基于LMS/LMF混合算法的APF自适应预测无差拍控制

提出基于LMS/LMF混合算法的APF自适应预测无差拍控制方法,相对于基于LMS算法的APF自 适应预测无差拍控制方法具有更高的控制性能。

语音去噪LMS自适应滤波器算法的改进

对LMS自适应算法进行了详细的性能分析与讨论，针对LMS算法运算较复杂、适应性较弱、稳定性差的缺点提出了一种HLMS（混合LMS）算法。建立了自适应噪声抵消系统，利用MATILAB软件对食堂、体育馆两处的录音信号进行计算机语音去噪仿真分析。实验结果表明，两种自适应方法均能有效抑制各种噪声污染，提高语音信噪比为60％～85％．而且对引入的语音信号失真也较小，二者均在10％以下。HLMS算法比LMS算法更简洁，LMS算法调节性能敏感于参考输入的方差，而HLMS算法敏感于参考输入的均方根值，因此HLMS算法的适应性比LMS算法更强．在非平稳随机输入情况下HLMS算法更能提供稳定的工作性能，更能较好的恢复原始语音信号。

基于GA/LM混合优化的直升机全机配平算法

基于牛顿迭代法的直升机配平算法简单、高效,但配平结果依赖于初始值。为减小对初始值的依赖,基于直升机飞行动力学模型,通过构造优化目标函数,将全机配平问题转化为优化问题,并针对非线性方程组全局最优解不唯一,将GA算法计算的配平较优解作为LM算法的初值,并构建解空间约束条件,提出一种基于GA/LM混合的优化配平算法。通过计算UH-60A直升机平飞状态和协调转弯状态的配平解,并与单一优化算法和飞行测试数据比较,验证了优化配平算法的准确性和高效性。计算结果表明,基于GA/LM混合的优化配平算法不仅继承了GA算法良好的全局收敛性,也继承了LM算法高效的局部寻优特点,是一种高效、全局最优的直升机配平算法。

基于BP人工神经网络的离散型车间生产调度指标预测模型的研究

离散型车间的生产调度对车间生产有至关重要的影响,该研究中车间调度指标用工时达成率来表示。加工工时、批次大小、加工设备数量、原材料到位情况、工人、设备的健康状况对工时达成率都有不同程度的影响,使得工时达成率有很大的不确定性。如果能够准确控制工时达成率的大小,生产决策者们就可以通过调整设备、批次大小、原材料的采购周期使得车间输出最大生产力。本文通过人工神经网络建立工时达成率预测模型,实现对车间工时达成率的预测,并探讨两种算法,寻找能够在降低训练时间的前提下提高神经网络模型准确性的算法,其中模拟退火算法(Simulated Annealing,SA)是首次以搜索初始值周围点获得最佳点的形式被应用,马克夸特(Levenberg-Marquardt)算法用来在特殊点中寻求局部最优,最后对比模拟退火算法和马克夸特混合算法及马克夸特算法,并通过调整神经网络的数量得到最佳的预测模型。