非最小相位系统的扩展Laguerre基函数迭代学习控制

针对非最小相位系统的跟踪问题,提出了一种新的基函数迭代学习控制算法.该算法利用新型的非因果Laguerre扩展基函数逼近系统逆传递函数,设计最优迭代学习律使系统输入收敛到系统的稳定逆,保证了控制性能.算法不依赖于系统的先验模型,仅需以基函数信号作为系统输入进行模型辨识,减少了模型不确定性的影响.通过对单连杆柔性机械臂这样的典型非最小相位系统跟踪问题的仿真,验证了该方法的良好效果.

基于Laguerre基函数的液位传感器温度补偿方法

针对环境温度影响液位传感器的检测问题,提出了基于Laguerre基函数的液位非线性校正和温度补偿的复合校正模型,采用递推最小二乘(RLS)法对标定液位进行拟合以确定复合补偿模型的参数。根据液位传感器的测量值和环境温度可高精度计算出实际液位。仿真结果表明:补偿后的最大相对误差不超过(3.414 5×10^(-7))%,具有良好的非线性校正和温度补偿效果,在液位检测领域具有重要的理论和应用价值。

用变分优化正交的连带Laguerre基函数计算无支撑单层MoS_(2)中激子的能量和波函数

采用基于变分优化正交化连带Laguerre基函数的准确对角化方法计算了无支撑单层MoS _(2)中A型激子的能量和波函数.介电屏蔽效应破坏了SO(3)对称性导致激子能量以反常的轨道角动量顺序出现.该方法利用连带Laguerre多项式构造了既满足束缚态又满足连续态的正交基函数集,并推导了哈密顿量矩阵元的解析表达式.收敛速度不仅与基函数的数量有关,而且与变分参数的大小有关.在变分优化下,收敛速度非常快,表明了该方法的可靠性.采用正交化连带Laguerre基矢可大大减小基函数的数量和计算量.我们计算的激子本征能量即使是在很少的基函数下也与文献中的结果非常吻合.变分优化二维正交归一化连带Laguerre基矢适用于二维材料中激子和原子物理的精确描述.

扩展导体目标RCS快速计算的超宽带特征基函数法

用超宽带特征基函数法(UCBFM)分析扩展多导体目标的宽带散射特性。该方法保留了传统的特征基函数法(CBFM)可加速求解矩量法(MoM)中矩阵方程的优点,同时可通过将在最高频率点提取的超宽带特征基函数(UCBF),运用于其他频率点构建MoM减阶矩阵,实现快速频率扫描。相比于传统的CBFM,UCBFM因为不需要在每个频率点重复计算特征基函数(CBF),故可大大减少计算时间。该方法提供了一种快速分析目标宽带散射特性的解决途径。仿真计算了2×2导体球和3×1立方导体的扩展多导体宽带RCS频率响应,数值结果验证了该方法在此类问题求解中的有效性。

含两类附加函数的扩展等参有限元法

基于扩展有限元的基本思想,提出一类指数型间断函数来模拟。由于裂纹或节理等非连续结构所导致的位移不连续现象,该附加函数是以到间断处的垂直距离为自变量,且随距离的增大而呈指数衰减,同时,在非连续结构末端引入能反映其奇异场特性的三角基函数。本文用弱解形式推导了扩展有限元格式,并论证了两类附加函数在单元公共边上能够保持位移连续性这一要求。最后,编制了二维4节点和三维8节点的扩展等参有限元程序,并分别给出了算例,结果表明在模拟裂纹追踪时,扩展有限元法可行且有效。

扩展的多尺度有限元法基本原理

阐述一种适用于非均质材料力学性能分析的扩展的多尺度有限元法(Extended Multiscale Finite Element Method,EMsFEM)的基本原理.该方法的基本思想是利用数值方法构造能反映胞体单元内部材料非均质影响的多尺度基函数,在此基础上求得粗网格层次的等效单元刚度阵,从而在粗网格尺度上对原问题进行求解,很大程度地减少计算量.以该方法进行的具有周期和随机微观结构的材料计算示例,通过与传统有限元法的结果比较,说明这一方法的有效性.EMsFEM的优势在于,能容易地进行降尺度计算,可较准确地求得单元内部的微观应力应变信息,在非均质材料强度和非线性分析中有很大的应用潜力.

基于径向基函数网络的改进算法的股市数据预测

径向基函数网络的性能在很大程度上取决于径基函数中心位置的选取。本文通过结合输入输出矢量从而得到扩展矢量的方式改进了常用的确定径基函数中心的HCM算法。股市数据预测的实验结果表明 :改进的HCM算法的网络的性能有了明显的改善。

基于径向基函数网络的改进算法的数据分类方法及其应用

径向基函数网络是数据挖掘领域的一种重要挖掘工具,受到了特别的重视.本文通过考虑输入--输出扩展矢量的方式改进了应用广泛的HCM挖掘算法.实例表明改进的HCM算法可以获得更好的挖掘效果,提升了此挖掘工具的价值.

基于扩展卡尔曼滤波器的RBF神经网络学习算法

径向基函数(RBF)神经网络可广泛应用于解决信号处理与模式识别问题,目前存在一些学习算法用来确定RBF中心节点和训练网络,对于确定RBF中心节点向量值和网络权重值可以看作同一系统问题,因此该文提出把扩展卡尔曼滤波器(EKF)用于多输入多输出的径向基函数(RBF)神经网络作为其学习算法,当确定神经网络中网络节点的个数后,EKF可以同时确定中心节点向量值和网络权重矩阵,为提高收敛速度提出带有次优渐消因子的扩展卡尔曼滤波器[1](SFEKF)用于RBF神经网络学习算法,仿真结果说明了在学习过程中应用EKF比常规RBF神经网络有更好的效果,学习速度比梯度下降法明显加快,减少了计算负担。

双三次Coons曲面片的两种扩展

为解决传统双三次Coons曲面片在给定边界条件时其形状难以调整的不足,给出了一组带形状参数的Hermite基函数,并基于该基函数构造了一种带两个形状参数的Coons曲面片,称之为QC-Coons曲面片;然后通过对基函数重新参数化,构造了一种带两个形状参数的有理Coons曲面片,称之为RQC-Coons曲面片。结果表明,所构造的两种新曲面片都是双三次Coons曲面片的扩展,它们不仅具有双三次Coons曲面片的性质,而且还可通过调整形状参数的取值使得曲面的内部表现出不同的形状,为Coons曲面片的设计提供了两种新方法。

基于RBF神经网络辅助的自适应UKF算法

卡尔曼滤波能在测量噪声干扰下对系统状态进行无偏估计。但无论是扩展卡尔曼滤波(EKF)算法,还是无轨迹卡尔曼滤波(UKF)算法,都无法避免滤波发散现象。给出利用径向基函数(RBF)神经网络的自适应调整能力来对卡尔曼滤波输出进行校正,从而避免输出发散的算法。计算机模拟和实际应用表明,基于RBFNN的卡尔曼滤波算法可以有效防止输出发散。

多星姿态协同中的几何鲁棒控制

针对多星系统的姿态协同控制问题,通过不变扩展卡尔曼滤波(invariant extended Kalman filter,InEKF)对航天器进行姿态估计,将航天器的姿态估计与传递矩阵独立;结合无向通信拓扑构建多星特殊正交群(special orthogonal group,SO(3))姿态模型,推导SO(3)上姿态协同误差。然后,基于SO(3)提出基于一致性理论的姿态协同控制算法。其中,利用径向基函数神经网络对虚拟扰动进行拟合补偿,所提出的算法考虑空间扰动,以保证协同控制器适用于整个姿态空间,实现多星姿态协同、跟踪期望姿态和执行器能力约束下的协同。根据LaSalle不变集理论对系统进行分析,证明系统具有全局渐近稳定性。最后,利用六星航天器系统校验了所提姿态协同控制算法的有效性。

基于径向基神经网络的电涡流传感器输出特性拟合研究

针对电涡流传感器的输出特性参数非线性较大,不能精确地反映被测物理量的问题,提出了一种采用径向基神经网络对电涡流传感器的输出特性参数进行拟合的方案。该方案采用newrb函数创建一个径向基神经网络,以被测物理量作为输入矩阵、电涡流传感器输出电压作为输出矩阵,对该径向基神经网络进行训练,从而可得到均方根误差小且光滑的电涡流传感器输出特性拟合曲线。实验结果表明,只要选择合适的创建函数和扩展系数,径向基神经网络能有效地实现电涡流传感器输出特性的拟合。

基于EKF训练的归一化RBF神经网络在旋转机械故障诊断中的应用

在径向基函数(Radial Basis Function,RBF)神经网络成熟的基础上,对旋转机械的转子系统进行故障诊断,针对梯度下降法容易产生梯度消失的问题,提出用扩展卡尔曼滤波器(Extended Kalman Filter,EKF)对权重进行调节训练,并将结果与反向传播(Back Propagation,BP)算法和梯度下降调节进行比较,用EKF训练的RBF神经网络不仅在性能上有优势,在精度和迭代速度上亦优于其他方法.相信在今后的实际应用中尤其在旋转机械故障诊断中可以更大地发挥其优势.

Bézier曲线的扩展种类

在本文中给出了五次Bernstein基函数的另外一种带形状参数λ的六次多项式基函数,并且根据这组六次多项式基函数定义了多项式曲线,进而通过求解待定系数,在理论上证明了五次Bézier曲线扩展的种类问题.

基于BEM的时变信道估计改进算法

针对参数未知、存在大多普勒频移的时变信道情况,介绍了与之相适应的BEM模型,分析了2种适用于估计BEM模型加权系数的算法,即LS算法和基于迭代的BLUE算法。LS算法简单快捷,其性能不如BLUE算法;BLUE算法因迭代初始值精度不高,在低信噪比时同样存在估计性能差的缺点。提出一种基于BEM模型的时变信道参数估计改进算法,将LS的估计结果作为BLUE的初始迭代值估计BEM模型系数,从而得到更精确的时变信道参数。在典型的时变信道下,以OFDM传输系统为例,对传统BLUE算法和改进后的BLUE算法进行了对比仿真分析。分析结果表明,在低信噪比条件下,相同迭代次数时,改进后的BLUE算法优于传统BLUE算法。

一种新的基于小波基的时变信道估计

基扩展模型是最常用的快时变信道建模方法之一,而基函数的选取决定了建模的准确性。本文在多分辨率分析和Mallat算法的基础上,提出一种基于小波尺度函数构造基函数的方法,该方法采用Daubechies、Symlet、Coiflet小波的尺度函数进行快时变信道拟合。理论分析和仿真结果均表明,采用本文提出的基函数拟合时变信道,其信道估计性能优于基于传统的CE-BEM、GCE-BEM、P-BEM、DCT-BEM等模型的信道估计性能,复杂度低于DKL-BEM、DPS-BEM模型。相比于其他利用小波尺度函数构造的基函数,利用Sym2小波尺度函数构造的基函数的性能最优。

基于资源分配网络和语义特征选取的文本分类

针对资源分配网络(RAN)算法存在隐含层节点受初始学习数据影响大、收敛速度低等问题,提出一种新的RAN学习算法。通过均值算法确定初始隐含层节点,在原有的"新颖性准则"基础上增加RMS窗口,更好地判定隐含层节点是否增加。同时,采用最小均方(LMS)算法与扩展卡尔曼滤波器(EKF)算法相结合调整网络参数,提高算法学习速度。由于基于词向量空间文本模型很难处理文本的高维特性和语义复杂性,为此通过语义特征选取方法对文本输入空间进行语义特征的抽取和降维。实验结果表明,新的RAN学习算法具有学习速度快、网络结构紧凑、分类效果好的优点,而且,在语义特征选取的同时实现了降维,大幅度减少文本分类时间,有效提高了系统分类准确性。

城市规划与扩展模型的仿真研究

研究优化城市规划问题,由于城市规划与扩展的影响因素复杂多样,使得构建模型时需要的控制因素特征的提取十分困难。为解决城市规划精度问题,采用细胞自动系统结合G IS和遥感系统,提出了不同时期的遥感数据使用的RBF神经网络挖掘城市扩展的内在规律作为细胞自动系统的转换规则,并利用规则反演和预测城市扩展信息,用1984、1991、1998和2001的遥感地图仿真了无锡2008的城市扩展,分析了影响城市扩展的因素,取得了较好的效果,仿真结果表明了RBF神经网络能够提取城市扩展内在规律并通过与细胞自动机的结合能一定程度上预测未来城市的扩展信息,提高规划精度,可为规划提供科学依据。

考虑裂纹尖端场的数值流形方法

数值流形方法起源于不连续变形分析,主要用于统一求解连续和非连续问题,其核心技术是在分析时采用了双重网格:数学网格提供的节点形成求解域的有限覆盖和权函数;而物理网格为求解的积分域。由于该方法考虑了块体运动学,因此就可以模拟节理岩体裂隙的开裂与闭合过程。但对于裂纹尖端的局部化现象,数值流形方法需要像有限元那样在裂纹尖端设置细密单元。本文在单位分解法的理论基础上,应用裂纹尖端局部函数来扩展原有的数值流形方法的基函数,提出考虑裂纹尖端场的数值流形方法。本文方法扩展了原有数值流形方法对裂纹尖端问题的求解能力,同时对非连续问题也比原有数值流形方法的求解精度高。