Banach空间中的广义Schauder基和广义A-proper映射的广义拓扑度

本文给出Banach空间中广义Schauder基的新概念及其几个性质定理,举出了具有广义Schauder基的不可分Banach空间实例。作为广义Schauder基的应用,还推广了A-proper映射的广义拓扑度和一些著名的不动点定理。

基于ISSA-DELM算法的CSTR系统广义预测控制研究

连续搅拌反应釜(CSTR)作为典型的聚合反应化工生产用到的设备,其在工作运行时具有强非线性、大滞后性和不确定性,用传统的方法难以建立精准的数学模型。文中根据一类CSTR反应过程采用Hammerstein-Wiener模型,使用高斯径向基函数的LS-SVM分别对模型的两个非线性模块进行建模,并使用其建立的Hammerstein-Wiener模型作为广义预测控制的预测模型;针对广义预测控制的滚动优化环节,采用多策略改进的麻雀算法(ISSA)优化深度极限学习机(DELM)的混和优化算法策略,并利用基准函数测试改进麻雀算法的优越性;最后将混合优化算法应用在非线性CSTR对象上,经过实验证明,所提出的ISSA-DELM混合优化算法对CSTR系统具有较好的控制效果,并与未改进的SSA-DELM算法和DELM算法进行仿真结果对比,结果显示,文中算法控制效果明显优于SSA-DELM算法和传统的DELM算法。

基于OGCE⁃BEM的OTFS信道估计

【目的】随着面向第六代移动通信技术研究工作的开展,传统的正交频分复用(OFDM)系统中的载波间干扰使得信道估计性能不足以提供高度可靠的通信,而正交时频空(OTFS)系统可以有效解决快速时变性和多普勒效应导致的通信系统可靠性下降问题,近年来受到了广泛关注。【方法】为了有效满足OTFS系统所需的信道估计性能需求,文章采用优化的广义复指数(OGCE)基扩展模型(BEM)将信道脉冲响应建模为时不变的基函数与基函数系数的形式,从而有效地拟合高速移动通信场景下的快速时变信道。OGCE⁃BEM通过更加密集的采样改善了频谱泄漏的问题,并且通过增加修正系数降低了高频基模型的误差。为了得到更为精确的基函数系数,文章基于遗忘因子与估计误差的关系,设计了可变遗忘因子的递归最小二乘(RLS)滤波器,使得RLS滤波器可以实时追踪基函数系数的变化。【结果】仿真结果表明,文章所提算法适用于高速移动通信场景,基函数的设计更为合理,相较于固定遗忘因子的估计方法,具有更低的均方误差,信道估计结果更加精确。与最小二乘(LS)、BEM⁃LS和BEM⁃线性最小均方差(LMMSE)信道估计方式相比,均方误差性能得到了明显提升。【结论】文章所提基于OGCE⁃BEM的信道估计算法有效减少了待估计未知参数量,提高了信道估计的准确性。

基于径向基函数广义回归网络混合模型的园区短时热负荷预测

冷、热、电三联供机组作为一种发展迅速的分布式能源在提高区域多元能源综合利用效率方面表现优越,其通过对热能的阶梯式利用实现高效供能。在用能高峰时段,开启冷、热、电三联供机组,减轻了用能单位对市电的依赖,降低了用能成本。目前,用能单位缺乏历史用能数据积累,小样本学习无法准确预测用能需求,无法形成基于预测结果的冷、热、电三联供机组的优化运行策略。为此提出了一种基于径向基函数广义回归网络混合模型的短时热负荷预测方法,该方法可在小样本历史数据的情况下,准确预测下一时刻的热负荷需求。试验结果验证了该方法的有效性。

七次广义Ball曲线的两种扩展

构造了两组含形状参数的多项式基函数:第一组基既是七次Wang-Ball基的扩展,又是七次Said-Ball基的扩展;第二组基既是七次Said-Ball基的扩展,又是七次Bernstein基的扩展。并由此定义了两种新的七次广义Ball曲线:前者不仅包括了七次Wang-Ball和Said-Ball曲线,还涵盖了无数条处于这两种曲线之间的曲线;后者不仅包括了七次Said-Ball和Bézier曲线,还涵盖了无数条处于这两种曲线之间的曲线。依次分析了两种新的广义Ball曲线与七次Bézier曲线之间的关系后明确了每个形状参数的几何意义,并给出了其几何作图法。

基于广义生长-剪枝径向基函数神经网络的谐波源建模

采用广义生长-剪枝RBF神经网络建立稳态频域的谐波源模型。在该模型中,各次谐波电流的幅值和相角与各次谐波电压的幅值和相角以及负荷特征参数的非线性映射关系通过一种新颖的广义生长?剪枝RBF网络进行建模。该网络的学习算法是串行的,可以进行动态建模。算例计算表明,该模型具有训练时间少、精度高、可动态建模等优点。

基于广义动态模糊神经网络的光伏电池MPPT控制

依照最大功率点跟踪(MPPT)的原理,在综合考虑各种不同的控制方法优缺点的基础上,提出了一种新的基于椭圆基的广义动态模糊神经网络(GD-FNN)的光伏电池的智能控制方法。通过GD-FNN算法调节PWM的占空比来控制光伏电池的输出电压,实现阻抗匹配,达到能量的最优化。仿真结果表明,这种控制方法能够有效地跟踪到电池的最大功率,并且具有较好的稳定性。

基于多尺度线调频基稀疏信号分解的广义解调方法及其在滚动轴承故障诊断中的应用

提出了一种基于多尺度线调频基稀疏信号分解的广义解调方法,并将其应用于非平稳转速下的滚动轴承故障诊断。该方法先采用基于多尺度线调频基的稀疏信号分解方法分解频率呈曲线变化的多分量信号,得到瞬时频率和瞬时幅值都具有物理意义的单分量信号及其相位函数,再基于获取的各分量信号的相位函数对原信号进行广义解调处理,从而将非平稳信号转化为平稳信号。当转速变化时,滚动轴承故障特征频率为曲线变化的非平稳信号,对其包络信号进行基于多尺度线调频基的稀疏信号分解,提取包络信号分量,再对包络信号分量进行广义解调,根据广义解调后分量信号频率成分与转频的关系即可判断滚动轴承的故障部位和类型。仿真信号与轴承内外圈故障振动信号分析结果表明,该方法比传统的包络信号分析方法能更有效地提取滚动轴承故障振动信号特征。

镍基合金广义层错能的第一性原理研究

采用投影缀加波赝势和广义梯度近似方法计算纯镍以及含主要合金元素Cr、Co、Nb、Mo、W、Ru、Re的镍基固溶体合金的广义层错能。计算结果表明:合金元素与镍的原子半径差值-R及价电子数差值-V同时影响镍基固溶体合金的层错能和不稳定层错能,且合金元素对合金层错能的影响更为显著;镍基合金中位错交滑移和攀移能力主要与合金不稳定层错能和层错能的差值有关,其中Re、W和Mo是镍基合金最有效的固溶强化合金元素。

基于多尺度线调频基稀疏信号分解的广义解调方法及其在齿轮故障诊断中的应用

在基于多尺度线调频基稀疏信号分解的基础上,提出一种基于多尺度线调频基稀疏信号分解的广义解调方法,并将其应用于非平稳转速状态下的齿轮故障诊断。广义解调可以将时频分布呈曲线变化的多分量非平稳信号转化为时频分布平行于时间轴的平稳信号,因此非平稳信号经广义解调后满足傅里叶分析对平稳性的要求,而如何获取多分量信号的广义解调相位函数是广义解调方法的关键和难点。对信号进行基于多尺度线调频基的稀疏信号分解,得到分量信号的相位函数,再对分量信号进行广义解调和频谱分析得到齿轮故障特征频率。该方法非常适合于分析转速波动齿轮的多分量调幅—调频振动信号,仿真算例和应用实例说明了方法对变速齿轮箱故障诊断的有效性。

基于基追踪-BI_Zoeppritz方程广义线性脆性指数直接反演方法

非常规油气资源的勘探开发在能源领域越来越受到重视.针对页岩油气、致密砂岩气储层的脆性指数预测,对突破"甜点区"、指导后续水力压裂等都具有重要的意义.针对常规叠前AVO反演技术预测脆性指数存在的问题:(1)稀疏脉冲反演垂向分辨率不高;(2)基于AVO近似公式的常规叠前反演,需要假设常背景纵横波速度比以及弱弹性参数反射率等条件,会影响到三参数反演的精度;(3)通常需要借助反演获取的纵横密三参数转换为杨氏模量和泊松比,再进一步转换才能获取脆性指数,在参数转换的过程中会将误差累积放大,影响最终的脆性指数预测精度.本文从精确Zoeppritz方程出发,通过对其进行重新推导,将其表达为脆性指数、P波速度和S波速度的函数(BI_Zoeppritz方程),并借助广义线性AVO反演,对基追踪反演获取的高分辨率角度反射系数进行迭代反演,直接提取高分辨率、高精度的脆性指数.通过模型和实际资料验证了该算法相对常规叠前反演获取的脆性指数有了进一步的改善.

广义关联规则基及其挖掘算法

为了解决传统的关联规则挖掘中产生大量规则的问题,提出了项目集上闭集和广义关联规则基的概念,并得出了闭项目集的上闭集是它本身、上闭集是惟一的等性质.基于这些性质,给出了事物数据库的广义关联规则基,不仅保留了数据库中所有关联规则的信息,而且规则有一致的结构,从而最大限度地减少了规则生成的数量.此外,还设计了广义关联规则基的挖掘算法,并通过实例验证了它的正确性.

Said-Bézier型广义Ball基的全正性

参数曲线的保形性与生成它的基函数的规范化全正性有关.利用割角算法证明了一族SaidB啨zier型广义Ball基是规范化全正的,同时给出反例说明另一族WangSaid型广义Ball基不是规范化全正的.

基于广义基函数的CMAC学习算法的改进及收敛性分析

基于广义基函数的ＣＭＡＣ（ＣｅｒｅｂｅｌａｒＭｏｄｅｌＡｒｔｉｃｕｌａｔｉｏｎＣｏｎｔｒｏｌｅｒ）学习算法（称Ｃ－Ｌ算法）收敛条件依赖于基函数和学习样本，很难同时满足学习快速性与收敛性．提出了一种改进学习算法，并证明改进算法是收敛的，而且收敛条件不依赖于基函数和学习样本．仿真结果表明改进算法优于Ｃ－Ｌ算法和标准的Ａｌｂｕｓ算法．

基于广义回归神经网络的传感器非线性误差校正

介绍了径向基函数网络的函数逼近原理和方法,提出了一种基于广义回归神经网络(GRNN)的传感器非线性误差校正方法。通过Matlab的Network Toolbox(神经网络工具箱),GRNN训练程序实现了输出特性曲线逼近。仿真分析表明:GRNN能够很好地满足传感器非线性拟合的要求,网络结构简单,收敛速度快。

广义径向基函数神经网络在热误差建模中的应用

针对现有的热误差建模方法建模效率低,模型预测精度不理想等问题,提出了广义径向基函数神经网络(RBF)建模方法并将其应用于数控机床热误差建模中。讨论了采用广义RBF神经网络进行热误差建模的原理及步骤。以数控导轨磨床主轴箱系统为例,布置了12个主轴热误差的关键温度测点,测得了2组独立的主轴箱系统热误差数据。将测得的数据分别用于建立主轴箱系统热误差广义RBF神经网络预报模型和验证模型的准确性。研究结果表明,热误差广义RBF神经网络模型具有预测精度高及泛化能力强的优点;与传统的RBF神经网络建模方法相比,提出的广义RBF神经网络建模方法建模效率更高,模型鲁棒性及预测性能更好,是一种可以用于数控机床热误差实时补偿的有效建模方法。

基于广义模糊基函数的多变量模糊模型及其辨识方法

利用模糊穴映射理论,提出一种有效描述复杂多变量系统的模糊模型——广义模糊基函数展开式。它可方便地处理步输入多输出系统的语言和系统信息,并可逼近任意非线性函数,是一种通用的多变量模糊逻辑系统模型.利用语言信息,提出一种新的自适应参数辨识方法——改进的Widrow—Hogg学习规则,仿真结果验证了它的有效性。

一类新的广义Ball基及其相应曲线

为进一步完善广义Ball基理论,增强广义Ball曲线的造型能力,研究了一类新的广义Ball基及其相应曲线.通过加入多个带约束条件的参数,由初始函数在满足正性、规范性、对称性、端点性质和线性无关性的基础上进行递归的方法构造出基函数,并通过一般的控制顶点加权基函数的方法定义了相应广义Ball曲线.曲线具有凸包性、端点性质、几何不变性与仿射不变性、升阶公式,以及C0、C1和C2拼接条件和递归求值算法.这类基统一表示了以往所有的二项展开型广义Ball基和Bernstein基,并添加了多组新基,为广义Ball曲线提供了更丰富的造型.

广义基插值的正交多尺度函数和多小波

给出一类具有广义插值的正交多尺度函数的构造方法,并给出对应多小波的显示构造公式,证明了该文构造的多小波拥有与多尺度函数相同的广义基插值性。从而建立了多小波子空间上的采样定理,最后基于该文提供的算法构造出若干具有广义基插值的正交多尺度函数和多小波。

基于RBF神经网络的直接广义预测控制

针对广义预测控制算法需要在线递推求解Diophantine方程及矩阵求逆等计算量大的缺陷,对参数未知多变量非线性系统提出一种径向基函数神经网络的直接广义预测控制算法。该算法将多变量非线性系统转化为多变量时变线性系统,用三次样条基函数逼近系统广义误差向量中的时变系数,然后利用径向基神经网络来逼近控制增量表达式,并基于广义误差估计值对控制器参数向量即网络权值向量Φu和广义误差估计值中的未知向量进行自适应调整。仿真结果验证了此算法的有效性。