非对称弦测法中基于梯度下降的轨道不平顺复原方法

本研究提出了一种基于梯度下降的轨道不平顺复原方法。基于非对称弦测法理论,轨道不平顺的复原过程可描述为一个欠定线性系统的优化问题。本文提出采用梯度下降法求解该优化问题,采用了考虑正则项的二次型代价函数。为了评估所提出方法的性能,本研究搭建了一个轨道检测小车,并在一个缩尺桥梁模型上进行了现场试验。通过与水准仪测量值的比较,验证了基于梯度下降轨道不平顺复原方法具有良好精度。与传统的需要专门设计逆滤波器的轨道不平顺复原方法相比,本研究所提出的方法物理意义明确,只需基于非对称弦测法原理建立优化模型,这表明本方法在现场实测中具有良好的可操作性。此外,重复性评估表明,在调整不同的弦长以及多次重复测量时,本研究所提出的方法可复现一致的轨道不平顺结果,表明该方法具有良好的测量重复性。本研究所提出的方法可对轨道不平顺进行准确复原,为轨道平顺性状态及时有效评估提供数据支撑,进而保证列车运行的平稳与安全。

一种基于GA和梯度下降法的快速模糊系统学习方法

分析了现有模糊系统的两类主要的学习算法存在的缺陷。针对半梯形和三角形隶属度函数，提出了一种保证隶属度函数ε－完备性的方法。实现了一种新的基于遗传算法和梯度下降方法的快速模糊系统学习算法。通过实例进行了模拟，验证了该方法的高效性，以及保证隶属度函数完备性和模糊集合语义一致性的优点。

检测激光多普勒信号的新方法

为了准确地检测激光多普勒信号,提出了一种新的信号检测方法。在算法中应用梯度下降方法推导出算法的系统方程,并且应用庞加莱映射稳定原理给出系统稳定的存在条件。应用该算法能够检测激光多普勒信号,估计多普勒频移。测试结果表明,测出数据的相对误差小于0.7%。

一种改进RBF神经网络的机器人轨迹规划方法

在应用径向基函数RBF(Radial Basis Function)神经网络对机器人进行轨迹规划时,为解决一般学习算法中收敛速度慢、学习精度不高的问题,提出一种混合学习算法。该方法根据轨迹规划的具体要求,用最近邻聚类算法确定网络的结构和参数,通过在学习速率中加入自适应学习因子调整网络参数,以加快收敛速度。通过MATLAB软件进行仿真,结果表明混合学习算法收敛速度较快,逼近误差小,从而证明了该算法的可行性。

基于自适应神经网络的无人机PID控制器研究

为了提高PID控制器对系统的稳定性,并减少控制误差,提出一种自适应神经网络PID控制器。首先,在离散时间模型中开发PID控制器,以减少在连续时间中设计控制器所带来的问题。然后,定义一个自适应神经网络,调整控制增益,以实现导航任务过程中六旋翼无人机(UAV)的跟踪误差最小化。利用梯度下降方法对PID控制器的重要参数进行整定。此外,通过卡尔曼滤波对传感器测量值进行过滤,以提高在线自适应的性能。实验结果验证了所提控制器的优越性,绝对值误差积分(IAE)为2.576×10^(3),时间绝对值误差积分(ITAE)为5.152×10^(5)。两个误差指标均低于经典PID控制器一个数量级。

模型未知的非双曲型非线性序列去噪算法

针对模型未知的非双曲型非线性序列难以实现去噪和轨迹重影的问题,基于模型选取的最小描述长度准则,从过拟合和欠拟合的角度分析边缘误差算法对离散系统的非最优性和不适应性,利用改进的全局误差算法对系统进行建模,结合梯度下降方法的稳定性和Newton-Raphson算法的快速收敛性提出一种融合算法,用于在机器精度内实现非双曲型非线性离散系统时间序列的去噪和轨迹重影。通过辅以极少点数的无污染序列和仅从单变量受扰观测序列2项实验验证该算法的有效性。

面向停电分类预测的因子分解机模型

可靠的电力供应对于工业生产和居民日常生活至关重要,通过对电力数据平台中的停电数据进行分析和挖掘,可以更好地了解配电网停电的潜在规律。分类预测是数据挖掘和分析中的常见技术,停电分类预测可以为企事业单位的停电规划安排提供决策参考。针对停电分类预测问题,提出一种基于因子分解机(FM)的停电数据分类预测模型。利用决策树算法计算停电数据中不同特征的基尼系数以得出重要性得分,从中筛选与停电预测关联度较大的非稀疏特征。根据不同地区的地理位置关系构建不同地区间的空间位置矩阵,并通过矩阵分解的方式构造不同地区在空间上的地理位置关联特征。为防止FM模型出现过拟合问题,在模型中加入L2-范数正则化。在此基础上,利用随机梯度下降的方法训练FM模型,通过训练完成的FM模型对停电数据进行分类预测。在真实停电数据集上的实验结果表明,该模型在训练数据集和测试数据集上的F1值和准确率分别高达0.90和0.89,优于DNN、SVM、XGBoost等模型。

一种新的信号分析方法在激光多普勒信号检测中的应用

为了提高激光多普勒测量固体运动参数的精度,提出了一种新型的非平稳信号分析方法,在算法中应用梯度下降方法推导出算法的系统方程,并且通过庞加莱映射给出系统稳定的存在条件。将该方法应用到激光多普勒测量50 m处固体面内位移的信号检测中,对多普勒信号进行处理,估计多普勒频移。测试结果表明,该方法能够准确检测激光多普勒信号,测出数据的相对误差小于0.7%。