基于参考曲线模型和并行非线性最小二乘算法的HPLC-DAD数据分解

HPLC-DAD数据分解问题是化学计量学领域的一个重要课题,也是很多其他研究领域的前提和基础。本文基于参考曲线模型,构造了一种三参数的色谱峰参考曲线,并提出了并行非线性最小二乘算法对参考曲线模型(RCM)进行求解。通过仿真实验和HPLC-DAD数据实验,验证了本文提出的方法具有分辨率高、收敛速度快、参数易控制等特点。

随机多变量NARMAX模型的非线性递推最小二乘算法

针对随机多变量NARMAX模型存在的问题,基于线性滤波﹑谱分解定理及成型滤波器原理,将随机干扰等效在系统的输出端,提出改进的随机多变量NARMAX模型。基于辅助模型的原理,在参数估计的准则函数中加入待估参数的增量约束项和遗忘因子,并结合增广递推最小二乘算法和随机非线性递推最小二乘算法,将改进的多变量NARMAX模型转换为具有耦合的子系统,给出具有遗忘因子的,能克服算法病态的,适用于具有时变参数模型的改进随机多变量NARMAX模型的非线性递推最小二乘算法。应用在线修正参数预测滤波PID控制,仿真结果验证了算法的有效性。

基于联合估计迭代算法的三轴磁力仪标定补偿方法

地磁场测量过程中,三轴磁力仪受到多种干扰因素的影响而产生误差,对测量精度造成影响。在分析地磁场测量值误差来源的基础上,建立了三轴磁力仪测量一体化模型,提出采用联合估计迭代算法对其进行标定,并比较了该方法与扩展卡尔曼滤波算法、非线性最小二乘算法的性能。在仿真结果基础上,构建实验系统对所提方法进行实验验证。仿真和实验结果表明:3种方法中,联合估计迭代算法补偿误差均值和标准差最小,且收敛速度最快,可将三轴磁力仪测量值误差均值由142.4 nT降至12.5 nT,标准差由170.0 nT降至29.2 nT,抑制比达到84.51%;为三轴磁力仪的标定补偿提供了一种有效的方法。

FTIR被动遥测热烟羽中污染气体

文章介绍和讨论了傅里叶变换红外光谱法(FTIR)在大气环境下被动遥测热烟羽中污染气体的原理及相关技术;提出了辐射光谱、测量区域内大气透过率谱的算法模型,以及应用非线性最小二乘拟合算法实现气体浓度反演的方法。实际遥测了工厂燃煤锅炉烟囱排放的污染气体,对SO2和CO2气体浓度进行了定量分析。实验结果表明该技术在工业烟囱及其他燃烧源污染排放的应急监测方面具有极大的应用前景。

声纳斜入射水深实时监测中最短路径时延估计

以射线声学理论为基础,提出了一种以声纳斜入射方式实现港口航道水深实时监测的新方法。针对该方法中水声信道的多径传播结构,通过求解直达路径声信号和海底反射最短路径声信号的相对时延来估算港口航道的即时水深。将用于阵列信号方位估计的MODEX算法和带惩罚函数的非线性最小二乘算法结合起来,给出了一种解决单频水声信号高分辨率多径时延估计的混合算法,其中MODEX算法用于计算多径信号时延和幅度估计的初始值,然后将此初始值赋予带惩罚函数的频域非线性最小二乘算法确定时延和幅度估计的真实值。海上实测数据分析显示该混合算法具有很强的处理重叠多径信号以及抗噪声干扰的能力,时延估计精度达到μs量级。海上实验结果进一步说明声纳斜入射水深监测方法的可行性,该方法简单实用、实时性好,尤其对狭窄航道水深的实时监测具有广泛的应用前景。

基于可调谐半导体激光吸收光谱的大气水汽检测方法研究

用激光吸收光谱方法对大气水汽浓度检测进行了研究。采用窄线宽的半导体激光器作光源,通过直接吸收光谱技术来反演气体浓度。低阶多项式对直接吸收信号进行基线拟合以消除光强波动获得吸光度曲线,再用非线性拟合Levenberg-Marquardt算法进行线型拟合获取积分吸光度,从而根据HITRAN数据库中或实验室测定的吸收线强和展宽系数等参数来进行水汽浓度的直接反演。选取了1.4μm附近的两条水汽吸收线进行了浓度检测验证和分析。

基于NLSM+IWO的非对称方向图唯相位优化

本文提出一种改进的非线性最小二乘算法(NLSM),通过引入入侵杂草算法(IWO)完成对初始解及迭代过程中的全局最优解的选取,解决了非线性最小二乘算法优化结果不稳定的问题。在阵列分布及单元个数一定的条件下,通过优化激励相位对相控阵天线方向图进行赋形,压低向地一侧峰值旁瓣电平,使背地一侧旁瓣电平递减变化。优化后的方向图可以有效降低中、近旁瓣杂波电平,证明了该算法的可行性和有效性。

FTIR光谱拟合方法在反演气体浓度中的应用

研究用FTIR光谱测量系统反演气体浓度的方法,在WINDOWS操作系统下应用非线性最小二乘拟合算法实现了CO气体的定量分析.在FTIR光谱拟合中,使用HITRAN数据库中的光谱作为校准训练集,使测量的CO红外透过率谱与计算的参考光谱达到最佳拟合得到了该气体的浓度,反演结果的绝对准确度达到1%～5%.

电动汽车动力电池健康状态在线动态估算方法

针对电动汽车领域电池SOH在线估算的问题,提出了一种以戴维南(Thevenin)等效电路模型为框架,以BMS在线监测的过程数据为基础的SOH在线估算方法。此方法首先提出构建以电池使用时间t为自变量,SOH为隐变量的数学模型,并在此基础上,提出错时参数更新策略,有效降低单采样周期内的计算复杂度,使其更适用于电动汽车BMS控制单元。其次,提出利用非线性最小二乘初始化遗传算法初始种群的方式加快辨识速度。此SOH估算方法的优势在于无需动力电池前期实验室实验数据支撑,仅依靠电池管理系统实时测得的过程数据便可实现对电池SOH的估算,因此算法具有较好的动态特性。经验证证明所提出的SOH估算方法在电动汽车动力电池领域具有很好的适用性并且算法具有较高的估计精度。