基于x-LMS算法的直升机主动消振电力作动器系统研究

直升机前飞时,气动环境会导致不同方位角的桨叶出现气动载荷的瞬间不对称,通过基础结构传递会在机身形成大幅度的低频振动。为了消除多方向幅值变化的振动力,利用结构响应主动控制原理,设计了基于x-LMS算法的主动消振电力作动器系统,并进行了减振实验。首先,通过比较确定了单台作动器中两台电机同向旋转的方案。通过两台作动器的组合使用,推导出输出力的数学模型。其次,采用负载相位差交叉耦合的控制策略设计系统控制框图。针对存在耦合的相位外环,通过回差阵特征值法确定满足系统稳定裕度要求的参数范围,再根据灵敏度函数和输入跟踪性能在所得的参数稳定域内寻找最优解。然后,提出了基于x-LMS算法的直升机主动振动控制系统,并通过仿真验证了该系统的减振效果。最后,研制的实验样机进行了动稳态实验以及减振实验,验证了系统的实际减振效果。

基于LM优化的车载全景影像绝对测量方法

【目的】为解决车载全景影像在智慧城市、智慧城管、智慧交通等领域中应用不足的问题,提出了一种基于LM优化的车载序列全景影像绝对测量的方法。【方法】首先,对待测目标点在全景影像上的成像过程进行分析,详细推导了目标点绝对坐标测量的理论模型。其次,为解决该理论模型的优化求解问题,引入了对初值不敏感且收敛速度较快的LM算法,并对LM算法中的初值获取、函数构建、参数设置等问题进行了设计。最后,结合实际车载全景影像和目标点位实测数据,对所提的方法进行验证。【结果】该方法获得的目标点绝对坐标平面中误差和高程中误差分别为0.123 m和0.118 m,符合《城市测量规范》(CJJ/T 8—2011)中的相关要求。【结论】该方法能够有效获取全景影像范围内待测目标点的绝对坐标,从而为全景影像在城市部件普查、交通基础设施测量等领域的应用提供了可能。

基于改进变步长LMS算法的谐波电流检测法

针对传统基于瞬时无功功率理论谐波电流检测中的二阶低通滤波器无法同时满足检测精度和响应时间的问题,提出了基于改进的双曲正切函数变步长LMS算法(IVSSLMS)的低通滤波器提取p轴和q轴中直流分量的方法;将两个谐波电流的间隔时间通过适当的调节采样间隔次数来延长,目的是为了达到高次谐波的自相关性能迅速降为零。从理论上分析了算法性能的优越,给出了参数的取值,并在simulink中搭建了仿真模型,仿真实验结果表明,改进后的低通滤波器直流分量的跟踪速度提升了一倍,得到基波正弦波形的THD值下降了0.37%。并得出以下结论:在同样输电条件下,采用改进变步长LMS算法构成低通滤波器加快了直流量的跟踪,提取的基波分量更加接近于理想波形,提升了谐波检测的瞬时性和准确性。

一种LM-BP加速搜索的周跳探测与修复方法

针对传统三频周跳探测与修复方法中的不敏感、漏检以及效率较低等问题,提出一种基于莱文伯格-马夸特(LM)-反向传播(BP)神经网络加速搜索法的伪距相位组合与电离层残差组合联合周跳探测与修复方法:利用2个伪距相位组合以减少不敏感周跳数量,利用1个电离层残差组合以提高小周跳探测敏感度;在构成3个线性无关的组合观测值后,使用LM-BP加速搜索算法进行周跳探测与修复。实验结果表明,相对常规的伪距相位组合与电离层残差组合联合方法,该方法能够提高周跳探测与修复性能,可探测小至1个的周跳,探测与修复整体时效有较大提升。

基于LM方法的麻花钻刃带宽度测量研究

提出一种基于二值化的麻花钻刃带宽度检测方法。首先对目标边缘进行锐化,然后用巴特沃斯高通滤波提取边缘信息;其次通过改进的大津二值化算法对疑似边缘点进行阈值分割,获取边缘点坐标;再次使用列文伯格-马夸尔特(LM)方法对边缘附近的点进行拟合,得到刃带宽度曲线并求其拐点,求取麻花钻刃带宽度的数据。最后进行对比实验,用LM方法对未处理的M35直径2.5 cm的刃带图像进行处理得到刃带宽度1.467 mm,测量误差0.467 mm。改进后的测量结果为0.853 mm,测量误差为0.147 mm。

融合改进LM算法及动态时间规整算法的人体动作捕捉研究

人体动作捕捉是指通过技术手段捕捉人体的运动轨迹和姿态信息,广泛应用于娱乐、体育、医疗等领域.然而,现有的动作捕捉技术存在捕捉不准确、计算效率低等问题,影响了其在实时应用场景中的表现.针对这些问题,引入一种骨骼点坐标拟合优化Levenberg-Marquardt算法,并采用粒子群算法对其加以优化.同时采用动态时间规整算法进行人体动作捕捉及评估,以期实现人体动作的实时捕捉.结果显示,该算法对肩部侧平举这一动作的捕捉准确率最高达到了99.23%,明显优于其余对比算法.此外,该算法对深蹲动作的测试时间最短,仅为1.15 s,表明该算法在进行动作捕捉时具有显著的性能优势及很强的实际应用效果,为人体动作捕捉领域提供了新的解决方案.

基于LM-BP神经网络的办公建筑逐时空调能耗预测

利用LM算法对BP神经网络进行改进,以提高模型收敛速度,减少迭代次数,并分别对夏季、冬季空调能耗模拟数据进行样本训练和测试,构建了LM-BP神经网络的办公建筑逐时空调能耗预测模型。结果表明夏季模型的预测值和模拟值之间的MAPE误差平均为5.74%,冬季模型的MAPE误差平均为5%,其误差均在10%以内,说明LM-BP神经网络在建筑空调能耗预测方面的可行性。并以成都地区某办公建筑实际空调能耗数据为基础对该模型进行了验证,其预测值与实际值平均相对误差为6.6%,说明建立的能耗预测模型能够满足实际工程的需要,准确的用电预测数据可为办公建筑用电侧进行实际电力市场交易提供科学的决策依据。

连续时间的IS-LM模型可控制性与仿真研究

在现代经济学的标准假设下,建立连续时间的IS-LM动态模型,分析IS-LM动态模型的系统结构特征,设计连续时间的IS-LM动态模型的控制律,得到控制律的解析解并进行仿真分析。研究表明:连续时间的IS-LM动态模型具有能控性、能达性和完全能观性等系统结构特征;连续时间IS-LM动态模型系统可以任意配置其极点,使模型系统渐进稳定,达到输出调节并具有满意的动态性能,即在现代经济学的标准假设下,证实了IS-LM动态模型的可控性。根据模型假设及模型参数的经济意义设计仿真实验,仿真实验结果验证了所设计反馈控制律对连续时间IS-LM动态模型控制的有效性。因而,针对复杂多变的经济形势,科学设计经济政策,能有效实现经济调控的目标。

基于自适应LMS算法的跨声速风洞模型系统辨识

针对风洞试验模型系统辨识不准确的问题,利用自适应LMS(least mean square)滤波器模型对跨声速风洞模型进行系统辨识。由于实测信号中存在多模态耦合,为了提高系统辨识精准度,首先对输入输出信号作了FRF(frequency response analysis)分析得到试验模型俯仰方向前两阶模态,其次利用快速Fourier变换进行模态解耦,接着利用自适应LMS滤波器模型、传递函数模型、多项式模型对俯仰方向单模态进行系统辨识,最后得到了基于自适应LMS滤波器模型的俯仰方向一阶、二阶模态滤波器系数。通过对比不同数学模型的输出与输入之间的相关系数和均方误差及辨识结果,表明自适应LMS滤波器模型具有更高的系统辨识精准度和更简洁的数学模型结构。为后续风洞试验模型振动主动控制计算法的设计提供有力支撑。

求解Hankel张量方程的修正自适应LM算法

结合经典的LM算法及其变形,提出了求解Hankel张量方程的修正自适应LM算法,并证明其全局收敛性和局部二次收敛性.数值实验验证了所提算法的可行性和有效性.

基于LM算法的继电保护装置稳定性自动化检测方法

为增强继电保护装置稳定性检测的效果,提出基于LM算法的继电保护装置稳定性自动化检测方法。该方法首先对数据进行采集,并采用局部异常因子对数据进行预处理,以提高数据质量;然后,选取Weibull分布函数作为老化失效模型的基本函数,并对其进行求导,得到相应的失效密度函数,构建继电保护装置老化失效模型;最后,利用LM算法估计该模型的关键参数,以提高检测的准确性,并将更新后的参数输入老化失效模型中,实现继电保护装置稳定性自动化检测。结果表明,所提方法检测准确性较高,且具有较高的检测效率,可有效实现对继电保护装置的稳定性检测。

基于改进粒子群算法的LM神经网络模型预测爆破块度

矿岩爆破块度是对爆破效果进行定量评价的重要指标,它直接影响到矿山各后续生产工序的效率和采矿生产的总成本。在解决这类动态非线性问题时,需要考虑爆破效果与影响参数之间的复杂关系。论文提出了一种改进粒子群算法的LM(Levenberg-Marquardt,莱文贝格-马夸特)神经网络模型,通过改进粒子群算法可提高LM神经网络对缺陷属性识别的计算精度,从而实现对爆破效果的预测。通过临江冷堡子硅石矿现场爆破实验实例,验证了该神经网络模型及计算方法的可行性及实用性。

基于变步长凸组合LMS自适应滤波高原动态血氧检测系统设计

针对基于光电检测方法的血氧仪只能在静止状态下测试血氧饱和度(血氧)的问题,提出一种基于变步长凸组合LMS自适应滤波动态血氧检测方法。方法对原始光电描记脉搏波信号经预处理后,通过固步长与变步长LMS自适应算法组合,以三轴加速度计采集信号作为运动噪声参考信号,获得理想脉搏波信号再准确计算血氧值。在此基础上,开发了一套基于物联网的穿戴式高原血氧检测系统,经过模拟正常行走及在不同海拔条件下测试,最大误差不超过4%,验证了算法的有效性和准确性。结果显示,基于物联网的血氧监测系统对于高原旅游中高原反应的实时监测与提醒具有实际意义。

基于LMS Virtual.Lab调相机机房噪声仿真分析

特高压直流输变电工程以其输送距离长、送电容量大、传输稳定性优良、可以灵活控制等各种优势在电力传输领域具有广阔的应用前景。其中,调相机作为直流输变电工程的重要组成部分,可以改善电网功率因数,维持电网电压水平。目前,调相机本体的噪声问题影响着电网工人、周边居民的身心健康,对周边声环境造成污染,已经成为直流电网建设快速发展的重要挑战。因此研究调相机机房内外声场的分布对于噪声控制意义重大。根据声场有限元方法,在LMS Virtual.Lab中建立调相机机房声场仿真模型,并计算得到换流站调相机机房声场分布。之后通过与实测数据进行对比,验证仿真方法的准确性,并对模型进行优化改良,研究成果可以对调相机机房的后续降噪措施提供相应理论模型基础。

基于LM-BP神经网络的煤层瓦斯含量预测研究

为了高效、便捷地获取煤层瓦斯含量,设计了一种基于LM-BP神经网络的煤层瓦斯浓度预测方法。首先介绍了LM-BP神经网络的预测原理,然后建立了基于LM-BP神经网络煤层瓦斯预测模型,最后采用地勘钻孔的相关参数制作样本进行模型训练和预测,将设计的预测模型的性能与基于BP神经网络模型进行对比,结果表明,2种模型在预测准确率方面达到基本一致,都在90%以上,在收敛速度上基于LM-BP神经网络煤层瓦斯预测模型有明显优势。

改进箕舌线函数的LMS和BAS-LSSVM的衬板磨损状态预测

针对破碎机衬板磨损难以预测的问题,提出一种改进箕舌线函数的LMS和BAS-LSSVM的衬板磨损状态预测方法。首先,在最小均方误差算法(LMS)的基础上,引入改进的箕舌线函数,提出改进箕舌线函数的LMS算法,将其用于衬板超声回波信号的声时(TOF)的计算中;其次,通过TOF计算出衬板厚度,并根据衬板磨损前后的厚度变化得出磨损量;最后利用天牛须算法(BAS)优化最小二乘支持向量机(LSSVM)的惩罚因子γ和其核函数中的标准化参数σ,将磨损量作为预测模型的输入,衬板磨损阶段作为输出,建立BAS-LSSVM衬板磨损预测模型。结果表明,该方法对动锥衬板和定锥衬板的识别准确率分别达到了94.44%和95.56%,能够有效预测出衬板的磨损状态。

基于LMS自适应滤波器的PMSM谐波抑制方法

为有效抑制电流谐波,在原有的PI控制器基础上,基于最小均方自适应滤波器(LMS-ANF)改造控制器结构,使得永磁同步电机特定次电流谐波得到抑制。通过在传统d,q坐标系矢量控制算法的基础上增加自适应滤波器模块,将采样得到的实际电流作为输入,提取、放大实际电流中的特定次谐波电流,通过PI调节器对谐波误差放大后的电流进行调节,得到控制电压,取得了良好的谐波抑制效果。通过仿真以及台架实验,证明了该控制策略对于抑制电流谐波的有效性。

基于LM算法的惯导自主阻尼算法

针对机动状态或外部信息缺失时,振荡误差补偿的难题,提出了一种不依赖外部参数的惯导自主阻尼算法。所提方法基于传统惯导算法,利用LM算法估计出速度误差模型,进而预测外速度时间序列进行外水平阻尼,摆脱了对外部信息的依赖,还能实现对周期性振荡误差和载体加速度影响的有效抑制。阻尼算法仿真结果表明:对比遗传算法(GA)、最小二乘(LS)法,LM算法估计出的模型在自主阻尼中取得了最佳的阻尼效果,24 h内自主阻尼与外水平阻尼的俯仰角阻尼效果差值不超过4′,验证了所提算法对外水平阻尼算法的近似效果以及对于非训练数据的泛化能力。

基于LMS的三阶Volterra自适应滤波器的时间序列数据预测算法的研究

为了确保工业复杂系统运行过程中的安全性和可靠性,对生产过程中的非线性数据进行预测分析成为一种有效手段。为了提高时间序列数据预测准确性,提出基于非线性归一化最小均方算法(LMS)的三阶Volterra自适应滤波器预测算法。首先针对时间序列数据的预测问题,利用有限项记忆单元的三阶Volterra级数对复杂系统运行数据进行预测。针对权重初始值会严重影响预测效果的问题,采用LMS自适应滤波算法对滤波器系数进行在线更新,对未来时刻的数据进行预测。最后利用联合循环发电厂数据对该预测算法进行实验,火电厂运行数据的预测值和实际观测值之间的误差很小,说明基于LMS的三阶Volterra自适应预测算法具有较好的预测效果,能够为实际的预测及控制提供有利的依据。

基于LM-BP神经网络的采煤机液压系统故障诊断研究

针对采煤机液压系统故障率高,故障种类多样的问题,使用基于LM-BP神经网络对采煤机液压系统故障进行故障诊断。首先对常见故障类型进行分类,制作故障样本库,然后设计并训练基于LM-BP神经网络的采煤机液压系统故障分类模型,最后与BP神经网络模型性能对比,结果表明,模型的故障辨识率和识别速度更好。