基于新样条基函数的弹塑性厚/薄板子域分析

为了建立通用弹塑性的厚/薄板样条子域,通过位移参数法,从位移场入手,以位移作为独立变量,并且运用样条有限点法进行理论推导构造了一组新的样条基函数。结果显示:该样条子域分析厚薄板时不存在剪切闭锁现象,该新子域具有计算精度高、收敛性好、厚薄通用、编程简便等特点。所以基于新样条基函数构造的样条子域是一种有效、可靠的厚/薄板样条子域,可以满足工程中板分析的精度要求。

B样条基函数模糊神经网络控制系统及其混合学习算法

介绍了一种基于模糊B样条基函数神经网络的控制器，该控制器将模糊控制的定性知识表达能力、神经网络的定量学习能力和B样条基函数优异的局部控制性能相结合，采用B样条基函数作为模糊隶属函数。还提出了模糊神经网络控制器的混合学习算法，即先采用免疫遗传算法离线优化，再采用BP梯度算法在线调整。对锅炉主蒸汽温度控制的仿真结果表明了此法的可行性和有效性。

一种基于模糊B样条基函数神经网络控制的磨削加工系统

本文将模糊控制与神经网络相结合。用神经网络来实现模糊推理,提出了一种把B样条函数作为隶属函数的模糊神经网络,并将之用于磨削加工的质量控制。仿真结果表明,该系统具有响应快、稳态精度高、鲁棒性强等优点,能很好地应用于磨削加工的质量控制。

一种新的样条基函数的构造及其应用研究

样条函数是一种广泛应用于求解力学问题的数学函数。为了应用样条函数进行结构分析,需要构造一组样条基函数。本文用位移参数法构造了一组新的样条基函数φi(x),并利用该样条基函数建立了三角形厚薄板的位移函数。用该函数就可以建立三角形厚薄板样条子域。算例分析表明:用新构造的样条基函数所建立的样条子域,计算精度高,能方便地处理边界条件,具有厚薄板通用性,且没有剪切闭锁现象。

B样条基函数模糊神经网络控制系统及其混合学习算法

介绍了一种基于模糊B样条基函数神经网络的控制器,该控制器将模糊控制的定性知识表达能力、神经网络的定量学习能力和B样条基函数优异的局部控制性能相结合,采用B样条基函数作为模糊隶属函数。还提出了模糊神经网络控制器的混合学习算法,即先采用免疫遗传算法离线优化,再采用BP梯度算法在线调整。对锅炉主蒸汽温度控制的仿真结果表明了此法的可行性和有效性。

基于B样条基函数的定精度模糊推理方法

模糊推理过程采用了分层知识表示方式,体现了专家分析和解决问题的思想。隶属函数决定着模糊集的全部特征,其形式也是多样的,只针对特定隶属函数的推理方法,在构造系统应用时具有局限性。本文利用B样条基函数的性质,对隶属函数进行逼近,在设计中只需实现对基函数的运算和设计,使系统有较好的可扩展性和实用性。实验验证通过结合隶属函数的曲率等信息选取调整特征点,可以实现逼近误差的控制,从而使整个推理方法的精度也达到可控。

基于薄板样条径向基函数的复合材料层合板自由振动分析

基于复合材料层合板的三角剪切变形理论,推导了对称复合材料层合板的控制微分方程。利用基于薄板样条径向基函数的无网格配置方法离散的控制微分方程,预测了对称复合材料层合板的自由振动行为。计算了不同材料参数和层合板几何参数的固有频率,并与文献结果进行了比较。还研究了节点排布、模量比和边厚比对固有频率的影响。结果表明,本文结果与文献结果具有较好的一致性,节点数量越大,无量纲频率对网格分布越不敏感,固有频率随着边厚比和模量比的增加而增加。通过数值实验,证明了用薄板样条径向基函数离散的三角剪切变形理论对对称复合材料层合板的自由振动分析具有较高的数值精度和良好的收敛性。

基于人工智能技术的机器人运动控制系统设计

设计一种基于人工智能技术的机器人运动控制系统,确保机器人更好地理解人类的意图,并提供更加人性化的服务。该系统通过运动数据采集与传输组件连接机器人的轴电机,采集机器人当前运动数据后,将其传输到控制器组件内,控制器组件依托X86架构工控机,使用PIC总线将采集到的机器人当前运动数据发送到基于人工智能技术的机器人运动路径规划模块内。该模块运用人工智能技术中的A*算法获取机器人轨迹路径规划结果后,依据该路径规划结果,将人工智能技术中的神经网络和模糊B样条基函数相结合,建立模糊B样条基函数神经网络控制器。该控制器输出机器人运动控制指令,并发送给伺服驱动器组件,伺服驱动器负责驱动机器人轴电机,控制机器人运动。实验结果表明:所设计系统具备较强的机器人路径规划能力,可在复杂路径情况下实现机器人运动控制,且控制精度和控制阶跃响应能力均较强。

B样条函数基在半导体微晶量子尺寸效应研究中的应用

用有效质量近似模型来描述微晶CdS和CdSe系统中激子的行为,考虑到介电常数在量子点内外的不同,展示B样条函数基在构成激子波函数中的优越性,讨论激子的基态能量随量子点半径变化的量子尺寸效应.将计算结果与实验结果及其他理论计算结果进行比较,计算结果表明:用B样条函数基构成激子波函数是十分成功的,计算激子的能量与实验符合得很好;当同种量子点处在不同环境时,不仅势垒高度和库仑相互作用能不同,而且激子的有效质量也不同;有效质量近似模型可以很好地描述激子的基态能量的量子尺寸效应.

采用稳健统计与B样条函数处理频率扰动记录单元异常数据

北美电网监测系统(FNET)是在配网侧实时采集电网频率的广域测量系统。由于硬件故障或网络中断,频率扰动记录单元(FDRs)采集的数据不可避免地包含尖峰或缺失数据段等异常数据,在剔除尖峰同时常用的一维中值滤波,弱化频率波动的细节信息无法弥补缺失数据段。针对此一问题,提出了融合稳健统计和B样条函数的频率异常数据处理方法,它通过设定阈值辨识尖峰值,采用B样条基函数的线性组合重构原始频率序列,引入曲线粗糙度控制B样条基函数学习过程中存在的过拟合问题。该方法仅在局部范围内处理频率异常数据,能最大限度地保留频率波动信息,且计算简洁,能实现任意阶B样条函数的构造及学习,易于推广到其他时间序列的数据预处理。

模糊B样条基神经网络及其在机器人轨迹跟踪中的应用

提出一种模糊神经网络控制器并用于机器人轨迹跟踪控制.这种模糊神经网络利用B样条基函数作为隶属函数,可在线根据误差调整隶属函数的形状,使模糊神经网络具有更强的学习和适应能力.仿真与实验结果表明这种网络能很好的用于机器人的轨迹跟踪控制,具有很好的性能.

基样条函数Markov-Bernstein不等式的推广

基样条函数的 M-B型不等式是其十分重要的性质。文章通过对两种类的 M-B型不等式的研究 ,讨论了一种新的情形 ,所得结果可视为前两种类型的推广。

基于B样条曲面参数方程的曲面边界元精细后处理方法研究

B样条曲面四边形边界元方法,是用B样条曲面拟合实际边界面,比一阶单元更接近实际边界,相应的顶点节点上的函数值也比较精确。但由于模型采用高阶单元粗略剖分,该方法单元数量相对较少,剖分后的模型较粗糙,而且模型只能以平面线性单元的形式显示,与实际模型边界差别较大。本文提出了基于B样条曲面参数方程的曲面边界元精细后处理方法。在该方法中,利用B样条曲面的参数方程把曲面单元精细显示出来。单元上新建节点的函数值可由曲面单元顶点上的函数值和面积比值法定义的形状函数插值得到。最后形成经精细显示后的B样条曲面边界元方法。算例表明,经精细显示后边界面比未处理前更接近实际边界。

基于等几何分析基函数重用的积分方法

针对等几何分析方法计算过程中的积分效率严重制约计算效率的问题,提出一种基于基函数分类重用的积分方法.首先通过均匀B样条基函数的性质将基函数分类,然后通过支撑域的线性变换实现了基函数的重用,最后采用适合等几何分析的精确高斯积分方法,在保证计算精度的同时显著提高积分效率.数值算例结果表明,该积分方法是可行的和有效的.

基于惩罚最小绝对偏差的部分线性空间自回归模型的稳健变量选择

结合B样条逼近以及工具变量调整技术,并利用惩罚最小绝对偏差方法,对部分线性空间自回归模型提出了一种稳健变量选择方法.理论上证明了所提出的变量选择方法可以相合地识别出模型中的重要协变量和不重要协变量,并给出了所得正则估计的收敛速度.所提出的变量选择过程对模型中的参数分量和非参数分量的估计可以一步同时完成,避免了非参数分量的估计对参数分量变量选择的影响,因此具有较好的稳健性和有效性.

基于函数型主成分分析的我国城市人口研究

为了探讨近年来我国主要城市人口数量的变化差异,利用4次B样条基函数,将离散的原始数据拟合成连续化的函数型数据,运用L2空间上函数型主成分分析模型,对1998~2016年我国36个主要城市的人口进行了研究.结果表明:我国超一线城市和直辖市的人口基数大,远远超过了其他城市的人口数;随着时间的变化,各城市之间人口数量差异越来越大;1998~2008年间几乎每个城市的人口数量保持平稳的增长趋势,但2008年以后部分城市人口出现较为明显的波动.分析结果表明函数型主成分方法能较为准确地分析我国主要城市人口的变化特征.

基函数在函数性数据拟合中的应用

文章依据至今最为重要的两个基函数,重点阐述了这两个基函数的定义,及其在多元回归统计中,函数性数据拟合上的应用,结合实际例子,具体操作,运用MATLAB软件,解决实际问题.

基于函数型主成分聚类的失业人口研究

为了深入研究近年来我国各省之间失业人口的变化差异,采用函数型主成分聚类的分析方法对我国各省失业人口的差异进行了研究。首先利用4次B样条基函数将我国31个省、市、自治区2001~2019年的城镇登记失业人口拟合成连续化的函数曲线,通过函数型数据在L2空间上的主成分分析进行降维,其次对主成分得分进行加权的K-means聚类,结果表明,我国劳动力失业人口的动态变化特性存在一定的区域异质性,除北京市外,劳动力失业人数最少的省份绝大多数来自西部地区,而劳动力失业人数较多的省份大部分来自华东和华中地区。最后从各地区的产业优势、国家出台的相关政策、人口年龄结构等方面对我国各省失业人口之间的差异进行分析并提出相应的建议。

基于B-Spline的位移监测数据动态优化拟合

为更好地进行工程位移的监测,对基坑施工过程钢支撑水平位移激光监测数据特征、误差类型及其成因进行了分析,研究了B-Spline在海量监测数据去噪中的适用性,并通过引入待估参数的B样条基函数修正,建立最小二乘控制下位移-时间关系的高精度拟合优化。结果表明:待估参数ζ_(i)的修正重构,把监测数据序列转化为参数估计问题,使位移时变关系的最优化拟合成为可能;移动时间坐标方法,可实现等时距监测数据的动态处理,优化计算时间;B-Spline融合最小二乘法,在最小方差控制下实现监测数据-时间关系最优拟合,形成光滑、连续的高精度拟合曲线,有利于提高监测反馈控制的精度和可靠性。实例应用验证了成果的可靠性和适用性。

两类函数型数据主成分分析方法及其应用

高维数据的函数化降维可以较好地认识和探索数据集合中的内在规律性。文章引入B样条基函数和勒让德基函数,将离散数据转化成连续化的函数型数据。通过函数型数据的主成分分析发现数据中隐藏的内在规律和相关信息。使得当数据在无限维和有限维之间的相互转换中,提取的信息更丰富可靠,并且较少依赖于模型构建及假设条件。实证分析表明,基于B样条及勒让德基函数展开的函数型数据的主成分分析结果与实际经济运行有较好的吻合度。