方法（SVM）对提取的成分进行预测。算例表明,该算法用于短期负荷预测建模速度快,预测精度高,是种行之有效的方法。     

LSSVR在电子设备电磁脉冲场耦合建模中的应用

针对现有机理建模算法普遍存在计算过程复杂的问题,研究了最小二乘支持向量回归机在电子设备电磁脉冲场耦合建模中的应用。先利用稳压电源在吉赫兹横电磁波室内对矩形脉冲场感应得到的耦合电压数据,对电磁脉冲能量耦合传递函数进行最小二乘支持向量回归机建模,并基于模拟退火算法、遗传算法2种典型算法对模型进行了参数优化,再运用建立的模型对耦合电压进行了仿真预测。通过对比表征模型回归能力的拟合度、均方误差2个重要参数证明,利用模拟退火算法优化的最小二乘支持向量回归机,建立的矩形脉冲场耦合模型与实际数据的拟合度更高,均方误差更小,而计算过程得到了简化,是一种简便有效的工程仿真建模手段。     

基于最小一乘法的GM（1,1）模型及在负荷预测中的应用

为克服传统GM（1,1）模型中利用最小二乘法估计参数存在的不足,改善GM（1,1）模型在有突变情况下的中长期负荷预测中的精度,提出了利用最小一乘法估计GM（1,1）模型参数的方法。在GM（1,1）建模过程中,以误差绝对值之和最小为优化目标,针对目标函数不可导的特点,利用线性规划对模型的参数进行估计。对某中长期负荷进行预测,并与传统的GM（1,1）模型进行对比分析。结果表明,所提方法预测精度更高。该方法发挥了最小一乘法受奇异值影响小,稳健性好的优点,避免了利用最小二乘法估计GM（1,1）模型参数存在的不足,是有突变情况下的中长期负荷预测的有效方法。     

注入式混合型有源电力滤波器谐波检测方法研究

首先分析了注入式混合型有源电力滤波器的结构及工作原理,针对有源电力滤波器的工作性能很大程度上取决于对谐波电流高精度、实时的检测,提出一种基于瞬时无功功率理论ip～iq谐波检测算法的改进算法,采用最小均方（LMS）自适应滤波器作为检测电路中的低通滤波器。可以更快地检测出谐波电流的指令信号,具有更好的稳态检测精度。利用MATLAB对其进行建模和仿真,验证了谐波电流检测算法的正确性和有效性。     

多通道FURLS噪声主动控制算法及仿真

为了改善最小均方（LMS）类算法在空间宽带噪声主动控制问题中收敛速度慢的缺点,消除声反馈对系统稳定性的影响。将快速收敛的最小二乘（RLS）类算法与自适应滤波U形结构结合,提出多通道滤波-URLS（MFURLS）算法,理论上推导该算法详细流程。本文对定频和宽带噪声进行了降噪仿真,将MFURLS算法与多通道滤波-ULMS（MFULMS）算法进行对比,仿真结果表明采用MFURLS算法的系统有30dB左右的降噪量,且收敛速度优于FULMS算法,证明该算法在宽带噪声控制方面具有很大优势。     

适用于宽带电力线通信的OFDM信噪比估计方法

首先介绍了基于电力线通信的正交频分复用模型,并进行了电力线信道和噪声建模。采用了具有重复结构的同步训练序列,使得频域上2个装载了数据的相邻子载波间有3个虚拟子载波,再利用虚拟子载波进行数据辅助估计;采用正交频分复用系统频域首尾两端的保护虚拟子载波进行信噪比盲估计。仿真结果表明：进行数据辅助估计时,如果实际信噪比较高,所提算法的精度和Boumard算法相近,否则所提算法的精度高于最小均方误差（MMSE）算法和Boumard算法;进行信噪比盲估计时,多数情况下,所提算法的精度高于二阶四阶矩（M2M4）算法。     

基于双向差分建模的优化GM(1,1)模型及其在中长期电力负荷预测中的应用

针对电力负荷预测,论述了一种基于双向差分计算的GM（1,1）建模方法,采用向前差分与向后差分建模的拟合误差平方和最小的原则进行参数估计。为了进一步提高GM（1,1）模型的拟合及预测精度,利用拟合值和原始值误差平方和最小的原则对预测模型的初始值进行了优化,摆脱了原有模型的初始值必经过历史数据中的某一点的束缚。以太原地区电力负荷和重庆地区的农村用电量为例,采用了几种典型GM（1,1）模型进行了拟合和预测对比分析,结果表明所提出的优化GM（1,1）模型的拟合、预测精度更高,适应性更强。     

基于HGA-BP算法的调速系统辨识研究

针对BP网络学习算法的不足,提出了一种基于递阶遗传算法（HGA）的BP网络建模方法。文中对递阶遗传算法在优化神经网络过程中的一些参数,如适应度函数、编码方案和交叉变异概率等提出具体的设计方法。该算法可以同时对神经网络进行拓扑结构优化和参数求解。最后采用该方法,实现了具有复杂非线性特征的某调速系统的精确建模。实验结果及其与改进BP算法建模方法的比较,验证了该算法的有效性。     

基于扩展时序距离法和自适应控制的超短期负荷预测

将扩展时序距离（ETD）算法与自适应控制中的递推最小二乘（RLS）算法相结合,提出了超短期负荷预测算法———RLS&ETD算法。该算法利用自适应控制的动态跟踪特性与ETD算法的周期性,与ETD算法相比,能更充分地利用数据。仿真实验的结果表明,RLS&ETD算法比ETD算法在精度、误差稳定性等方面均有所提高。