压电陶瓷执行器迟滞特性的广义非线性Preisach模型及其数值实现

压电陶瓷执行器的迟滞非线性不具有经典Preisach模型的次环一致特性,直接利用该模型对压电陶瓷执行器的迟滞特性建模会产生较大误差。为了提高压电陶瓷执行器的迟滞特性建模精度,在非线性Preisach模型的基础上推导得到适用于压电陶瓷迟滞特性的广义非线性Preisach模型,并给出简化分类计算公式。广义非线性Preisach模型将经典Preisach模型表示定理中的次环一致特性修改为次环等弦长特性,放宽了对描述对象的限制要求。实验数据表明,与经典Preisach模型相比,广义非线性Preisach模型预测位移的误差绝对值的最大值降低了0.22μm,均方根误差降低了0.11μm,能够更精确地描述压电陶瓷的迟滞特性。

浅水波方程模型与奇非线性行波方程解的动力学行为及精确的参数表示:动力系统方法

首先,介绍在重力作用下,无旋、无黏性和不可压缩的流体的表面波传播的一维(或两维单向)浅水波运动的各种不同模型(PDE),这些模型对应的行波系统一般是奇平面动力系统.其次,用著名的广义Camassa-Holm方程作为例子,通过对应的行波系统的精确解来研究该方程的尖孤子、周期尖波、伪尖孤子、伪周期尖波及有界破缺波解的存在性.第三,应用动力系统分支理论和奇摄动几何理论相结合的方法,建立了奇非线性行波方程研究的理论和方法,介绍奇非线性行波动力学行为的2个主要定理,完整地解决了波的光滑性与非光滑性、完整性和破缺性的判定问题.第四,介绍当伴随正则系统直线解上的奇点是结点时,如何用相轨道识别对应的波形,并研究一个非线性水波方程,获得该系统的各型光滑的孤立波和周期波在不同参数条件下的存在性和精确的参数表示.

哈里斯鹰算法在广义非线性马斯京根参数优化中的应用——以洛河为例

马斯京根模型在河道洪水演算中发挥着重要作用,其演算精度在于参数的优选。针对目前马斯京根参数率定中存在的求解复杂、精度不高等问题,提出利用哈里斯鹰算法对其参数进行优化,这种方法具有广泛的全局搜索能力,且需要调节的参数较少。以黄河支流洛河为研究对象,利用广义非线性马斯京根模型对宜阳—白马寺段的河道进行洪水演算,且分别用哈里斯鹰算法、粒子群算法和蚁群算法对其参数进行优化。结果表明,基于哈里斯鹰算法的广义非线性马斯京根模型在洛河宜阳—白马寺段的演算精度较高,其Min.SSD为1237,洪峰误差DPO仅为5,均优于粒子群算法和蚁群算法优化后的结果,其成果适合应用于洛河宜阳—白马寺段的洪水预报工作。

非线性量测下的机动多目标跟踪

为了解决非线性量测下机动多目标跟踪实时性差、跟踪误差大以及对杂波变化鲁棒性较差的问题,基于随机有限集理论,提出了一种采用量测转换和模糊算法改进的多模型δ-广义标签多伯努利滤波器。首先,推导了交互多模型的δ-GLMB滤波器,通过去相关无偏量测转换实现位置量测从极坐标系到笛卡尔坐标系的无偏转换,并通过预测值去除量测误差和其协方差的相关性造成的滤波估计偏差,实现了非线性场景下的机动多目标跟踪;然后,通过航迹和量测的关联新息以及目标的机动约束构建联合波门,降低了杂波量测的数量;最后引入改进的模糊算法,以目标的模型后验概率为输入,根据模型的分离程度自适应调节运动模型的过程噪声,增加滤波精度。研究结果表明:在杂波环境下,通过与CKF-JMS-δ-GLMB、CKF-IMM-δ-GLMB等非线性多模型滤波器对比,所提算法计算时间较小,且跟踪精度更高,鲁棒性强。所提算法避免了传统的非线性处理方式计算量较大的问题,并且具有较好的杂波抑制特性,提升了非线性量测下机动多目标跟踪的性能。

含竞争指标的广义可加混合效应树高-胸径模型

广义可加混合效应模型(GAMM)兼具参数模型与非参数模型的优点,同时适于处理多层次分组数据。通过运用广义可加混合效应模型模拟胸径及树高之间关系,加入竞争因子作为辅助变量,并与传统非线性混合效应模型进行比较,能够为建立树高曲线及提高模型精度提供新方法。根据吉林省汪清林业局金沟岭林场2块100 m×100 m次生混交林样地中的实测单木数据,按照7∶3比例随机划分建模与验证数据。随机效应设定为林木分级,辅助变量选择大于对象木胸高断面积之和(B_(AL))或简单竞争指数(Hegyi指数,H_(EG)),根据随机效应的设定位置共构建15个广义可加混合效应模型,对照模型以Logistic及Richard方程为基础模型,共构建6个非线性混合效应树高-胸径模型。结果表明:所有广义可加混合效应模型均能较好地描述自变量与树高之间的关系,决定系数(R^(2))为0.8897~0.8998,相对均方根误差(R_(RMSE))为17.87%~18.74%,平均绝对误差(M_(AE))为1.7881~1.8745 m,赤池信息量(A_(IC))为4120.42~4162.23,均优于相同自变量下的非线性混合模型,R^(2)平均提高0.005,相对均方根误差、平均绝对误差、赤池信息量分别平均降低0.46%、0.0587 m、41.49。对于验证数据的预测可以看出,模型5具有最小的预测相对均方根误差,为20.28%,同时具有最小的预测平均绝对误差,为2.1038 m。但部分广义可加混合效应模型的预测表现略差于非线性混合模型。综合考虑参数与非参数估计显著性、模型估计精度及预测能力,所有模型中的最优模型为模型5,即以B_(AL)为辅助变量,考虑唯一全局平滑函数并以具有相同扭曲程度的分组水平平滑函数为基础添加随机效应。竞争因子选择B AL作为辅助变量能够提升树高模型的精度,而选择Hegyi指数为辅助变量的促进效果不明显。研究建立的广义可加混合效应树高胸径模型相较于传统非线性混合效应模型具有更高的估计精度及预测效果,B AL适宜作为树高模型的辅助变量来反映林木竞争状况的影响。

基于广义可加模型的烤烟常规化学成分与感官评价指标非线性关系解析

为分析烟叶化学成分与感官评吸质量之间的关系,建立了基于广义可加模型的非线性关系识别方法,并以国内主产烟区烤烟中部烟叶（8~12叶位）497个样本为研究对象,研究了烤烟烟叶总氮、烟碱、总糖和还原糖4种常规化学成分含量与感官评价指标间的线性与非线性关系。结果表明：1在样品烟叶化学成分的分布范围内和5%显著水平下,总氮与香气质、香气量、杂气、刺激性和余味呈显著线性负相关,烟碱与香气量、余味分别呈显著线性正相关和负相关,总糖、还原糖与香气质、香气量、杂气、刺激性和余味均呈显著线性正相关;2总氮与香气质、杂气、刺激性和余味之间,烟碱、总糖、还原糖与香气质、香气量、杂气、刺激性和余味之间均存在显著的非线性关系,且均表现为明显的“∩”型曲线关系,而总氮与香气量的非线性关系在5%显著水平下不显著;3烤烟烟叶总氮、烟碱、总糖和还原糖含量的适宜区间分别为1.5%~2.8%,2.0%~3.5%,15%~28%和15%~25%。

微燃机-冷热电联供机组的Hammerstein模型及非线性广义预测控制

为研究微燃机-冷热电(MGT-CCHP)联供机组动态运行特性及控制策略,采用Hammerstein模型结构快速辨识其非线性动态特性,并将非线性动态特性以串联的非线性静态模型和线性动态模型表示.采用逐步回归法确定动态模型阶次并采用粒子群算法辨识模型参数,得到易于复现的块结构化模型.基于Hammerstein预测模型,设计了MGT-CCHR冷负荷跟踪非线性广义预测控制器.利用Hammerstein模型分块描述对象静态与动态特性的结构特点,将非线性广义预测控制转化为线性广义预测控制与非线性静态函数求根问题,使控制量求解简化.通过与最优参数PID控制器的仿真结果比较表明,所设计的非线性广义预测控制器具有改善冷负荷跟踪性能和节能控制的效果.

基于神经网络与多模型的非线性自适应广义预测解耦控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络与多模型的非线性自适应广义预测解耦控制方法.该控制方法由线性鲁棒广义预测解耦控制器和神经网络非线性广义预测解祸控制器以及切换机构组成.线性鲁棒广义预测解耦控制器用于保证闭环系统输入输出信号有界,神经网络非线性广义预测解耦控制器能够改善系统性能.切换策略通过对上述两种控制器的切换,保证系统稳定的同时,改善系统性能.同时本文给出了所提自适应解耦控制方法的稳定性和收敛性分析.最后,通过仿真实例验证了该方法的有效性.

管片衬砌梁–弹簧广义模型及接头转动非线性模拟

梁–弹簧模型法在盾构管片衬砌设计计算中逐渐得到广泛应用,但现有的梁–弹簧模型无法模拟盾构衬砌管片接头的不连续变形及接头转动刚度的非线性特性。基于此,开展了梁–弹簧模型在衬砌设计中的适用性及非线性接头转动刚度在梁–弹簧模型中的应用研究。研究表明:根据对相邻管片在接头位置结点位移处理的不同,可将梁–弹簧模型分为梁–弹簧连续模型和梁–弹簧不连续模型,后者又称为梁–接头模型,可准确分析盾构管片衬砌的内力及变形。采用梁–弹簧不连续模型求解衬砌内力及变形时:对于线性接头转动刚度模型,可基于卡氏第二定理求解;对于多段线性模型,可基于卡氏第一定理或克–恩定理求解;对于非线性模型,可采用增量–迭代法数值求解。

非线性混合效应模型和广义线性模型拟合随机效应logistic回归的应用比较

在临床药物试验中药物疗效的评价经常遇到二分类资料,即反应变量有两个水平如有效、无效;成功、失败等。二分类变量服从二项分布,可采用logistic回归模型。运用logistic回归模型对分类资料进行分析,能给实际研究带来很多便利。与多元线性回归相比,logistic回归具有许多独特的优点,如对正态性和方差齐性不做要求,系数的可解释性等。

深埋圆形硐室围岩塑性形变压力的广义Hoek-Brown破坏准则解及其三元非线性回归模型

研究侧压力系数λ=1时,以广义Hoek-Brown经验准则为屈服准则的深埋圆形硐室理想弹塑性围岩的塑性形变压力的闭合解。采用较易获得的围岩参数,分别建立最大塑性形变压力随相对初始应力和归一化地质强度指标变化的二元线性回归模型与相对塑性形变压力随相对初始应力、相对塑性区半径和归一化地质强度指标变化的三元非线性回归模型,为预测围岩塑性形变压力提供较为可靠的途径。

存在Kerr介质的广义Jaynes-Cummings模型非线性耦合强度对光场量子相位特性的影响

研究了由于 Jaynes- Cum ming模型和非谐振子模型构成的组合模型中光场的量子相位特性 ,计算了光场 - Kerr介质非线性耦合常数与光场 -原子耦合常数的比值在弱 ( ng- 2 >>n2 x2 )。中性 ( ng- 2～ n2χ2 )和强( ng2 <<n2χ2 )非线性耦合情形对光场相位分布、相位平均值和相位涨落的影响 ,并将结果与 Jaynes-Cum

基于精确罚函数的一类广义非线性神经网络模型

针对一般的非线性优化问题定义了一种 2次非线性罚函数 ,证明了在一定条件下对应的罚优化问题的精确罚定理 ,由此引进了一种广义非线性神经网络模型 ,并证明了这种网络的平衡点与能量函数之间的联系 ,在一定条件下对应的平衡点收敛到原问题的最优解 .这种神经网络模型对于求解许多优化问题具有重要的作用 .

广义非线性系统的模型跟踪控制及内部状态稳定性证明

将被控对象设定成线性部分和非线性部分 ,提出了一种广义非线性系统模型跟踪控制的新方法 ,给出了非线性代数约束方程中包含控制输入时闭环系统具有唯一解的条件 ,证明了当非线性项满足范数条件以及相关的传递函数满足正实条件时 ,闭环系统的所有变量都是有界的 .该方法可处理代数约束为非线性 ,用状态空间方程无法描述的被控对象 .

一类非线性系统的自适应广义一般模型控制策略

对于一类相对阶大于1的非线性系统,提出了把广义一般模型控制策略和非线性观测器相结合的算法。非线性观测器在线估计控制器参数,利用广义一般模型控制器实现系统控制从而构成自适应控制系统。控制器和观测器参数整定方便,物理意义明确。通过仿真表明,该算法对一类非线性系统实现自适应控制正确有效。

广义非线性混合效应模型的变离差检验

应用混合效应方法研究了广义族非线性模型的变离差检验问题 .对离散和连续两类指数族分布 ,提出了若干有效的检验统计量 .所有统计量都可用简单、便于计算的矩阵公式来表示 。

非线性成矿预测理论:多重分形奇异性-广义自相似性-分形谱系模型与方法

介绍了“奇异性-广义自相似性-分形谱系”(“3S”:SingularitygeneralizedselfSimilarityfractalSpectrum)为核心的多重分形现代成矿预测理论与模型(MultifractalMineralizationPredictionTheoryandModels)的基本内容和前沿研究方向.讨论了作为非线性、复杂性理论的重要领域之一,多重分形理论所提供的“奇异性-广义自相似性-分形谱系”等概念和相关的模型.这些新概念和模型不仅能够合理地描述成矿系统、成矿过程、成矿富集规律、矿产资源时空分布,还提供了定量模拟和识别成矿异常(地质、地球物理、地球化学、遥感异常)的有效模型和实用方法.将多重分形原理与成矿过程、矿产资源分布规律、矿产资源信息获取研究相结合,可形成具有良好应用前景的现代成矿预测理论与模型.采用该多重分形矿产资源预测理论和在此基础上所开发的专用地学非线性空间信息GeoDASGIS技术,对国内外多个金属成矿区带进行了矿产资源勘查与评价,均取得了较理想的预测效果,表明对开展矿产资源勘查和评价是有效和可行的.

基于LS-SVM的高速列车广义非线性模型子空间辨识

针对高速列车动力建模问题,提出了基于最小二乘支持向量机(LS-SVM)的高速列车广义非线性模型子空间辨识方法。先给出描述高速列车单质点力学行为的随机离散非线性状态空间模型,并进一步构建了高速列车广义非线性模型;采用LSSVM回归方法构造广义非线性函数,并运用子空间辨识方法,直接由增广输入、输出数据得到高速列车广义非线性模型参数矩阵。最后对上述模型进行了数值仿真。结果表明:所提出的基于LS-SVM的子空间辨识方法比常规LS-SVM方法、线性子空间方法对列车模型具有更高的预报性能,用于高速列车的建模是有效的,可用于具有非线性、强耦合的高速列车运行过程数学模型的辨识。

基于IGA和Hammerstein模型的非线性系统广义预测控制

针对非线性程度较高的系统,设计了一种广义预测控制器。该设计基于Hammerstein模型的动静态可分离特性,首先利用具有全局搜索能力的免疫遗传算法(IGA,Immune Genetic Algorithm)在线辨识模型的一些关键参数,然后运用广义预测控制策略实现对该系统的预测控制。仿真试验结果表明,该设计能够准确预测,而且稳定性好、稳态误差小。

基于广义双曲正切模型的非线性直接自适应模糊控制

基于广义模糊双曲正切模型可以逼近定义在紧集上任意连续函数的特点,提出一种基于广义双曲正切模型的直接自适应模糊控制。利用广义双曲正切模型的自适应可调参数远小于模糊规则的特殊结构,可以在保证控制精度的同时,避免高精度模糊控制器因为模糊规则数量激增而带来的计算膨胀问题,节约了运算成本,提高了控制器的运行效率。仿真结果表明,和传统的直接自适应模糊控制相比,该控制算法精度更好,运算成本更低。