基于移动最小二乘法和粒子群算法的优化算法

针对复杂电磁装置优化问题中目标函数计算次数过多的问题，提出了一种基于移动最小二乘法（MLS）和粒子群优化算法（PSO）的快速全局优化方法.该方法利用基于MLS的表面响应模型，重构原始的优化问题，采用加权PSO算法对重构后的目标函数进行寻优，再使用拟牛顿法，对原优化问题直接寻优，从而得到优化问题最终的最优解，并对基准测试函数和实际电磁装置问题进行优化计算.结果表明，与加权PSO相比，该算法能找到优化问题的全局最优解，并能有效的减少目标函数的计算次数，节省了计算时间，提高了计算效率.     

基于混沌优化算法的最小二乘圆参数估计

运用最小二乘圆法建立了圆度误差的数学模型,综合SWIFT法和混沌算法的优点,提出了改进的混沌优化算法,将约束优化问题转化为无约束优化问题求解,并且通过对圆度误差测量数据处理的应用实例,说明了此优化算法的优点,从而达到全局最优.此优化算法也可推广到其它测量误差的数据处理上.     

基于最小控制合成算法的电液伺服振动台控制策略

针对电液伺服振动台受参数变化、外部干扰影响,加速度响应信号跟踪精度降低的问题,本文通过三状态控制提高稳定性;为进一步提升加速度响应跟踪精度,提出最小控制合成算法与三状态结合的控制器。依据振动台理论模型,推导了液压缸位移与电液伺服阀输入电流之间的传递函数。采用极点配置方法,确定三状态控制反馈、前馈控制器参数;设计参考模型参数,提升最小控制合成收敛速度。对电液伺服振动台进行加速度信号跟踪试验。仿真结果表明：相比三状态控制控制器,在正弦波与随机波输入信号下,TVC-MCS复合控制器信号跟踪误差降低。比较频率特性曲线,TVC-MCS复合控制器幅度相位延迟降低,有效提升了加速度跟踪性能。     

基于学习控制的电液伺服加载系统

根据电液加载系统存在的非线性、时变性以及响应滞后等特性，通过建立系统的数学模型，应用智能控制理论中的学习控制算法，以达到提高加载控制系统加载力准确度、响应速度。结果表明，算法能改善系统动态特性，使系统有更高的控制精度、更快的响应及更强的适应能力。     

汽车EPS电液伺服加载系统

汽车EPS电液伺服加载系统是进行汽车EPS测控系统性能试验的关键设备。为了获得较好的控制性能和加载精度,通过对汽车EPS电液伺服加载系统进行结构设计及模型建立,根据助力特性给出了加载的规律,并对系统进行了PID控制。Simulink仿真结果表明该方法的可行性,系统设计符合要求,能够有效地改善系统的加载性能。     

基于最小一乘的单因变量偏最小二乘算法

偏最小二乘回归能较好地解决自变量间的多重共线问题，最小一乘法比最小二乘法能更有效地降低回归模型的误差。本文提出的改进的偏最小二乘回归将这两种方法结合起来，在偏最小二乘回归过程中利用最小一乘法建立因变量对提取的自变量成分的多元回归模型。算例表明改进的偏最小二乘回归算法的预测精度较高。     

基于最小二乘的曲面拟合算法研究

提出了一种基于最小二乘的曲面拟合算法,详细介绍了最小二乘法的原理和方法及其应用。采用该算法进行曲面拟合,使拟合的曲面具有精度高,光滑性好的优点。通过弗格森双三次曲面为研究模型来建立最佳的拟合参数。实验结果表明此算法具有良好的拟合效果,模拟曲面真实。目前利用最小二乘来处理拟合问题已经得到了广泛的应用。     

最小二乘支持向量机的参数优化算法研究

该文针对最小二乘支持向量机的参数优化存在的问题,提出交叉验证的最小二乘支持向量机的参数自调整优化算法,用非线性测试函数的数据进行训练,并用于水下FCAW熔深多信息在线监测。最后把最小二乘支持向量机与传统的BP网络预测结果进行比较,结果证明,该模型的预测精确度是令人满意的,该文提出的方法是可行的。     

基于移动最小二乘的数据拼接ICP算法

ICP算法的关键是确立正确的对应点集.针对此问题,本文提出一种改进的ICP算法.首先对2片点云的重叠区域进行基于移动最小二乘(Moving Least-Squares,MLS)曲面拟合得到2片插补出的点云数据,并确立初始对应点,然后结合刚性、曲率等约束去除错误对应点对.实验结果表明:改进ICP算法可以有效地提高确立对应点的正确率,从而极大地提高数据拼接的精度.     

基于可变有序子集的惩罚最小二乘算法

传统算法不能有效的抑制噪声且收敛速度慢.为了解决这些问题,在最小二乘算法中引入中值先验,并结合可变有序子集(MOD)技术用于PET图像重建,形成了基于可变有序子集的惩罚最小二乘算法(MOS-PLS-Median).仿真结果表明,MOS-PLS算法相对于最小二乘(LS)等传统算法,不仅能够有效的抑制噪声,重建出质量更好的图像,而且较大地提高了收敛速度.     

电液伺服加载系统的自适应PID控制

在频域分析的基础上针对电液伺服加载系统的特点设计了自适应ＰＩＤ控制器,并给出了数字仿真和系统实际运行的结果,通过对比说明所提的控制方案可以使电液伺服加载系统的性能得到显著提高。     

正弦信号参数估计的最小二乘算法

为了提高信号相位匹配原理估计正弦信号参数的精度,提出了一种正弦信号频率、振幅和相位参数的最小二乘估计方法.推导了利用单传感器接收信号的参数估计的最小二乘估计计算公式.给出了已知频带内的未知频率,振幅和相位的信号参数估计的搜索算法;分析了最小二乘法使用的方程数、信噪比和采样频率确定后FFT的序列长度对参数估计精度的影响.理论和仿真结果说明,该方法不仅能降低估计频率带宽以外的噪声,还可降低被估计频率信号带宽内的噪声,提高低信噪比时的信号参数估计精度.该算法简单、快速、具有工程应用前景.     

约束最小二乘问题的迭代算法

主要目的是研究约束最小二乘问题的某些基本性质和迭代算法。     

曲线数据压缩的总体最小二乘算法

在曲线数据压缩的Ramer-Douglas-Peucker (RDP)算法中,只有那些垂距大于限差的点得以保留,而原始曲线上所有其他点则会被删除,这就使得压缩后的数据在保留点和删除点处精度不一致．通过采用总体最小二乘法对原始数据进行分段拟合,提高了压缩数据的精度．实验结果表明,与RDP算法相比,该算法可以更好地逼近原始数据,特别是当给定限差较大时,相对RDP算法的精度改善更为明显．     

基于遗传优化的RBF-BP神经网络电液伺服阀故障诊断算法研究

电液伺服阀是液压伺服系统的核心元件,因此是故障诊断的重点对象,其故障原因经常呈现出非线性和不确定性等复杂状态.单一的BP网络是全局逼近神经网络,学习速度很慢,容易陷入局部极小,易产生震荡等不足,RBF网络是局部逼近神经网络,训练速度快,在训练时不会发生震荡,也不会陷入局部极小.基于它们各自的优缺点,通过将RBF神经网络和BP神经网络有效地结合在一起,取长补短,建立一个由RBF子网和一个BP子网两部分串联构成的双隐藏层RBFBP组合神经网络.该网络既具有BP网络较好的泛化性能,又具备RBF网络较快的逼近速度.用遗传算法优化该神经网络的初始权值和阈值.该网络同时具有RBF网络和BP网络的优点,适用于复杂非线性系统的故障检测.     

基于最小二乘法的电力变压器参数辨识算法

根据变压器的Y/△接线方式,分别列写回路方程,消去三角形侧绕组中的环流和公共磁链的影响.这种方式无需改变三角形侧TA配置,直接利用三角形侧线电流构建了变压器绕组的电阻和电感参数辨识算法,利用带动态遗忘因子的最小二乘法,消除了最小二乘法"数据饱和"的影响.应用EMTP进行了仿真,结果表明,参数辨识算法稳定,不受负荷波动以及功率因数变化的影响,辨识精度较高.