基于人工蜂群算法的波达方向和多普勒频率联合估计

将人工蜂群算法应用于似然函数的优化,实现了阵列信号波达方向(DOA)和多普勒频率的联合估计。利用状态空间模型构造包含DOA和多普勒频率信息的广义可观测矩阵,并构造包含该广义可观测矩阵的似然函数,将参数估计问题转化为多维非线性函数优化问题。进而利用人工蜂群算法对似然函数的求解过程进行优化,得到DOA和多普勒频率的估计值。算法保留了最大似然估计的渐近无偏估计性能,降低了似然函数求解的计算量,且参数能够自动配对。     

基于粒子群算法的Universum SVM参数选择

分类器的模型参数对分类结果有直接影响.针对引入无关样本的Universum SVM算法中模型参数选择问题,采用粒子群优化(particle swarm optimization,PSO)算法对其进行优化.该方法概念简单、计算效率高且受问题维数变化的影响较小,可实现对多个参数同时优选.此外,在PSO中粒子适应度函数的选择是一个关键问题.考虑k遍交叉验证法的估计无偏性,利用交叉验证误差作为评价粒子优劣的适应值.通过舌象样本数据实验,对参数优选前后测试样本识别正确率进行比较,实验结果验证了该算法的有效性.     

基于人工蜂群算法的线性调频信号参数估计

针对多分量线性调频(LFM)信号的初始频率和调频斜率估计问题,提出了基于人工蜂群算法的LFM信号最大似然函数估计方法。首先,利用最大似然方法对LFM信号的初始频率和调频斜率进行联合估计;然后,用人工蜂群算法对似然函数进行优化求解;接着,针对人工蜂群算法收敛速度慢、易早熟等问题采用多维并行搜索结合交叉全局引导的方式对算法进行改进,实现了高效的多分量LFM信号参数估计。仿真实验证明,本文算法具有最大似然估计的有效性,兼具快速性和实时性。     

基于自适应遗传算法的Weibull分布参数评定方法

鉴于以三参数Weibull分布建立可靠性寿命模型中存在参数评定误差太大、效率不高的问题,首先建立基于极大似然函数估计的极似然方程组,其次针对传统的遗传算法求解极大似然方程组过程中各个步骤,提出相应的优化与改进,然后得到自适应遗传算法来更精确地求解极大似然函数方程组。最后,通过MATLAB仿真对比分析,将自适应遗传算法与传统遗传算法求解结果进行对比,得出自适应遗传算法在求解Weibull分布参数中具有更高的效率以及适应性。该方法对基于极大似然函数估计的可靠性寿命模型的求解提供了参考。     

基于PSO算法和SVR模型的加工中心可靠性模型参数估计

针对加工中心可靠性模型,提出了一种基于支持向量回归模型的参数估计方法,并利用改进的局部最优粒子群优化算法对支持向量回归模型的参数进行优化,以提高其对可靠性模型参数的估计精度。与标准的局部最优粒子群优化算法比较,改进的局部最优粒子群优化算法引入了变异操作和自适应调节惯性因子,提高了算法的全局最优解搜索能力。将提出的方法与最小二乘法、最大似然估计法、局部最优粒子群优化算法优化的支持向量回归模型和遗传算法优化的支持向量回归模型进行了对比试验。试验结果表明:该方法的参数估计精度高于最小二乘法、最大似然估计法、局部最优粒子群优化算法优化的支持向量回归模型和遗传算法优化的支持向量回归模型。最后,将该方法用于估计实际加工中心可靠性模型的参数,得出了相应的平均故障间隔时间的评估数值。     

威布尔分布产品参数估计极大似然优化方法

航空、航天、机械等领域的许多产品寿命服从威布尔分布，威布尔分布参数估计的极大似然方法是通用方法，可适用于完全样本、截尾样本。在最小二乘法参数估计基础上，提出了寿命服从威布尔分布产品的分布参数估计和分布参数区间估计的极大似然优化方法；解决了实数范围内快速搜索求解参数估计极大似然超越方程问题。所提出的优化方法，可进行威布尔分布参数和分布参数区间的快速估计，既可用于完全样本，又可用于定数截尾样本或定时截尾样本。     

多变量受控自回归滑动平均系统的极大似然辨识方法

提出了一种针对多变量受控自回归滑动平均(controlled autoregressive moving average system-like, CARMA-like)系统的极大似然参数估计算法。将CARMA-like系统分解成为m个辨识模型(m是输出量的个数),使每一个辨识模型仅包含一个需要估计的参数向量,通过极大似然方法估计每个辨识模型的参数向量,从而得到整个系统的参数估计值。仿真结果验证了该算法的有效性。     

协变量随机缺失的广义半参数模型

在协变量随机缺失条件下,研究了广义半参数模型的加权拟似然估计方法,给出了未知参数与非参数回归函数的估计．进一步求出了估计的渐近偏差和渐近方差,并证明了所给出的加权拟似然估计具有渐近正态性．     

删失数据极大似然估计的大偏差上界

本文主要研究随机删失模型中参数的极大似然估计的大偏差上界,本文中不要求极大似然估计唯一存在.利用函数的连续模和Holder不等式等,给出了极大似然估计的大偏差上界和下紧的速率函数.     

多变量Hammerstein系统的极大似然参数估计方法

针对有色噪声干扰的多变量Hammerstein系统存在维数高和模型难以参数化的问题,本研究提出了递推极大似然参数估计方法,并对极大化似然函数系统参数向量的估计公式进行推导,同时给出了极大似然参数的辨识原理,并对多变量Hammerstein模型的参数估计进行理论分析,并通过数值进行仿真实验。理论分析和仿真结果表明,本研究所提出的算法,能够有效实现有色噪声干扰下的多变量Hammerstein系统的参数估计。随着递推次数的增加,辨识精度总体上不断提高;而且噪声方差越小,参数估计精度越高。该算法原理简单、适用范围广,提高了参数的估计精度,且易于实现参数的在线辨识,因此该算法可以扩展应用于非均匀采样系统和多变量系统的辨识和参数估计中。     

应用粒子群算法优化地位指数曲线模型参数研究

以优势高和地位指数的估测误差最小为目标函数,采用粒子群优化算法求解地位指数曲线模型的参数.结合实例与免疫算法比较,结果表明:粒子群优化算法求解的参数使模型的总体误差更小,精度更高,拟合效果更理想,更加科学合理,同时也提高了幼林的估算精度.研究的结果为森林经营中生长模型参数的求解以及相关研究提供了新的应用思路,也拓宽了粒...     

基于粒子群优化理论的可靠性分布模型的极大似然参数估计法

针对有些复杂分布模型采用常规极大似然法很难直接进行参数估计,将粒子群优化理论引入极大似然法,提出了基于粒子群优化算法的新的参数估计方法,并通过实例模拟论证了该方法的可行性与有效性。     

带滞环元件的ARMA模型辨识

本文考虑一类特定非线性系统的辨识问题,这类系统可以用一个ARMA模型和一个与之串联的滞环元件来表达.我们提出一种最小二乘加非线寻优的方法来辨识此类系统中ARMA模型的参数和滞环元件的参数,并给出了若干辨识计算实例.算例表明了所提方法的可行性.     

Parameter Estimation of Time-Varying ARMA Model

The auto-regressive moving-average (ARMA) model with time-varying parameters is analyzed. The time-varying parameters are assumed to be a linear combination of a set of basis time-varying functions, and the feedback linear estimation algorithm is used to estimate the time-varying parameters of the ARMA model. This algorithm includes 2 linear least squares estimations and a linear filter. The influence of the order of basis time-varying functions on parameters estimation is analyzed. The method has the advantage of simple, saving computation time and storage space. Theoretical analysis and experimental results show the validity of this method.     

基于微粒群优化的船舶柴油机T-S模糊模型

提出了一种基于微粒群优化(PSO)的T-S模糊模型的非线性系统辨识方法,并用于船舶柴油机的动态建模.该辨识方法采用GK模糊聚类算法确定模糊模型的前件结构及参数,利用PSO算法来辨识模糊模型的结论参数.利用6160-All船舶柴油机模型,获得柴油机各主要参数在油门尺度和负载发生小偏差扰动时的试验数据,再利用该组数据辨识出柴油机转速、涡轮增压器转速、增压压力、空冷器压力、进气管压力、排气管压力等参数的T-S模糊动态模型.仿真结果表明了该方法的有效性.     

An estimation method for direct maintenance cost of aircraft components based on particle swarm optimization with immunity algorithm

A particle swarm optimization (PSO) algorithm improved by immunity algorithm (IA) was presented. Memory and self-regulation mechanisms of IA were used to avoid PSO plunging into local optima. Vaccination and immune selection mechanisms were used to prevent the undulate phenomenon during the evolutionary process. The algorithm was introduced through an application in the direct maintenance cost (DMC) estimation of aircraft components. Experiments results show that the algorithm can compute simply and run quickly. It resolves the combinatorial optimization problem of component DMC estimation with simple and available parameters. And it has higher accuracy than individual methods, such as PLS, BP and v-SVM, and also has better performance than other combined methods, such as basic PSO and BP neural network.     

基于粒子群优化的结构系统识别

研究了使用粒子群优化(PSO)算法进行结构系统识别的方法,该方法的基本思想是将结构系统识别问题描述成一个多峰值非线性非凸的优化问题,通过PSO算法发现系统参数的最优估计。利用该方法在输入输出数据不完备且噪声污染条件下,同时在没有系统质量、刚度等先验信息的情况下对结构系统进行了识别,并与基于遗传算法(GA)的结构系统识别方法进行了比较。数值算例及比较结果表明:PSO方法易于实现且计算时占用资源低,并可以成功地对结构系统进行识别,识别效能十分优越。     

基于粒子群算法的模糊滤波器优化方法

根据粒子群算法可以搜索全局最优的特点,提出一种新的基于粒子群算法优化模糊隶属函数,从而对带有脉冲噪声图像进行模糊中值滤波的方法.该方法给出一个新的模糊熵定义,采用改进粒子群优化算法寻求隶属函数的最优参数,依照最大熵准则将图像变换到模糊域,然后对需要处理的噪声图像进行滤波.实验表明,提出的方法可以很好地滤除图像中的脉冲噪声,自适应性强.