基于最小二乘法的蒙特卡洛移动节点定位算法

针对无线传感器网络中蒙特卡洛移动节点定位算法的不足,提出了一种基于最小二乘法的蒙特卡洛移动节点定位算法。该算法根据运动的连续性,利用最小二乘曲线拟合的方法,推算出未知节点在下一时刻可能的位置区域,进行快速抽样和样本过滤。仿真结果表明:新算法在不同的网络连通度、不同的运动速度等情况下,均表现出良好的性能。

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。

基于动态遗忘因子递推最小二乘法和改进粒子滤波算法的锂电池SOC估计

为了提高锂电池荷电状态(SOC)估计的精度,提出了一种基于动态遗忘因子递推最小二乘法和改进粒子滤波算法相结合的锂电池SOC估计方法。针对固定遗忘因子递推最小二乘法在电池参数辨识中难以同时保持快速收敛和稳定性的问题,引入动态遗传因子,以模型辨识值和实际值的残差为变量构建修正公式,实现遗忘因子动态调整。为了改善粒子滤波(PF)的粒子多样性丧失问题,采用白鹭群优化算法(ESOA)对粒子滤波算法进行优化。仿真结果表明,基于动态遗忘因子递推最小二乘法和改进粒子滤波算法的锂电池SOC估计误差始终保持在0.3%以内,平均绝对误差和标准差为0.15%和0.17%,与其他算法相比具有更好的精度和稳定性。

基于精度因子与距离残差的加权最小二乘算法在DTMB辅助北斗定位中的应用

北斗三号系统已完成建设,该系统可以在空旷的室外提供较为准确的定位信息。但是在城市峡谷区域,北斗信号会受到遮挡。当能够提供有效定位信息的北斗卫星数目逐渐减少时,利用北斗卫星进行定位得到的定位结果偏差会逐渐增大。本文针对以上问题,在采用地面数字多媒体广播信号辅助北斗定位的基础上,利用基于精度因子与距离残差的加权最小二乘算法进行定位,相比于利用最小二乘算法进行定位,定位精度提高了40%~50%。本文提出的算法对于解决定位基站数目不足时增加其他不同类型基站来进行辅助定位的问题具有借鉴作用。

基于遗传算法优化最小二乘支持向量机的矿工疲劳程度识别模型

为精准识别矿工疲劳程度,减少因疲劳引发的煤矿人因事故,提出了一种基于遗传算法(GA)优化最小二乘支持向量机(LSSVM)的矿工疲劳程度识别模型。首先,通过疲劳诱发试验采集矿工心电数据,利用Friedman检验优选矿工疲劳程度的特征指标;然后,采用主成分分析法对选取的特征指标进行降维处理,建立表征矿工疲劳程度的特征集;在此基础上,利用遗传算法优化最小二乘支持向量机的关键参数,构建矿工疲劳程度识别模型。结果表明:选取的矿工疲劳程度特征指标能够有效反映矿工的疲劳程度;相较GA-SVM和LSSVM模型,融合GA-LSSVM模型可显著提高矿工疲劳程度的识别准确率(平均识别准确率为96.87%)。构建的矿工疲劳程度识别模型可较为高效地识别矿工的疲劳程度,对煤矿人因事故的防控具有一定的现实指导意义。

一类最小二乘的自动调参问题的求解算法

运用APGnc+算法思想,求解最小二乘自动调参问题.以MNIST数据集为基础,考察最小二乘自动调参在分类问题中的应用.此外,数值实验结果表明本文的算法比已有的方法快.

基于最小二乘和自适应蛇优化算法的直驱风机LVRT特性辨识

为提高直驱风机低电压穿越LVRT(low voltage ride through)控制参数辨识精度,提出了一种基于最小二乘LS(least square)和自适应蛇优化ASO(adaptive snake optimization)算法的直驱风机LVRT特性辨识方法。首先,利用最小二乘法拟合出直驱风机LVRT待辨识参数初值,以确定待辨识参数的寻优范围;然后,分析了蛇优化SO(snake optimization)算法分阶段寻优的边界条件,设计了分阶段自适应学习因子,并引入Levy飞行策略,提出了适用于直驱风机LVRT控制参数辨识的ASO算法;最后,将ASO算法多次辨识平均值作为最终结果。结果表明,所提方法能快速、准确辨识直驱风机LVRT控制参数。

基于约束总体最小二乘法的超宽带掘进机定位算法研究

为推进煤矿巷道内掘进机自主定位和定向综掘无人化作业,针对定位时传感器之间由于系统同步时钟偏差引起的定位误差问题,以及由于最小二乘法本身的降正则化特性引起系数矩阵严重病态,表现为系数矩阵中的微小误差会导致定位结果产生巨大偏移的问题。提出了一种基于超宽带的到达时间差(TDOA)约束总体最小二乘法(CTLS)的定位算法:将TDOA非线性观测方程组做线性化处理,结合系统误差在观测方程组的分布特性,采用CTLS算法得到经优化后的目标函数,通过牛顿迭代法得到目标位置估计。实验结果表明,在TDOA测量误差较小的条件下,目标位置估计精度能够接近克拉美罗下限(CRLB)。

基于最小二乘蒙特卡洛简化算法的保险公司经济资本度量研究

对最小二乘蒙特卡洛方法(LSMC)在保险公司经济资本度量中的简化进行了研究,探讨了该方法在实施过程中的模型处理以及对于嵌套随机模拟的简化效果与效率提升。在此基础上,针对变额年金产品,在不同预测期限下,借助最小二乘蒙特卡洛方法对经济资本进行了度量,并与完整嵌套随机模拟进行了效果比较。研究结果表明,最小二乘蒙特卡洛方法在经济资本度量中起到了良好的简化作用,对于风险损失的尾部拟合具有良好效果。同时相比于经济资本度量中常用的嵌套随机模拟,大大提高了运算效率。

油气开发项目风险评价的偏最小二乘——蒙特卡洛模型研究

油气开发项目的风险定量评价一直是国内外研究的难点。笔者在分析传统风险评价方法优缺点、剖析偏最小二乘法和蒙特卡洛法的基础上,首次提出了偏最小二乘——蒙特卡洛(PLS-MC)风险评价模型。该模型通过PLS构建NPV与风险因素之间的回归模型,消除了风险因素间的多重相关性,还将净现值公式无法考虑的定性因素纳入风险评价之中。在此基础上,通过蒙特卡洛对NPV的变动情况进行模拟,减少了主观臆断性,从而使得评价结果更准确、合理和客观。通过对四川德阳新场气田的实例应用,表明偏PLS-MC评价方法科学可行,对同类研究具有借鉴作用。

一种基于三维最小二乘与RANSAC算法的隧道断面检测方法

盾构法因安全高效在地铁隧道等交通设施建设中被广泛应用,为保障建成后隧道的平稳运行需进行定期稳定性检测。相对于全站仪等传统低效率作业方法,短时间内获取大量数据的三维激光扫描技术逐渐成为盾构法隧道检测的首选方法。但隧道内管线、轨道等设施同样被扫描并掺杂在获得的点云数据中,成为影响隧道断面参数计算的噪声点。本文提出一种基于三维最小二乘与RANSAC算法的隧道断面检测方法,该方法首先基于三维最小二乘(Three-Dimensional Least Square Method,3D-LSM)计算隧道点云中轴线整体方向向量来获取隧道断面,进而将获取的三维断面数据转换到二维平面上,随后基于随即抽样一致算法(Random Sample Consensus,RANSAC)建立拟合去噪模型,根据断面数据拟合计算隧道断面的半径和椭圆度。通过青岛某地铁隧道精密检测工作表明:该方法能够应用于三维激光扫描计算隧道断面的椭圆度和半径中,并有效地克服了噪声点对拟合精度的扰动,提高模型拟合计算精度和对粗差点抵抗性。

最小二乘蒙特卡洛美式期权定价的GPU实现

蒙特卡洛模拟法常用来进行期权定价,但此算法存在运算量过大的问题.利用图形处理器(GPU)超强计算能力实现美式期权定价,在GPU上,首先优化实现了均匀随机数生成器,然后利用Box-Muller随机数转换算法产生随机数,最后优化实现了最小二乘蒙特卡洛模拟法的美式期权模拟定价系统.测试结果表明,GPU实现的最小二乘蒙特卡洛美式期权定价对比CPU的实现加速比最高达到了16.1.利用GPU的编程技术以更小的硬件代价,更高的执行效率,更好地完成由CPU完成的传统任务,较好地解决了蒙特卡洛模拟法运算量过大的问题,充分挖掘了GPU的通用计算潜力.

用蒙特卡洛模拟法计算正交最小二乘法拟合参数的标准偏差

介绍了一种计算正交最小二乘法拟合参数标准偏差的新方法———蒙特卡洛模拟法 ,并以电子探针微区分析技术分析环境样品的数据为例 ,对用于计算经典最小二乘法回归系数标准偏差的公式法和蒙特卡洛模拟法进行了比较。计算结果表明 ,两者完全相符 ,蒙特卡洛模拟法的计算结果正确、可靠。考察了模拟次数对计算结果的影响。模拟次数大于 5 0 0时 ,计算结果趋于稳定 ,计算所需时间在 1min以内。拟合方差与回归系数标准偏差存在明显的相关关系。线性模型能解释的方差越大 ,回归系数标准偏差越小。

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。

基于改进最小二乘支持向量机组合模型的深基坑沉降变形预测

为了提高深基坑沉降变形预测精度,及时为深基坑支护施工提供指导,提出一种改进最小二乘支持向量机组合模型;通过引入自适应噪声完备集合经验模态分解方法分解原始深基坑沉降变形数据,并结合粒子群优化算法和遗传算法对最小二乘支持向量机进行参数寻优,对分解的数据分别训练、预测后再叠加,得到最终预测结果;应用所提出模型对济南市某深基坑的累积沉降量进行预测,同时与其他模型对比,验证所提出模型的实用性和优越性。结果表明:所提出模型预测深基坑累积沉降量的平均相对误差为0.035%,均方误差为0.0809 mm^(2),均方根误差为0.2838 mm,所提出模型的准确性远优于其他模型的;自适应噪声完备集合经验模态分解方法的引入更有利于在深基坑沉降变形预测方面发挥最小二乘支持向量机的优势。

基于最小二乘算法修正接触网电弧沿边放电参数的研究

弓网系统的安全运行可为电力机车提供稳定的电流供应。高速动态运行的接触网伴随着电弧放电现象,易使暂态过电流侵入输电线路,从而造成供电故障。首先,分析接触网动态运行的预估模型和参数变化特征;其次,利用最小二乘算法对模型参数进行辨识,提出电弧沿边放电防护与参数修正方案;最后,应用Matlab软件对弓网动态模型参数进行拟合修正。仿真实验结果表明,采用最小二乘算法在线修正误差可获得最优解,并与设定值保持良好的线性关系。

加权最小二乘联合遗传算法的无源定位

针对复杂环境下运动通信辐射源的无源定位,闭式解方法对于时频差模型中的测量噪声敏感且存在定位均方根误差较大问题.为了改善大观测误差下的定位性能,本文提出一种加权最小二乘联合遗传算法的递推式混合TDOA/FDOA定位方法.该方法首先利用已知站点观测大量时频差数据并建立误差模型,基于模型对定位过程中的多组时频差序列进行数据处理;其次通过加权最小二乘求解目标位置的初始值;然后采用改进的遗传算法在初始值的基础上通过多组时频差序列不断迭代、递推求解,修正位置坐标;最后利用位置估计和频差模型完成对目标速度估计.仿真结果表明,本文定位算法相比于经典两步加权最小二乘法具有更低的均方根误差,在大观测误差下能保持较高精度.同时相比于其他混合定位算法收敛速度快,可以有效减少计算量.

基于改进灰狼算法与最小二乘支持向量机耦合的电力变压器故障诊断方法

电力变压器运行故障的准确诊断有利于提高变电设备状态检修和电网安全运行水平,为实现故障的准确分类,文章以油中溶解的5种典型气体作为故障诊断的特征量,提出一种基于改进灰狼算法与最小二乘支持向量机耦合的电力变压器故障诊断方法。该方法通过改进灰狼算法寻求最小二乘支持向量机中的最优惩罚系数C和核函数参数g,用以提高故障诊断的准确率。首先阐明最小二乘支持向量机和灰狼算法的改进点并将二者耦合,将其代入413组电力变压器的油中溶解气体检测数据来诊断故障类型,与其他诊断方法进行对比;其次研究惩罚系数C和核函数参数g对电力变压器故障类型识别准确率的影响规律;最后借助训练后的改进灰狼算法与最小二乘支持向量机耦合方法,通过两台不同电压等级的变压器故障实例分析,验证了故障诊断方法的有效性。研究结果表明:相较于单一使用最小二乘支持向量机和传统灰狼算法与最小二乘支持向量机耦合,改进灰狼算法与最小二乘支持向量机耦合方法对电力变压器故障诊断的准确率分别提高了14%和7%。此外,惩罚系数C和核函数参数g对电力变压器故障类型识别准确率的影响呈现非线性规律,凸显了通过智能算法找到最优解的便捷性、必要性、有效性。

梯度提升最小二乘支持向量回归的压电执行器磁滞特性建模

针对用于精密运动定位的压电执行器具有磁滞效应的问题,本文提出一种基于梯度提升最小二乘支持向量回归(GB-LSSVR)的建模方法.首先,通过引入磁滞算子构造拓展的输入空间,将磁滞的多值映射转换为一对一映射.然后,建立基于GB-LSSVR的磁滞模型,设计可保证收敛粒子群算法(GCPSO)对GB-LSSVR模型参数进行优化.最后,将所提出方法用于实际预测一个压电执行器的位移.结果表明,该方法相对于经典的最小二乘支持向量回归(LSSVR)和截断最小二乘支持向量回归(T-LSSVR)算法,能得到更加准确的结果.