基于变增益最速梯度下降法的表贴式永磁同步电机位置修正策略

滑模观测器具有响应速度快、鲁棒性强等优点,已广泛应用于表贴式永磁同步电机无位置传感器的中、高速控制系统。然而,具有固定参数的滑模观测器很难在宽速度范围内保持一致的估算精度,而采用基于速度观测器带宽限制的方法进行噪声和扰动抑制会降低电机的动态性能。针对上述问题,该文首先分析滑模观测器估算表贴式永磁同步电机转子位置的误差产生机理,提出一种新型位置误差观测器,主要思想是基于磁链观测进行位置误差连续估算,并采用最速梯度下降法对积分过程进行反馈校正;然后,通过变增益循环迭代优化提高位置误差观测器的速度与准确性;最后搭建表贴式永磁同步电机加载测试平台进行实验,结果验证了所提方法具有位置观测精度高、鲁棒性强的特点。

基于交替变量局部梯度法对土质边坡的三维稳定性分析

临界滑动面的获得是土质边坡稳定性分析中一个必要的过程,然而现有分析方法难以保证该临界滑面的准确性,而且部分分析方法在计算过程中会陷入局部最小值陷阱。基于单变量方法和最速梯度法,提出了交替变量局部梯度法,该方法能够突破最优化方法应用在边坡稳定性分析上的瓶颈。首先,通过斯宾塞极限平衡方法和网格搜索法(或者其他确定临界滑面的方法),获得边坡初始椭球状临界滑面;其次,在该滑面上布置若干节点作为变量,目标函数为安全系数Fs关于空间节点坐标Zi的方程,为了使目标函数快速降低,沿负梯度方向循环优化每个节点,当满足一定精度要求时,即可获得三维土质边坡非圆弧状临界滑动面;最后,通过算例证明该方法可行,计算结果可靠。

基于仿真优化算法的医院关键资源能力分派研究

图像检查设备是医院的瓶颈资源。医院管理者通常追求瓶颈资源的高利用率,导致患者需长时间等待才能进行检查。长时间的等待加剧了患者的焦虑情绪,也会给患者造成病情加重等隐患。考虑患者具有不同的目标等待时间,本文针对医疗关键资源能力分派问题,提出了双层嵌套的阈值策略。非紧急患者预约时,双层嵌套阈值考虑为将来到达的紧急患者预留一定量的能力。如果患者在目标等待时间内预约不成功,则离开医院,并对医院造成患者流失惩罚。目标函数是使患者总流失惩罚最小。本文用目标函数对嵌套阈值的偏导数作为最速梯度法下降方向,基于样本路径对该偏导数进行估计,并通过不断迭代得到最优阈值。数值实验中,与医院应用的传统阈值策略比较,结果显示,本文所提嵌套阈值策略能够有效降低因超过目标等待时间而流失的患者给医院带来的损失。

一种TD-SCDMA系统线性多用户检测算法的仿真实现

基于笔者提出的一种适用于TD-SCDMA系统的最小均方误差准则次优线性多用户检测算法,本文结合TD-SCDMA系统特性设计实现了该算法的仿真实验,并利用自行开发的TD-SCDMA协议仿真实验工具软件进行了大量仿真实验,从仿真实验中获得了影响算法收敛复杂性的几个关键因素。仿真结果亦表明该算法在性能、复杂度方面均具有优势。

基于BP网络的船舶动力定位控制技术仿真研究

在船舶动力定位控制优化问题的研究中,为了解决第一代动力定位系统中PID控制器参数整定困难的缺点,提高动力定位的实时性、稳定性和可靠性,提出了将BP网络与PID控制器相结合的控制策略,使系统具有PID控制器简单可靠等优点及BP网络的自学习和自适应能力等特性。采用三层BP网络,根据梯度最速下降法,不断修正各层神经元之间的连接权值,在线调整PID控制器参数,得到满足定位要求的最佳参数组合,提高系统的快速性和定位精度。最后以某动力定位船为研究对象,在MATLAB平台上对控制器进行定位功能的仿真验证,仿真结果表明所设计的控制器具有较好的控制性能。

列车传动最优黏着控制策略研究

在列车的行驶过程中,轮轨间的黏着控制尤其重要,最大化利用黏着力可提高列车的牵引/制动性能。文中提出的列车传动最优黏着控制策略通过全维状态观测器准确地估计出当前利用的黏着系数;利用可变遗忘因子的递归最小二乘法有效地计算出黏着-蠕滑特性曲线斜率;采用最速梯度法迅速搜索最佳蠕滑速度给定值。同时为了实现最优黏着控制,设计了蠕滑速度控制环来获得牵引电机转矩指令补偿量。最后通过仿真,证明了该控制策略的正确性和有效性。

基于正则化矩阵补全的用户电量缺失值填补研究

针对用户电量采集过程中数据缺失的问题,提出一种基于正则化矩阵补全的用户电量缺失值填补方法。首先,基于原始用户电量缺失值进行特性分析,构造初始化矩阵;其次,搭建一个新的近似矩阵,采用低秩矩阵分解策略将近似矩阵拆分为两个潜在矩阵;最后,引入随机梯度最速下降法对目标参数进行优化,求解近似矩阵模型,完成缺失电量数据的填补。算例采用真实电网数据进行仿真分析,结果表明,所提方法能准确补全用户电量缺失值。

利用选择性模型不定时更新的视觉跟踪算法

目的在目标跟踪中,基本粒子滤波算法和传统模型更新策略在遮挡、光照变化以及自身旋转等情况下通常存在鲁棒性较差的问题。为解决该问题,提出一种基于选择性模型不定时更新的粒子滤波视觉跟踪算法。方法本文算法在粒子滤波框架下,定时检测目标变化,采用最速梯度下降法判断更新时机。仅当目标本身逐渐姿态改变而不受背景干扰时更新目标模型;在发生遮挡或光照改变较大时则不更新,保持当前模型继续跟踪。结果通过对示例视频的计算机视觉跟踪,在跟踪目标中心位置误差、覆盖率、精度及成功率比较上,本文算法均能表现出较优的实验结果,这表明:本文算法能够对目标模型进行选择性更新,与对比算法比较,总体能够更加有效解决视频中遮挡、光照变化以及自身旋转等情况下的鲁棒跟踪问题。结论由于本文算法未考虑尺度,在尺度不变的多种复杂变化条件下,本文算法均具有较好的鲁棒性。