基于最优节点样条逼近的水泵特性曲线拟合方法

本文将三次均匀B样条方法应用于多种水泵特性曲线的拟合,能够在同一拟合函数下适应曲线形状多变的情况。根据离散数据点连线的几何形状将其分成形状简单的几段,在最小二乘意义下分步优化节点的横坐标和纵坐标,得到了最优逼近的样条曲线。通过实例计算表明,该方法可以较好地将多种水泵试验数据拟合成光滑的特性曲线,并能够消除因试验数据随机误差所引起的曲线扰动。

PSO求解带法向约束的B样条曲线逼近问题

若是B样条拟合曲线的节点向量与控制顶点均为变量,则该问题变为一个带约束的多维多变量高度非线性的优化问题,反求方程系统的方法已经难以求得最优解.针对该类问题,提出一种带有法向约束的粒子群优化算法(PSO)求解曲线逼近问题的方法,首先将带有法向约束的非线性最优化问题以罚函数的方法转化为无约束的最优化问题,建立一个与数据点和法向同时相关且比较合适的适应度函数(误差函数),然后以PSO调节节点向量,并使用最小二乘法求解在该节点向量下的最优拟合曲线,通过判断适应度函数值的优劣循环迭代,直到达到终止条件或者产生令人满意(误差容忍值)的拟合曲线为止.将文中算法产生的拟合曲线通过实验数据的对比与说明,突出了该方法的优越性,表明其用于解决带法向约束的逼近问题切实可行.

任意网格重映的样条逼近算法

在大变形流体力学问题的数值模拟中 ,任何方法都必须考虑网格重分或网格自适应 ,只要改动网格就涉及重分 ,或自适应后从旧的、扭曲的网格到新网格的守恒量重映 ,包括质量、动量和能量 .在研究样条函数逼近的基础上 ,给出一种物理量重映的对结构网格和非结构网格均适应的算法 ,并给出了数值结果 .

基于样条逼近的评价方法研究

样条逼近是从结构 (空间或时间 )性数据集合中提取特征的有效方法 ,本文提出基于样条逼近的评价方法 ,并进行评价方法应用研究 .首先给出可变结点的样条逼近中数据集合结点位置的选取准则 ,是使逼近的误差最小 ;给出数据集合结点位置的选取方法及算法 .对于上述分划的子区间 ,使用主成分分析方法对每个子区间进行评价 ,得到相应子区间的评价值 ,由于每个子区间的指标数不同 ,对子区间的评价值进行修正以体现这种差别 ;之后利用上述修正的子区间的评价值计算综合评价值 .

逼近X-样条在字型设计中的应用

本文给出了逼近 X-样条的构造算法、性质及其在字型设计中的应用 ;并给出了用逼近 X-样条设计的两个字型实例。

各向异性Sobolev类的多元多项式样条插值逼近

给出了一种定义于各向异性Sobolev类Wrp(Rd)上的多元多项式样条插值算子,证明了其为实现各向异性Sobolev类Wrp(Rd)在Lp(Rd)距离下无穷维线性σ-宽度的弱渐近最优算子.

一类有理逼近参数样条

在二次曲面上构造一种带有形状因子的有理参数样条曲线,该样条曲线能逼近所在的控制多边形,且有较好的几何特性,并且可以作升阶和降阶处理。分析其端点性质,便于拼接成光滑曲线,如果选取合适的形状因子,可以使得曲线连接成G2连续。

带有给定凸切线多边形的保形五次样条逼近

本文讨论带有给定切线多边形的保形逼近问题 。

基于样条逼近和小波分解的Hammerstein模型辨识(英文)

采用三次B-样条方法取代传统的多项式方法逼近Hammerstein模型中的非线性部分,在保持多项式的简单性和逼近的可行性的同时,大大提高了逼近精度。同时采用小波变换对辨识数据进行多尺度分解,通过在低频空间抑制高频噪声干扰从而实现精确建模。理论分析和仿真结果都表明估计结果具有渐近无偏性和一致收敛性,该方法辨识精度高,具有良好的实用性。

一种广义周期Besov类的多元周期多项式样条逼近

本文证明多元多项式周期样条空间是某些多元周期光滑函数类的关于 Kolmogorovn 宽度的弱渐近极子空间. 给出了广义周期Besov类的一种推广,得到了空间元素的一种表示定理,不仅给出了一种多元周期多项式样条算子. 而且证明了所得的结果.

奇异积分方程的样条逼近解法

奇异积分方程的样条逼近解法路见可，王小林（武汉大学武汉市４３００７２）由于工程技术问题的有力推动，十多年来奇异积分方程的数值解法和逼近解法有了很大的发展。首先是利用各种正交多项式为逼近工具的数值解法有了系统的成果［１］．但是，这类方法主要讨论的是实方...

基于样条逼近与曲线拟合的欠驱动仿生机器人运动规划

研究欠驱动六足仿生机器人简化模型(RRRobot)运动规划问题。根据RRRobot动力学模型,以能量损耗最小为目标,提出将曲线拟合和样条逼近技术与粒子群优化方法结合的算法,对RRRobot运动规划进行优化。仿真实验结果表明,所提出的算法对解决运动规划的优化问题是有效的,对RRRobot模型终端位形的误差有明显的改善作用。

二维奇异积分的样条逼近

本文采用二元乘积型样条研究二维Ｃａｕｃｈｙ型奇异积分 的逼近，在权函数ω１（ｘ）∈Ｄ１，ω２（ｙ）∈Ｄ１，ｆ（ｘ，ｙ）∈Ｈ（λ１，λ２）的条件下，证明了其收敛性，并给出了误差估计．

lp空间中样条逼近的强唯一性

本文利用Ｌｅｚａｎｓｋｉ的定理，证明在ｌｐ（２≤ｐ＜∞）空间中按照Ｓｍａｘｚｅｗｋｉ提出的样条逼近具有强唯一性此外。

基于最小二乘B样条逼近的观测数据野值剔除方法

本文提出了一种适用于弹道观测数据野值剔除的方法.该方法以最小二乘B样条逼近算法为基础,用拟合残差构造加权序列并通过迭代得到B样条系数的稳键估计,对各观测值与拟合值进行比较时在3σ准则的基础上引入偏度分析方法,以确保正确识别出观测数据中的野值,并以拟合值替代之.

非完整单足跳跃机器人姿态运动控制的样条逼近方法

讨论非完整单足跳跃机器人姿态运动规划的最优控制问题。在机器人无外力矩作用时,其系统相对于总质心的角动量守恒而成为一类典型的非完整系统。由于非完整约束的不可积特性,对该类系统的运动控制问题比一般系统要困难得多。为解决这一问题,首先导出机器人姿态运动方程,根据系统的非完整约束特性,在系统角动量为零的情况下,将非完整机器人的姿态运动规划问题转化为最优控制问题,利用样条逼近方法和粒子群优化算法实现机器人姿态运动的最优控制。该方法的主要特点是所得到的控制输入的初值和终值均为零,解决了以往文献中控制输入的初值和终值不为零的问题,便于利用伺服电机实现机器人运动的控制。文末数值仿真表明了该方法的有效性。

基于样条逼近的全站仪测量误差自动识别研究

针对全站仪识别特征向量测量精度不足的问题,提出了一种基于样条逼近的全站仪测量误差自动识别方法,对全站仪测量误差特征向量计算,根据计算结果设计全站仪测量误差自动识别算法,同时构建样条逼近全站仪测量误差自动识别模型,实现了全站仪测量误差自动识别。研究表明:本文方法不仅提供了误差识别的模板,还能够准确地识别全站仪测量误差,提高了全站仪测量误差SVN检出量,研究结果可应用于全站仪测量网络交叉布设。

二次曲线的多项式逼近

研究用B啨ｚｉｅｒ曲线或样条逼近任意长二次曲线弧的方法 对不同曲线类型 ,均得到具有 6阶逼近精度的误差函数 并且相邻的B啨ｚｉｅｒ曲线间ＧＣ1连续

用于多传感器最优融合的优化节点样条数据平滑方法

对多个精度不同的传感器观测数据采用了加权平均法 ,给出了观测数据的最优融合方法 ;在此基础上 ,利用优化理论和最小二乘准则 ,对高机动目标的运动轨迹实现了B样条函数逼近 ,使逼近过程适应目标的运动规律 。

法向约束下B样条曲线拟合的实编码GA算法

提出一种带有法向约束的遗传算法求解曲线逼近问题的方法,即将带有法向约束的问题通过惩罚函数的方法转化为无约束的最优化问题,然后以遗传算法(GA)取代传统的反求线性方程组系统或几何构造等方法求解最佳控制点,从而实现较为高效率逼近的同时很大程度上简化了计算流程,更加易于理解.并且通过实验对比了该方法在不同节点向量以及在不同的内节点数量情况下的曲线逼近程度的实际效果,数据实验表明该方法解决带法向约束的逼近问题切实可行.