网络控制系统T-S模型的建立——基于非线性最小二乘估计法

对具有时滞的不确定非线性离散网络闭环系统的建模方法进行了探讨,提出了一种基于非线性最小二乘估计的T-S模糊模型的建立方法,仿真结果验证了该建模方法的有效性。

非线性最小二乘法在傅里叶变换红外光谱定量分析中的误差估计

根据统计学的参数估计理论,提出在傅里叶变换红外光谱定量分析中使用非线性最小二乘法进行浓度反演的参数误差估计方法。实验中,通过光谱平均次数来控制噪声水平,以此来评估不同噪声水平下混合气体中各组分反演结果的估计误差。结果表明,对于自研抽取式傅里叶变换红外光谱仪,8次平均光谱即可满足反演误差小于3%的需求,64次平均光谱的反演结果配合估计误差可以实现对平均浓度的覆盖率达到100%。随着噪声水平的降低,仪器、环境等非噪声因素的扰动是估计误差的主要部分。该方法在优化光谱定量分析的参数配置和指导光谱仪器系统设计等诸多方面具有重要的应用前景。

可分离非线性最小二乘计算方法及其在LiDAR波形分解中的应用研究

非线性最小二乘作为最基本的非线性优化方法,广泛应用于测绘领域中非线性函数模型的参数估计。LiDAR全波形回波信号的高斯特征参数的求解通常并未考虑模型可以分解成多个高斯函数的结构特点,而将所有的待求参数看作非线性参数,用泰勒级数展开公式对非线性模型线性化,进而利用LM(Levenberg-Marquardt)算法进行求解,对待求参数初值要求较高。

病态加权最小二乘混合模型的k-Liu估计解法

文章综合加权多源观测模型及最小二乘混合模型,组合两种有偏估计算法得到组合有偏估计算法。利用岭估计与Liu估计形成一种新的有偏估计——k-Liu估计,其可以抵抗法方程系数矩阵的病态性,同时可以有效降低参数估值的均方误差。通过构建目标函数导出k-Liu估计在病态最小二乘混合模型中参数的通用解式、均方误差式和协因数的计算式,推导出k-Liu估计中修正因子的计算式,通过广义交叉检核法确定岭参数。最后,通过多种估计法参与算例解算,得出k-Liu估计可以进一步提升混合最小二乘模型的解算精度。

基于可重构智能表面的二维高精度角度估计方法

可重构智能表面(Reconfigurable Intelligent Surface)因其提高频谱和能量使用效率、成本低等特点,被认为是未来无线通信和目标感知的关键性技术。RIS在平面上集成了大量低成本的无源反射元件,通过连接RIS的智能控制器,可以控制入射到这些可重构元件的信号的相位和幅度,从而重新配置入射信号的传播。波达方向(Direction of Arrival)估计问题是实现目标感知的重要组成部分,而RIS因其能够重新配置信号的特性被用来提高DOA估计的准确性。然而,在实际使用RIS时,由于元件之间的距离小于半波长而引起的互耦效应以及无法完美控制反射过程导致的反射失配(反射相位和幅度误差)等问题会严重影响RIS的性能。本文针对基于RIS系统的二维DOA估计问题,建立了考虑互耦效应和反射失配的RIS系统模型;并基于该模型,提出了一种新的二维角度估计方法用于DOA估计。该方法首先通过深度神经网络(Deep Neural Network)将RIS接收的信号进行重构,以降低互耦效应和反射失配的影响,再进一步使用非线性最小二乘法(Nonlinear Least Square)进行高精度的DOA估计。本文通过仿真验证了算法的估计性能,并与快速傅里叶变换(Fast Fourier Transformation)、正交匹配追踪(Orthogonal Matching Pursuit)等传统方法进行比较,结果表明相对于快速傅里叶变换、正交匹配追踪等传统方法新算法具有更好的估计性能。

钻井液卡森模式流变参数非线性最小二乘估计新算法

针对卡森流变方程的特点,提出了一种非线性最小二乘估计的新算法。该算法不需要人工给定迭代初始值,迭代过程稳定的收敛到参数允许区域中的唯一最小点,不会陷入极小点陷阱,存储需求量小,收敛速度快。新算法是一个全局优化算法,所得到的流变参数估计具有拟合残差近似无偏性和方差几乎为最小的特征。利用实际钻井液数据计算的实例表明,新方法具有比线性回归方法更小的拟合方差、相近的均值及优良的拟合残差统计特性。该方法可以应用到钻井液卡森流变模式流变参数的确定、钻井液流变模式优选及钻井液性能调整和评价等方面。

基于改进型非线性最小二乘法的作物模型隐含参数估计

为了使作物生长模型中的参数最优化,提出了一种改进型非线性最小二乘法在作物生长模型中隐含参数估计的应用技术,针对多目标项的情况提出了权矩阵的自动计算方法。通过良好的人机交互界面,使得该方法更精确、更有效、更方便。实验表明:用该方法对作物模型进行参数优化后,再对番茄生长的动态过程进行仿真,对模拟值和实测值进行比较,两者拟合程度很好。

非线性最小二乘估计的遗传算法

探讨了用遗传算法进行非线性模型参数估计的可能性,设计了非线性最小二乘估计的遗传算法,并用实例验证了该算法的有效性。通过比较该算法与其它算法的结果,得出了一些具有参考价值的结论。

非线性半参数模型最小二乘核估计的直接解法

基于非线性半参数模型最小二乘核估计,给出了其参数分量和非参数分量估计的构造式,导出了参数分量和非参数分量顾及二次项直接解法的计算公式。用实测数据进行计算,证明了对于非线性半参数模型最小二乘核估计,可采用顾及二次项的直接解法。

基于非线性最小二乘的统计MIMO雷达动目标参数估计算法

根据统计MIMO雷达的工作原理和多脉冲信号模型,提出了一种含加速度的动目标模型,推导证明了位置、速度和加速度联合估计下的CRB,分析了收发天线数、天线配置对参数估计性能的影响,并利用非线性最小二乘模型简化了目标函数的形式,在降低参数估计成本的同时,利用脉冲积累特性又可提高估计精度。文中表明随着天线数、发射脉冲数的增加,系统参数估计性能会大幅提高,且利用最小二乘模型的目标函数,参数估计的效率更高。仿真实验有效地验证了理论分析的正确性。

基于多群体遗传算法的非线性最小二乘估计

由于非线性模型参数估计理论广泛使用的传统牛顿类算法对初值的敏感性,以及简单遗传算法易陷入局部最优的问题,提出了一种多群体遗传算法,它采用多个群体执行遗传算法搜索解,并且能根据各个群体在较少迭代次数中找到的最优解动态调整参数域,提高了遗传算法的性能及搜索到的解是全局最优解的可靠性.实验结果表明:新的算法是一种有效的非线性系统模型参数估计方法.

基于遗传算法的维修时间分布参数非线性最小二乘估计

维修时间分布参数估计是维修性验证与评定的一项重要工作。本文针对指数分布与对数正态分布两类常见的维修时间分布函数,给出不同参数编码区间的确定方法,以维修度函数的经验分布与含有待估计参数的维修度函数之间的误差最小为优化目标,提出了基于遗传算法的维修时间分布参数非线性最小二乘估计方法。分别结合服从指数分布与对数正态分布的维修时间样本给出了验证实例,结果表明本文方法精度在多数情况下要高于极大似然估计。

基于非线性最小二乘的机载气象雷达回波谱矩估计方法

机载气象雷达无法检测雷达回波信噪比(signal-to-noise ratio,SNR)很低的晴空湍流和干性风切变。提出了一种参数化的机载气象雷达回波谱矩估计方法,该方法利用非线性最小二乘(nonlinear least-squares,NLS)方法拟合回波的自相关序列估计谱矩。引入循环优化思想来解决多个高斯谱回波混合时的谱矩估计问题。给出了将谱矩估计的二维搜索问题转化为两个一维搜索的快速算法。理论和仿真实验与分析表明,提出的方法适用于信噪比较低的情况。

非线性模型的抗差最小二乘法及其在圆心拟合中的应用

在抗差最小二乘法及其一种具体实现方案“三步抗差方案”的基础上,对抗差最小二乘法在非线性模型中的使用进行了详细的探讨,并在圆心拟合问题中加以应用。非线性化模型的“三步抗差方案”在算法复杂度上相比线性模型大大提高,本文厘清非线性模型的“三步抗差方案”并加以编码实现。最后在圆心拟合问题中,使用“三步抗差方案”,验证算法的可行性。为了进一步验证“三步抗差方案”的可靠性,本文使用程序生成大量,带有指定数量粗差的测试数据,并用“三步抗差方案”进行拟合。测试结果表明,“三步抗差方案”可靠性非常高,适应性非常强,崩溃污染率高达50%,非常适于在工程测量中推广使用。

多元响应回归模型及其参数的非线性最小二乘估计混合算法

针对多元响应数据的特点,建立了一个多元响应回归模型,对参数的非线性最小二乘估计进行了探讨。结合拟牛顿法和信赖域算法建立了一个非线性优化的混合迭代算法,该算法在一定条件下具有全局收敛性和超线性收敛性,对参数的非线性最小二乘估计是有效的。

非线性部分最小二乘方法用于推断估计器设计

针对工业过程中某些变量难于在线测量的问题 ,提出一种基于人工神经网络 (ANN)的非线性部分最小二乘的推断估计策略 .首先对历史数据进行部分最小二乘回归分析 ,提取特征信息 .然后用神经网络建立主元之间的内部非线性关系 ,得到产品质量的非参数模型 .仿真结果表明 :该推断估计器具有良好的跟踪速率和较高的估计精度 ,其性能优于基于原始人工神经网络推断估计器的性能 .

非线性最小二乘估计的蚁群单纯形混合算法

基于对单纯形算法和蚁群算法的分析,提出了非线性最小二乘估计的蚁群单纯形混合算法,并用实例证实了该算法既具有单纯形算法收敛较快的优点,又能以较大概率得到全局最优。

求非线性最小二乘估计的一种算法

本文利用正交表给出一种求非线性ＬＳＥ良参数初始值的算法—正交搜索法，进而与迭代法结合求解非线性ＬＳＥ，通过求解非线性强度大模型的非线性ＬＳＥ，说明新算法使用灵活。

基于非线性回归最小二乘法的改进Gompertz模型参数估计

可靠性增长试验是产品研制阶段不可缺少的一项提高产品可靠性的工程项目。成败型试验的可靠性增长数据通常用Gompertz模型进行评估,但存在S形增长数据拟合精度差的不足。根据高斯-牛顿最小二乘法和多元线性回归最小二乘法原理,提出改进的Gompertz模型参数估计的非线性回归最小二乘法。用试验数据对改进后的模型进行验证,拟合度较好。

基于非线性最小二乘法的热电厂状态估计

目前,状态估计技术广泛运用于以数学、控制工程和自动化为基础理论的各个行业中。为了解决热电系统运行参数采集过程中出现的数据不全、精度不高、数据不和谐和出现坏点的问题,对状态估计技术在热电系统中的应用进行了研究,提出了一套以非线性最小二乘法为基础的状态估计算法,并进行了实例分析。研究结果表明,通过运用状态估计技术可以补平采集数据的缺失点,提高数据采集精度,节省采集终端投资和项目工程实施量,保障后续高级软件对热电系统分析评估的可靠性。