一种基于折息最小二乘法的PMSM磁链辨识方法

永磁同步电机(permanent magnet synchronous motor,PMSM)的磁链准确辨识是实现高性能电机控制的基础。针对传统递推最小二乘(recursive least squares,RLS)法受噪声影响小但存在数据饱和,影响辨识精度和动态性问题,以及遗忘最小二乘(recursive least squares with forgetting factor,FRLS)法避免数据饱和但存在参数估计误差与动态跟踪性能矛盾的问题,文章提出一种基于折息最小二乘(recursive least squares with discount factor,DRLS)法的磁链辨识方法。该算法在FRLS法中引入加权因子构成折息因子,采用递推方法进行磁链辨识,减小参数估计误差,提高磁链辨识精度及动态跟踪能力。通过MATLAB仿真及半实物仿真试验,验证所提磁链识别方法的有效性。

最小二乘算法优化及其在锂离子电池参数辨识中的应用

传统最小二乘法(LS)用于锂离子电池模型在线参数辨识精度低,通过带遗忘因子递推最小二乘算法能够有效地提高辨识精度,但固定的遗忘因子影响模型动态特性。遗忘因子的自适应处理能提高算法对动态系统的参数辨识能力,而目前的自适应方法容易忽略模型参数的稳定性,同时方法待定系数范围较大且难以确认。为了得到高精度且稳定性良好的模型参数,该文设计了一种精度和稳定性兼优且更简单的自适应遗忘因子递推最小二乘(AFFRLS)改进方法,并与其他AFFRLS、可变遗忘因子递推最小二乘(VFFRLS)进行仿真对比分析。结果表明,改进的AFFRLS能够在模型精度和参数稳定性取得更好的平衡,且对不同的在线工况具有良好的适用性。

基于沙地猫群优化–最小二乘支持向量机的动态NOx排放预测

针对火电机组频繁调峰导致机组燃烧状态不稳,进而导致锅炉出口NOx浓度波动范围大的问题,提出一种基于沙地猫群优化(sand cat sarm optimization,SCSO)的最小二乘支持向量机(leastsquaressupportvectormachine,LSSVM) NOx动态预测模型。首先利用k近邻互信息计算时间延迟的同时筛选辅助变量。然后,基于SCSO算法进行输入变量阶次的选择。使用包含辅助变量时间延迟和阶次的信息作为模型的输入,SCSO算法优化最小二乘支持向量机参数,建立动态NOx排放最小二乘支持向量机预测模型(SCSO-LSSVM动态软测量模型)。最后将模型与未加入迟延的LSSVM模型,加入迟延的LSSVM模型和粒子群优化算法(particle swarm optimization,PSO)优化最小二乘支持向量机参数的动态软测量模型进行对比验证。结果表明,相较于其他模型,该文建立SCSO-LSSVM动态软测量模型均方根误差、平均绝对误差、平均绝对误差最小,预测精度最高,而且在NOx浓度剧烈波动时也能够较好地预测NOx浓度,具有很好的动态特性。

基于MRI定量非对称回波最小二乘估算水脂分离技术的成人腰椎骨髓脂肪与年龄和性别的相关性研究

目的:基于MRI定量非对称回波最小二乘估算水脂分离(iterative decomposition of water and fat with echo asymmetry and least-squares estimation image quantitation,IDEAL-IQ)技术探讨成年人腰椎不同节段骨髓脂肪与年龄和性别的关系。方法:收集298例受检者的MRI IDEAL-IQ脂肪分数图像,其中男性138例,女性160例,年龄20~69岁。将所有患者按照每10岁为一个年龄段分为5组:20~29岁(20~组),男24例,女20例;30~39岁(30~组),男47例,女39例;40~49岁(40~组),男36例,女47例;50~59岁(50~组),男20例,女37例;60~69岁(60~组),男11例,女17例。使用脂肪分数图在GE ADW4.6工作站测量L1~L5的骨髓质子密度脂肪分数(proton density fat fraction,PDFF)。结果:同一年龄组、不同性别间PDFF存在差异,20~、30~、40~组人群中,男性L1~L5椎体PDFF均高于女性(P<0.05);50~组人群中男性L1~L5椎体PDFF与女性的差异无统计学意义(P>0.05);60~组人群,男性L1~L5椎体PDFF均低于女性(P<0.05)。腰椎椎体PDFF与年龄呈正相关,女性(r=0.72,P<0.05)相关性高于男性(r=0.32,P<0.05)。从20~69岁,男性L4 PDFF增长率最大(21.08%),女性L1 PDFF增长率最大(65.68%);男性各椎体PDFF增长主要集中在30~及50~组,其中L1、L4、L5椎体PDFF在50~组增长率最大,L2、L3椎体PDFF在30~岁组增长率最大;女性各椎体PDFF在30~组呈轻微下降趋势,此后各椎体PDFF逐渐升高,增长主要集中在40~、50~、60~三个年龄组,其中50~组增长率最大。结论:成人不同年龄组男女性各椎体脂肪分布存在差异,椎体PDFF增长率也有所不同;腰椎不同节段椎体PDFF均与年龄呈正相关。

基于改进初值带遗忘因子的递推最小二乘法的锂电池参数辨识

锂电池荷电状态(state of charge,SOC)的准确估计依赖于精确的锂电池模型参数。在采用带遗忘因子的递推最小二乘法(forgetting factor recursive least square,FFRLS)对锂电池等效电路模型进行参数辨识时,迭代初始值选取不当会造成辨识精度低、收敛速度慢的问题。为此,将电路分析法与FFRLS相结合,提出基于改进初值带遗忘因子的递推最小二乘法(improved initial value-FFRLS,IIV-FFRLS)。首先,通过离线辨识得到各荷电状态点对应的等效电路模型参数并进行多项式拟合;然后,利用初始开路电压(open circuit voltage,OCV)和OCV-SOC曲线获得初始SOC,代入参数拟合函数得到初始参数;最后,将初始参数带入递推公式得到IIV-FFRLS迭代初始值。对4种锂电池工况进行参数辨识,结果表明:与传统方法相比,IIV-FFRLS的平均相对误差、收敛时间分别减小58%、23%以上;IIV-FFRLS具有更高的辨识精度与更快的收敛速度。

基于个性化最小二乘法的软特征集成实验方法

在生物特征识别技术的研究中,软特征的集成实验一直采用主特征之间的集成实验模型。软特征在适用范围、识别能力等方面与主特征有很大差别,直接使用主特征之间的集成机制无法有效地挖掘和利用软特征中的区分性信息,造成实验结果不够理想和准确。基于此,该文深入分析软特征的特性,提出“有效的互补性”和“个性化集成”两点集成要求,并在量化有效的互补性基础上,结合“最小错误率”目标,利用最小二乘法为每一个用户建立局部集成模型。将集成模型用于人脸识别和指纹识别两个实验场景,验证了该文对问题分析的合理性以及所提方法在提高识别准确率方面的有效性。

基于幂加权最小二乘拟合的红外相机辐射定标方法

分析了现有线性度计算方法的不足,提出基于偏差/测量值的新线性度评价方式,通过该方式最小二乘拟合的低端温度偏差比高端大一个数量级,并采用加权拟合提高系统响应线性度。在分析不同光谱的温度和辐亮度拟合函数基础上,提出一种基于辐亮度倒数幂加权最小二乘线性拟合的地面和星上辐射定标方法,确认最佳权重幂次,建立了幂次n=1的加权最小二乘拟合外黑体线性定标方程、内黑体线性定标方程、内外黑体辐亮度转换模型。针对星上内黑体高精度两点定标建立了基于加权最小二乘拟合内外黑体辐亮度转换模型;针对星上黑体发射率退化提出了基于恒星定标的红外相机星上内黑体辐亮度定标修正方法,建立了外黑体辐亮度、内黑体辐亮度和恒星辐亮度转换模型。采用加权线性拟合后,积分时间10 ms的低温端外黑体反演偏差由1.63 K下降到0.52 K,内黑体偏差反演温度偏差由0.83 K下降到0.39 K,系统响应线性度明显提升。

基于最小二乘法的不干胶材料柔性版印刷网点增大及补偿研究

不干胶材料印刷品通常采用柔性版印刷,其印刷网点的变化影响着不干胶材料上图像复制的质量,因此需要进行网点增大补偿。本研究设计了柔性版印刷测试版,获取了不同印刷条件下的网点增大数据,基于最小二乘法,借助Matlab软件拟合了网点增大曲线,对比分析了印版硬度、印刷压力和加网线数对网点增大的影响。同时采用“网点实际增大补偿”算法对网点增大进行了补偿,并对补偿效果进行了模拟验证。研究结果表明,镜面铜版纸不干胶材料在柔性版印刷时应选用硬度偏大、加网线数适中的柔性版,并在尽可能小的印刷合压量条件下印刷;采用“网点实际增大补偿”算法对网点增大进行补偿,能较好地控制网点增大,还原印刷阶调。

TTI介质中的纯qP波衰减补偿最小二乘逆时偏移成像方法

为有效提高衰减各向异性介质中地震波成像剖面的质量,实现稳定的TTI介质中的衰减补偿成像,提出一种基于黏声TTI纯qP波方程的最小二乘逆时偏移方法。在最小二乘偏移框架的基础上,推导相应的Born正演方程、伴随算子和梯度敏感核。由于伴随算子是衰减的,可以避免衰减补偿引起的数值不稳定性。通过同时考虑各向异性和吸收衰减的影响,衰减补偿最小二乘逆时偏移可以提供高分辨率、更少假象和振幅均衡的偏移结果。最后,通过模型试验和实际数据的测试及分析,验证了新方法的可行性和适用性。结果表明,黏声TTI最小二乘逆时偏移成像在衰减区域可进行高质量成像,丰富成像剖面中的波数成分,拓宽成像剖面中的频带宽度,提高地下介质成像剖面的分辨率及成像精度。

基于总体最小二乘-旋转不变算法的地表核磁共振信号参数估计

在地表核磁共振(SNMR)找水系统中,根据SNMR信号的参数能够预估地下含水层的储水量、导电性以及孔隙结构等信息。然而在实际应用中探测现场采集的SNMR信号十分微弱,易受到环境噪声干扰,导致无法直接获取SNMR信号的参数。针对这一问题,该文提出基于总体最小二乘-旋转不变法(TLS-ESPRIT)的地表核磁共振信号参数估计方法。基于谐波噪声与SNMR信号的相似信号特征构成一个由多个正弦衰减信号叠加的混合信号模型,使用TLS-ESPRIT将混合信号参数提取问题转换为旋转不变矩阵的广义特征值求解,从而获得SNMR信号的拉莫尔频率和弛豫时间,并结合最小二乘法求得其初始振幅和相位。仿真信号和实测信号实验结果表明此方法能够估计出混有随机噪声和工频谐波噪声的SNMR信号的参数,相比传统的谐波建模方法,在参数提取精度上效果更好。

基于核偏最小二乘法的热轧板凸度预测

以某2160 mm热连轧生产线为研究对象,结合生产数据和数据驱动算法,提出并建立基于核偏最小二乘法和偏最小二乘法的热轧板凸度预测模型,并对模型的参数进行调整和优化。结果表明:偏最小二乘法模型的预测值与实测值误差为-25~30μm,88.74%的板凸度预测值绝对误差小于10μm;核偏最小二乘法模型的预测值与实测值误差为-25~25μm,91.57%的板凸度预测值绝对误差小于10μm。因此,优化后的核偏最小二乘法模型具有更好的预测效果。

偏最小二乘法和近红外光谱技术快速测定发酵黄芪茎叶中黄酮含量及抗氧化活性

试验测定发酵前、后黄芪茎叶黄酮含量和抗氧化活性,并应用近红外光谱技术(NIR)结合化学计量学法快速预测发酵黄芪茎叶黄酮含量,为定量检测发酵黄芪茎叶黄酮含量提供理论依据以及为黄芪茎叶深加工利用提供技术支持。试验采用硝酸铝-亚硝酸钠比色法测定发酵黄芪茎叶黄酮的含量,测定黄酮对1,1-二苯基-2-三硝基苯肼(DPPH)自由基清除能力和羟基自由基的清除能力,利用偏最小二乘方法构建发酵黄芪茎叶黄酮的快速预测模型。结果表明,发酵黄芪茎叶黄酮抗氧化能力强于发酵前,构建快速预测模型采用了二阶导数(SD)+正态变量变换(SNV)+去趋势算法(Detred)的方法对全谱图进行预处理的效果较好,优化后的模型决定系数(R^(2))、校正均方根误差(RMSEC)、校准标准差(SEC)分别为0.92、0.24、0.24,其相对分析误差(PRD)为3.46,外部验证R2为0.88。研究表明,构建的NIR模型校正和交互验证决定系数均较大,PRD均大于2,说明模型预测性能较好,建立的模型有助于检测发酵黄芪茎叶黄酮含量活性成分。

正交偏最小二乘法探析大承气汤治疗急性胰腺炎多成分多药效关系

目的/意义分析大承气汤治疗急性胰腺炎实验数据,证实多成分多药效关系。方法/过程运用正交偏最小二乘法,分别探析配伍药味、煎煮液的药物成分、血液的药物成分与药效指标的关系。结果/结论配伍药味与药效指标之间、煎煮液的药物成分与药效指标之间、血液的药物成分与药效指标之间均存在一对多、多对一、多对多的作用关系。实验分析结果表明大承气汤治疗急性胰腺炎呈现多成分多药效的特点。

曲线曲面局部最小二乘渐进迭代逼近

作为一种有效的大数据拟合方法,曲线曲面最小二乘渐进迭代逼近方法(LSPIA)吸引了众多研究者的关注,并获得了广泛的应用。针对LSPIA算法拟合局部数据点效果较差的问题,提出了一种局部的LSPIA算法,称为LOCAL-LSPIA。首先,给定初始曲线(曲面)并从给定的数据点中选择部分数据点;然后在初始曲线(曲面)上选择需要调整的控制点;最后,LOCAL-LSPIA通过迭代调整这一部分控制点来生成一系列局部变化的拟合曲线(曲面),并且保证生成的曲线(曲面)的极限是在仅调整这部分控制点的情况下拟合部分数据点的最小二乘结果。在多个曲线曲面拟合上的实验结果表明,为达到相同的拟合精度,LOCAL-LSPIA算法比LSPIA算法需要的步骤和运算时间更少。因此,LOCAL-LSPIA是有效的,而且在拟合局部数据的情况下比LSPIA算法的收敛速度更快。

求解自回归模型参数的最小二乘法

在自回归模型参数的解算中,针对增广矩阵中不同位置上同一观测值有不同的改正数这一问题,本文提出了AR模型参数估计的最小二乘法。首先对AR模型进行等价变换,重新组成新的函数模型,两次运用最小二乘方法分别求解误差矩阵与未知参数,最后给出了参数协因数阵的一阶近似估计公式。算例结果表明,本文方法在求解AR模型参数时具有可行性。采用本文方法,将总体最小二乘问题的求解转换为最小二乘问题,计算简单且易于编程实现。同时,该方法有效地减小了计算量,从而降低了求解的复杂程度。

基于最小二乘法和BP神经网络的磁流变阻尼器H-B模型参数辨识方法

针对Bingham模型磁流变阻尼器由于剪切稀化效应带来的阻尼力计算误差,在理论和仿真分析的基础上,提出一种最小二乘法和BP神经网络相结合的方法,对磁流变阻尼器H-B模型进行参数辨识,获得各参数与电流的关系,从而对磁流变阻尼器的阻尼力进行准确计算。最后通过磁流变阻尼器实验对理论方法进行验证。结果表明:借助于磁流变阻尼器的仿真分析,最小二乘法和BP神经网络相结合的磁流变阻尼器H-B模型参数辨识方法精确度高、吻合性好,验证了参数辨识结果的通用性及准确性。

基于最小二乘法和SSA算法的行星齿轮箱微弱振动故障探测

行星齿轮箱是一种常用于工业机械和车辆传动系统中的重要装置,其长期运转和负荷导致行星齿轮箱存在着微弱振动故障的风险,通过研究行星齿轮箱微弱振动故障的特征和变化趋势,可以提前发现潜在故障迹象,提高齿轮箱的安全性;然而,行星齿轮箱微弱振动信号具有复杂的时域和频域特征,且其振动信号非常微弱,并富含大量噪声,为行星齿轮箱的故障探测工作带来较大难度;为此,提出基于最小二乘法和SSA算法的行星齿轮箱微弱振动故障探测方法;模拟行星齿轮箱工作与振动流程,根据不同故障下齿轮箱的工作特征,设置微弱振动故障探测标准;采集行星齿轮箱微弱振动信号,利用最小二乘法降低行星齿轮箱微弱振动信号中的噪声含量;利用SSA算法提取行星齿轮箱微弱振动信号特征,根据提取特征与设置标准的匹配,得出故障类型和故障参数的探测结果;通过性能测试实验得出结论:所提方法探测行星齿轮箱微弱振动信号的信噪比明显降低,故障探测范围扩大了353.94 mm^(2),具有较好的探测能力。

偏最小二乘法在激光诱导击穿光谱定量分析中的应用研究

介绍了激光诱导击穿光谱(laser induced breakdown spectroscopy,LIBS)技术、主元分析(principal component an alysis,PCA)法和偏最小二乘(partial least squares,PLS)法的基本原理。对Pb元素特征谱线附近的36个维度进行主成分信息提取,对36维波长数据压缩到2维后,采用每个样品的20个脉冲的主元分数进行偏最小二乘拟合,对数据进行平均处理后,拟合结果质量较高,拟合系数平方的值从0.49810提高到0.97000;残差平方和从0.72529下降到1.36366*10^(-4)。PCA法可以有效的缩减具有一定相关性的样本数据空间,对于数据维度较大的数据处理能显著提升效率,再结合PLS法拟合压缩后的主元,实验结论得出PLS适合用于LIBS定量分析。

无量纲最小二乘有限元法GPU实现及其在变压器绕组流场仿真中的应用研究

为了提高变压器流体场的计算效率,利用统一计算设备架构(compute unified device architecture,CUDA)实现流场的并行计算。首先基于C语言实现无量纲最小二乘有限元法的串行计算方法。然后在Visual Studio 2019+CUDA 10.2的环境下实现并行运算,对于串行程序中最耗时的线性方程组求解部分调用了CUDA自带的函数库进行优化;在大规模模型的数值计算中使用了十字链表格式存储整体刚度阵形成时的非零元素,以解决满阵存储时的内存不足问题。为验证所提方法的有效性,针对方腔模型,分析了不同剖分网格数量下的加速比,分析结果表明,数据规模越大并行效果越好,验证了无量纲最小二乘有限元并行程序的准确性和高效性。最后将该方法应用到大型变压器绕组的流体场分析中,取得了18.3倍的加速效果,为产品级变压器的流体场仿真奠定了基础。

基于最小二乘孪生支持向量机的不确定数据学习算法

孪生支持向量机通过计算2个二次规划问题,得到2个不平行的超平面,用于解决二分类问题。然而在实际的应用中,数据通常包含不确定信息,这将会对构建模型带来困难。对此,提出了一种用于求解带有不确定数据的最小二乘孪生支持向量机模型。首先,对于每个实例,该方法都分配一个噪声向量来构建噪声信息。其次,将噪声向量结合到最小二乘孪生支持向量机,并在训练阶段得到优化。最后,采用一个2步循环迭代的启发式框架求解得到分类器和更新噪声向量。实验表明,跟其他对比方法比较,本方法采用噪声向量对不确定信息进行建模,并将孪生支持向量机的二次规划问题转化为线性方程,具有更好的分类精度和更高的训练效率。