基于精度因子与距离残差的加权最小二乘算法在DTMB辅助北斗定位中的应用

北斗三号系统已完成建设,该系统可以在空旷的室外提供较为准确的定位信息。但是在城市峡谷区域,北斗信号会受到遮挡。当能够提供有效定位信息的北斗卫星数目逐渐减少时,利用北斗卫星进行定位得到的定位结果偏差会逐渐增大。本文针对以上问题,在采用地面数字多媒体广播信号辅助北斗定位的基础上,利用基于精度因子与距离残差的加权最小二乘算法进行定位,相比于利用最小二乘算法进行定位,定位精度提高了40%~50%。本文提出的算法对于解决定位基站数目不足时增加其他不同类型基站来进行辅助定位的问题具有借鉴作用。

基于最小二乘算法修正接触网电弧沿边放电参数的研究

弓网系统的安全运行可为电力机车提供稳定的电流供应。高速动态运行的接触网伴随着电弧放电现象,易使暂态过电流侵入输电线路,从而造成供电故障。首先,分析接触网动态运行的预估模型和参数变化特征;其次,利用最小二乘算法对模型参数进行辨识,提出电弧沿边放电防护与参数修正方案;最后,应用Matlab软件对弓网动态模型参数进行拟合修正。仿真实验结果表明,采用最小二乘算法在线修正误差可获得最优解,并与设定值保持良好的线性关系。

Bagging偏最小二乘和Boosting偏最小二乘算法的金银花醇沉过程近红外光谱定量模型预测能力研究

建立金银花醇沉过程中稳健的近红外光谱（Nearinfraredspectroscopy,NIR）定量模型,为金银花醇沉过程的快速评价提供方法。研究基于金银花醇沉过程绿原酸的NIR数据,通过建立Bagging偏最小二乘（Bagging-PLS）模型、Boosting偏最小二乘（Boosting-PLS）模型与偏最小二乘（PartialLeastSquares,PLS）模型,实现对模型性能比较；在此基础上,采用组合间隔偏最小二乘法（Synergyintervalpartialleastsquares,siPLS）和竞争自适应抽样（Competitiveadaptivereweightedsampling,CARS）法分别对光谱进行变量筛选,建立模型,实现了对模型预测性能的考察。实验结果表明,Bagging-PLS和Boosting-PLS（潜变量因子数设为10）的预测性能均优于PLS模型。在此基础上,两批样品采用siPLS筛选变量,第一个批次金银花筛选波段820-1029.5nm和1030-1239.5nm,第二个批次金银花醇沉筛选波段为820-959.5nm和960-1099.5nm；采用CARS方法变量筛选,两批样品分别选择5折交叉验证和10折交叉验证,取交叉验证均方根误差（RMSECV）值最小的子集作为最终变量筛选的结果。经过变量筛选的两批金银花醇沉过程中的绿原酸含量Bagging-PLS和Boosting-PLS模型的预测均方根误差（RMSEP）值降低了0.02-0.04g/L,预测相关系数提高了4%-5%。综上,Baggning-PLS和Boosting-PLS算法可作为金银花醇沉过程NIR定量模型的快速预测方法。

基于递推最小二乘算法的小信号检测

受到强干扰影响的小信号通常难于有效检测。在分析递推最小二乘算法(RLS)原理及其几种改进形式的基础上,采用自适应方法将已检测出的大信号与原混叠信号对消,降低大信号对小信号的遮蔽作用,再进行小信号的检测。最后通过仿真证明,该方法能够在较小失真的情况下,有效检测出被大调幅信号干扰下的小调频信号;同时分别比较了各种算法的优劣,得出基于可变遗忘因子的RLS(VFF-RLS)算法不仅具有较快的收敛速度,而且收敛之后具有很好的平稳性能。

基于滑动最小二乘算法和电池荷电状态的储能系统平滑控制策略

利用电池储能系统平滑间歇式电源的输出功率波动可以提高该类电源输出功率的稳定性。提出一种基于滑动最小二乘算法和电池荷电状态的电池储能系统实时控制策略。通过滑动最小二乘拟合算法确定储能系统的功率输出量,并辅助以荷电状态和最大波动功率限制调节,从而有效降低平滑控制过程中电池的充放电深度。实验结果显示,与传统基于滤波算法的控制策略相比,在获得相同平滑效果的情况下,新的控制策略具有更小的荷电状态波动量,可以较大程度降低所需电池容量,并延长电池的寿命。

基于格型递归最小二乘算法的船舶运动极短期预报

在最小二乘方法(RLS,recursive least square)的基础上,提出利用格型递归最小二乘(LRLS,lattice recursiveleast square)算法对AR模型参数进行自适应估计。该算法为模块式的多极格型结构,降低了一般RLS算法的计算复杂度。利用实测的动态数据结合AIC准则建立自适应AR预报模型,并将该模型应用于船舶运动预报中,仿真结果表明,相对于最小二乘算法,基于LRLS算法的AR预报模型可有效提高船舶运动预报精度。

基于多新息最小二乘算法的锂电池参数辨识

为了保证电池管理系统的安全可靠运行,需要准确地辨识锂离子电池模型参数。以磷酸铁锂为研究对象,建立其RC等效电路模型,并基于该模型辨识锂离子电池模型参数。锂离子电池模型参数受外部因素影响较大并且参数辨识结果受在线信息采集的限制,采用多新息最小二乘辨识算法进行锂离子电池模型参数在线辨识。通过3种不同的充放电实验采集数据,并根据实验数据在不同初值下进行参数辨识,通过比较由辨识结果估计出的端口电压值与实际值的误差来描述辨识结果的准确度。实验结果表明,多新息最小二乘辨识算法具有快速收敛性与高精确性。

近红外光谱技术结合反向区间偏最小二乘算法-连续投影算法预测哈密瓜可溶性固形物含量

采用近红外光谱技术结合数据降维的方法,建立了哈密瓜可溶性固形物含量的预测模型,对原始光谱进行特征区间选择,共选取了6个子区间,432个光谱变量;将6个联合子区间的光谱数据分别结合特征选择竞争性自适应重加权采样算法、遗传算法、连续投影算法(successive projections algorithm, SPA)提取特征波长;再使用选取的特征波长以及特征区间波长作为模型的输入变量,利用极限学习机和偏最小二乘算法(partial least squares, PLS)建立哈密瓜可溶性固形物含量预测模型。结果显示,反向区间偏最小二乘算法+SPA+PLS建立的预测模型最优,模型的校正集相关系数为0.923 4,预测集相关系数为0.878 8,模型能够准确预测哈密瓜可溶性固形物含量。

基于约束总体最小二乘算法的接地网故障诊断新模型

针对变电站接地网实际敷设情况往往与施工图纸有所出入、可能造成诊断结果具有较大误差的情况,在传统电路诊断模型的基础上考虑了接地网腐蚀特性,即地理位置越接近的导体被腐蚀的程度越相近,并提出局部差异性腐蚀指标表示支路电阻腐蚀倍数的相近程度,从而建立了接地网故障诊断的增广线性模型,同时运用基于奇异值分解法分解的最佳降秩逼近定理解决模型中方程组等式两端的不相容性.为校正诊断模型中存在的扰动对诊断结果的影响,采用了基于约束总体最小二乘算法的优化算法,对明晰支路和模糊支路分别迭代,在已知设计模型与实际支路敷设有偏差的情况下得出了较为满意的解.仿真计算结果验证了所提方法的正确性和有效性.

基于时间差分和局部加权偏最小二乘算法的过程自适应软测量建模

工业过程软测量模型常常因为过程的变量漂移、非线性和时变等问题而使得预测性能下降。因此,时间差分已被应用于解决过程变量漂移问题。但是,时间差分框架下的全局模型往往不能很好地描述过程非线性和时变等特性。为此,提出了一种融合时间差分模型和局部加权偏最小二乘算法的自适应软测量建模方法。时间差分模型可以大大减少过程变量漂移的影响,而局部加权偏最小二乘算法作为一种即时学习方法,可以有效解决过程非线性和时变问题。该方法的有效性在数值例子和工业过程实例中得到了有效验证。

基于总体最小二乘算法的多站无源定位

将总体最小二乘算法应用于多站无源定位中,分别提出了基于角度估计的总体最小二乘算法,基于时差估计的总体最小二乘算法以及基于角度和时差估计的总体最小二乘算法。算法首先把非线性的观测方程转化为伪线性的观测方程,然后构造增广矩阵,并对该矩阵进行奇异值分解即可估计出目标位置,因此无需迭代计算或者获得目标位置的粗略估计,仿真结果表明该算法具有较高的定位精度。

阻尼最小二乘算法CARS光谱温度拟合

为了解决相干反斯托克斯喇曼散射(CARS)光谱CARSFT计算程序在温度拟合过程中,对初值依赖大、测量光谱信噪比差、不易收敛的问题,通过分析非线性迭代算法,采用了阻尼最小二乘算法对氮气CARS光谱进行温度拟合。针对CARS理论光谱计算公式较为复杂的特点,采用数值差分的方式来获得迭代计算时所需要的设计矩阵。分析了横向偏移、纵向偏移和温度三个主要参量对拟合残差的影响,发现纵向偏移的初值设置对温度拟合影响较大。拟合温度2000K时的标准理论CARS光谱,设置偏离较大的初始值,采用阻尼最小二乘法获得了较好的结果。迭代计算167步后,温度拟合为2 005.6K,残差为0.027 463。拟合光谱信噪比较差的CARS光谱,阻尼最小二乘法也能稳定收敛。结果验证了阻尼最小二乘法对初值的依赖不大,并且当拟合谱信噪比较差时也能收敛,可用于在恶劣环境下CARS测量光谱的拟合。

化学计量学非线性偏最小二乘算法进展评述

评述了偏最小二乘法 (PLS)近年来非线性化的进展以及重要算法的原理、特性和应用。一类是对自变量进行非线性前处理的方法 ,包括二次变换、Chebychev变换和基于机理的变换 ;另一类是基于内部非线性映射的PLS ,主要有多项式映射、样条函数映射、由遗传算法辅助实施的任意非线性映射和神经网络映射 ;介绍了具有类似功能的正交网模型。本文还就算法的普适性、稳健性和简易性 ,及其非线性化的演变进程予以评述。

基于总体最小二乘算法的平稳声信号二阶盲分离方法

利用声源信号相互独立的已知条件,提出分离平稳声信号的总体最小二乘二阶盲分离算法,该算法在联合近似对角化相关函数矩阵的约束下估计分离矩阵,在同时考虑估计矩阵与观测信号误差的情况下给出修正模型,在修正模型总体误差最小时分离源信号。提出的算法具有无需选择非线性函数,不存在收敛到局部最小值与计算速度快的特点,分离的声源信号具有较小的失真。半消音室电机噪声分离实验验证了上述算法的有效性。

递推最小二乘算法的补充性证明

在使用递推最小二乘算法时,通常考虑的情况是训练样本所构成的方程组为矛盾方程组时该算法的收敛情况。本研究对递推最小二乘算法进行了理论证明及分析,指出了在任意第k步,未知参数估计值收敛于前k组数据的极小范数解(如果前k组数据所组成方程组为相容方程组)或者极小范数最小二乘解(如果前k组数据所组成方程组为矛盾方程组),并且此解是唯一的;仿真结果同样也验证了该结论的正确性。

基于最小二乘算法的模糊支持向量机控制器及其应用

介绍了一种基于最小二乘算法的模糊支持向量机控制器,它将模糊控制与支持向量机结合起来,融合了两者的优点,既有不依赖被控对象模型又有泛化能力强等特点。同时采用混合学习算法来优化控制器参数,即先采用最小二乘算法离线优化支持向量机(SVM)性能参数,建立SVM控制系统,再根据对象的变化,采用遗传(GA)算法在线学习优化SVM性能参数和模糊比例因子,以使控制器的性能能适应对象的变化而达到最优。火电厂主汽温控制的仿真结果表明这种控制器具有良好的控制性能。

基于最小二乘算法和SVDUKF算法的电液伺服加载优化

为了分析和模拟伺服刀架可靠性试验台电液伺服加载系统的动态性能,建立了该加载系统的动态特性数学模型,并利用最小二乘算法对其参数进行估计。为了减弱噪声对加载系统稳定性的影响和避免无色卡尔曼滤波算法(UKF)中协方差矩阵出现病态导致算法失效,提出了利用基于奇异分解的无色卡尔曼滤波算法(SVDUKF算法)对电液伺服加载系统反馈力信号进行滤波的方法,并进行了SVDUKF算法与扩展卡尔曼滤波算法(EKF)算法之间滤波性能对比。实验结果表明,最小二乘算法估计出的数学模型具有较高精度,并且SVDUKF算法具有高效的滤波能力和提高系统稳定性的能力。

总体最小二乘算法模波束形成方法研究

研究了模波束形成处理算法,并在此基础上提出了一种总体最小二乘算法模波束形成技术。该方法利用总体最小二乘算法修正了从垂直接收基阵数据中提取出的简正波模态函数信息,准确估计出各阶简正波模态系数,提高了对目标检测和定位的性能。针对典型的浅海波导环境,进行了计算机仿真实验,结果表明:在低频远程目标条件下,该方法与常规最小二乘算法模波束形成相比,估计出的简正波模态系数更精确,具有旁瓣低,分辨率高,定位性能好的优点。

基于偏最小二乘算法的高维谱数据特征选择

基于高维谱数据全部谱变量建立的软测量模型不但存在模型学习速度慢、泛化性和可解释性差等问题,并且难以揭示软测量模型所蕴含的物理含义和进行合理的物理解释等问题。对高维谱数据进行变量选择,降低输入变量维数一直是特征选择领域的热点问题之一。针对这些问题,提出了一种基于偏最小二乘(PLS)算法的高维谱数据特征选择方法。该方法首先分析了基于偏最小二乘算法的潜变量特征提取方法,然后,采用PLS算法分析了原始未标定谱数据的不同谱变量的灵敏度,计算从谱数据提取的不同潜在变量系数的平方和,最后结合球域准则和软测量模型精度基于优化求解的思路进行谱变量选择,进而实现高维谱数据特征的全局优化选择。采用近红外谱数据验证了所提方法的有效性。

非整数阶系统频域辨识的递推最小二乘算法

非整数阶系统辨识方法是建立非整数阶系统模型的一种重要工具.本文提出了一种非整数阶系统频域辨识的最小二乘递推算法.给出了算法的详细推导,并用已知系统验证了算法的有效性.结果表明该算法是整数阶系统辨识的最小二乘递推算法的推广.使用此算法,不但能辨识整数阶系统,还能辨识非整数阶系统.