求解耦合非线性Schrodinger-Boussinesq方程的三角标量辅助变量方法

采用三角标量辅助变量(TSAV)方法,构造求解耦合非线性Schrodinger-Boussinesq方程初边值问题的高效数值格式。基于方程非线性势能的三角函数形式,提出求解方程的TSAV格式;对方程在时间和空间上分别采用二阶Crank-Nicolson格式和傅里叶谱方法进行离散,并证明时间半离散格式的修正能量守恒律。最后,通过数值算例对文中格式进行验证。结果表明:文中格式具有有效性,修正能量具有守恒性。

基于辅助变量的潮流方程二次转折分岔点的直接算法

对于一个含单参数的潮流方程组,二次转折分岔是最简单的且最为普遍存在的一种分岔。在二次转折分岔点处,系统的Jacobi矩阵为秩降1的奇异阵。为了克服Jacobi矩阵的奇异性,可采用Moore-Spence系统来确定转折分岔点。然而,Moore-Spence系统具有很高的维数,给计算工作带来不便。该文通过引入辅助变量和辅助方程,得到一个求解潮流方程的Moore-Spence扩展系统的矩阵降阶新算法。该算法克服了潮流方程在分岔点处的奇异性所造成的求解困难,同时也解决了Moore-Spence方程的高维数问题。

辅助变量纯方位目标跟踪算法

为克服伪线性估计方法在纯方位目标跟踪中估计参数的有偏性,提出了一种改进的辅助变量算法.该算法通过曲线拟合前几个时刻的方位角测量序列来获得当前时刻目标方位角的估计值,并将此作为辅助变量,通过最小二乘方法对目标参数进行估计,理论上可以获得目标参数的无偏估计.针对单、双观测站两种不同情况,推导出了系统观测模型,并给出了具体实现步骤.仿真实验的结果表明,与已有的研究相比,该算法具有更快的收敛速度和更高的估计精度,在工程实践中具有广泛的应用.

一种不需要迭代的发动机辅助变量建模方法

现代航空发动机建模计算时常用牛顿迭代法求解非线性方程组,但由于发动机模型非线性太强且十分复杂而不易在全包线收敛。本文针对这一不足之处提出了一种不需要迭代就可以求解此非线性方程组的方法:引入航空发动机容积动力学中的变量及方程作为辅助变量及辅助方程,从而使整个非线性方程组闭合而可以直接求解。本文将此方法成功应用于某涡扇发动机,取得了良好的效果,验证了本方法的可行性。

类别辅助变量参与下的土壤无偏采样布局优化方法

为了提高采样点在地理空间和辅助变量特征空间中的代表性,该文提出特征空间偏离指数用以测度采样点在特征空间中的无偏性,采用类别型辅助变量参与下的多维特征空间构建方法,融合地理空间和特征空间均匀分布的多目标优化目标函数,并利用空间模拟退火的方法实现采样点布局优化。以北京顺义区农田土壤重金属采样为例,选取土地利用类型、土壤质地和母质为辅助变量进行样点布局优化,并与特征空间均匀和地理空间均匀采样方法比较,结果表明:用于区域变量总体估计时,地理空间均匀采样估计精度最低,在采样尺度大于0.275时以特征空间均匀采样估计精度最好,而在采样尺度小于0.275时,无偏采样能获得更好的估计结果;在特征空间代表性方面,采样尺度较大时特征空间均匀采样样点代表性最好,采样尺度小于0.302时,无偏采样与特征空间均匀采样的代表性基本一致,地理空间采样点的代表性最差;用于空间制图时,无偏采样总体上比其他2种方法具有更好的制图精度。可见,在辅助变量支持的采样优化中,当采样尺度大且样点数较少时,适合采用特征空间均匀方法,且只能用于总体估计;采样尺度较小,样点数多时,适合采用无偏采样方法。该研究为利用辅助变量设计区域采样布局提供参考。

用于SCR喷氨量模型参数辨识的辅助变量递推最小二乘法

为了对火电厂选择性催化还原(SCR)烟气脱硝系统中喷氨量-出口NOx质量浓度控制对象模型参数进行在线辨识,针对现场有色噪声数据,采用辅助变量对递推最小二乘法进行了改进,构成辅助变量递推最小二乘法,并对含噪声二阶惯性加纯延迟模型参数进行辨识。同时,结合变回归估计(FMVRE)方法得到最小化损失函数,通过两步辨识得到系统的惯性时间、比例系数及迟延时间。以某350MW机组SCR烟气脱硝系统为对象,采用标准递推最小二乘法和辅助变量递推最小二乘法进行参数辨识。结果表明,辅助变量递推最小二乘法的辨识参数收敛更快,辨识精确度更高,所得模型能够较好地表征实际系统的动态和静态特性。因此,基于辅助变量递推最小二乘法的参数辨识方法可用于SCR烟气脱硝系统控制对象的一类二阶惯性加纯延迟模型参数的在线辨识。

软测量辅助变量选择方法研究

对软测量中辅助变量的选择过程进行研究。主要讨论了基于机理分析方法选择变量,与通过对历史数据进行建模分析方法选择辅助变量。通过神经网络软测量模型预测,对两种方法选择的辅助变量的预测结果进行比较,最终确定辅助变量。

基于辅助变量的森林半腐层厚度空间插值精度

基于地统计学方法,利用3种以海拔作为辅助变量的空间插值算法[局部平均的简单kriging法(simple kriging with locally varying mean,SKlm)、带有外部漂移的kriging法(krig-ing with an external drift,KED)和协kriging法(cokrging,COK)]计算了森林半腐层厚度的空间插值精度,并进行了交叉验证.结果表明:KED法既考虑了变量之间的空间变异,又考虑到影响局部空间变化的因素,与其他插值方法相比,其精度有很大提高;由于海拔与半腐层厚度之间的相关关系较弱,导致SKlm法的插值精度没有达到预期效果;COK法直接将海拔用于估计半腐层厚度,由于在边界地区缺乏采样点数据,因此边界地区的插值出现了多处突变区域.对比地统计学方法与距离反比权重法(inverse distance weighting,IDW)在本研究中的插值精度,除了KED方法的插值精度较高外,其余方法的插值精度均不及IDW,原因可能是利用辅助变量辅助地统计学插值时,主、辅助变量之间的相关关系在插值中起着重要作用.

基于互信息的辅助变量筛选及在火电厂NO_x软测量模型中的应用

辅助变量的选取是软测量建模中重要的一步;但由于待选变量数目多、与主导变量非线性相关、信息冗余大等因素导致辅助变量的选择不够合理。在信息熵和互信息理论基础上,改进IBF和MIFS变量筛选算法,综合考虑了辅助变量和主导变量之间的最大相关性,以及辅助变量之间的最小冗余性。作为算例使用改进后的算法,筛选了某燃煤机组运行历史数据,建立了省煤器出口NOx浓度的GA-BP软测量模型。实验证明这种基于互信息的变量筛选方法可以有效提高模型的输出精度和泛化能力。

基于MATLAB的辅助变量法参数辨识与仿真

本文介绍了参数辨识中辅助变量法的基本原理以及Matlab系统辨识工具箱中参数辨识主要功能函数 ,并通过实例分析该工具箱在参数辨识、系统仿真中的应用。

基于辅助变量法的系统参数辨识

重点介绍了系统参数辨识中辅助变量法的基本原理,并通过某导弹天线伺服机构数学模型的辨识实例,具体说明了基于辅助变量法的参数辨识在M atlab中的实现方法。结果表明基于辅助变量法的参数辨识比最小二乘法具有更高的精度,尤其当噪声为有色噪声和噪声模型结构不好确定时,辅助变量法更加有效。

辅助变量最小二乘辨识的均方收敛性

利用随机过程理论 ,首次证明了递推辅助变量最小二乘 (RIVL S)的收敛性 ,研究了 RIVL S算法的收敛速率 ,给出估算 RIVL S算法均方参数估计误差上界的计算公式。分析表明 ,当辅助矩阵与信息矩阵的乘积是非奇异阵 ,且关于辅助向量的弱持续激励条件成立时 ,均方参数估计误差以 (1/ t)的速率收敛于零。这一研究结果对于提高 RIVL S算法的实际应用效果具有重要意义。

基于辅助变量法的双基阵纯方位目标跟踪算法

伪线性估计算法是主要的纯方位目标跟踪算法之一,其计算简单,但估计结果严重有偏。针对伪线性估计算法估计的有偏性,提出了一种新的辅助变量方法对双基阵纯方位跟踪性能进行改进。该算法将上一时刻的目标估计值进行一次Levenberg-Marquardt迭代而得到的估计值作为辅助变量,进而对目标参数进行加权的最小二乘估计。通过仿真说明了利用该方法在不同的测量环境噪声下所得到的位置、速度跟踪误差曲线能快速地逼近CRLB,比双基阵EKF滤波器及伪线性估计算法有着更好的收敛速度和跟踪精度,证明了该方法的有效性。

用辅助变量法研究落体问题

给出一种在考虑地球自转情况下求解自由落体运动方程的精确解的较简便方法，指出赤道处的自由落体的运动轨迹为一条严格的摆线．

基于辅助变量粒子滤波的空对海BO-TMA的研究

论文探讨了TMA(目标运动分析)中基本的非线性估计问题;介绍了粒子滤波(PF)的基本思想和辅助变量PF(AVPF)的基本算法,特别针对空对海单站只测方位TMA(BO-TMA)问题应用AVPF和EKF(扩展卡尔曼滤波)进行了对照研究;建立了问题的离散非线性滤波估计模型;设计了典型的应用场景;给出了Monte Carlo仿真运行结果;表明AVPF具有更高的估计精度、更好的收敛特性和滤波一致性。

利用辅助变量对实有人口进行跟踪监测的方案设计

在外来人口较多的城市,往往难以准确估计实有人口规模,更难长期跟踪实有人口的变化。文章提出了以间接测量的方式,通过数据库和抽样调查获取数据,对实有人口总量进行测算的具体方案。

关于样本对总体代表性问题的认识与讨论——兼论抽样调查中辅助变量的作用

This paper discusses and clarifies some understandings of the problem in representativeness of sample, as well as analyzes the function of ancillary variable in the sampling survey.

基于离散PSO的软测量辅助变量选择算法

工业对象的复杂化带来了可测变量的增多,这些变量集合中大量冗余的信息会降低软测量建模的精度。针对这个问题,提出了基于离散PSO的软测量辅助变量选择算法。算法将传统PSO连续的优化过程通过对粒子位置的隶属度计算,将其离散成0或1。0、1分别表示某变量未被选中和被选中,每个粒子就代表一种变量选取情况。将PLS回归用于适应度函数的计算,有利于克服多元回归中多重共线问题。最后,将该算法用在了丙烯精馏塔塔顶丙烯浓度的软测量实验中,实验结果表明该方法有效,并提高了模型的预测精度。

基于BJ辅助变量法实现动力调谐陀螺仪的闭环辨识

为了在闭环工作条件下监测动力调谐陀螺仪的性能,研究了动力调谐陀螺仪的闭环辨识方法。首先,根据动力调谐陀螺仪闭环模型的复杂结构,对其进行化简和离散化处理,获取辨识模型集和模型阶数。接着,将辅助变量法(Ⅳ)应用于动力调谐陀螺仪的闭环辨识,并根据传统Ⅳ法的不足,提出了BJIV辨识法。该方法能够应用于BJ模型,使系统模型与噪声模型不再受辨识模型的限制。然后,利用仿真分析的方法,分析BJIV法辨识结果的无偏性与渐进离散特性。最后,采用提出的方法对某型号动力调谐陀螺仪进行单次和连续闭环辨识实验。仿真结果表明:BJIV法的辨识结果在有噪声存在的条件下是一致无偏的,渐进方差能够接近最优;闭环辨识实验结果表明:辨识拟合度优于90%,连续跟踪2h,获得了可靠的辨识结果。

SIMO系统辅助变量最小二乘盲辨识方法

辅助变量辨识方法是一类重要的辨识方法,然而对于盲辨识,系统输入未知,辅助矩阵的选择就成了难题。针对盲辨识领域研究最多的单输入多输出(SIMO)系统,利用辅助变量方法研究相应的盲辨识方法,其基本思想是联立其中两个子系统进行辨识,利用其他子系统的输出来构造辅助矩阵,从而提出了辅助变量最小二乘盲辨识方法,来获得系统参数估计。还给出所提算法的递推形式,并进行了收敛性分析。仿真例子验证了所提方法的有效性。