基于Adaline算法的高速磁浮列车谐波检测及抑制方法

[目的]为了减小高速磁浮谐波对牵引网产生的影响,保障高速磁浮列车的正常运行,需研究高速磁浮牵引供电系统中的谐波特性及其相应的谐波抑制方法。[方法]分析了高速磁浮牵引供电系统的构成,并对双三相半控12脉冲多重整流电路及其谐波进行了理论分析和仿真。根据Adaline神经网络算法原理和高速磁浮谐波特性,构建基于Adaline的高速磁浮谐波检测模型。采用谐波补偿控制策略,产生与检测出的谐波方向相反、大小相等的电流作为补偿信号,对系统畸变电流进行谐波抑制。[结果及结论]仿真结果表明:采用基于Adaline算法的谐波检测及抑制方法前,谐波畸变率为11.16%,而采用该方法后,各次谐波含量明显降低,谐波畸变率下降为1.41%。研究结果表明:所提谐波检测及抑制方法可以有效减少谐波畸变,提高牵引供电系统的稳定性和工作效率。

基于负集加权迭代修正最小二乘拟合原理的快速自适应拉曼光谱基线校正算法

拉曼光谱是无损光谱分析技术,通过分析散射光的频率变化获取物质的分子结构信息。基线校正是提升光谱数据质量的关键步骤,可以去除背景信号和不相关噪声,凸显并纯化目标信号。传统的拉曼光谱技术对基线校正的时效性要求不高,但随着流式拉曼和内窥拉曼等需要实时处理光谱数据的应用场景增多,基线校正在速度和准确性要求也随之提高。传统的迭代多项式拟合和小波变换方法在时间、精度或自适应能力上存在不足。本研究开发了一种基于负集加权迭代修正最小二乘原理的快速自适应基线校正算法(MWIALS)。主要原理是提取负数集并赋予更高权重,在迭代过程中不断修正基线,并通过设置参数阈值以跳出循环,实现快速准确的基线校正。提出两种参数选择策略:固定参数(FMWIALS)适用于批量同类型光谱的快速处理,自适应(AMWIALS)适用于差异化光谱的自适应处理。该算法应用于颗粒物的流式拉曼光谱分析。结果表明,与其他主流算法相比,MWIALS在实际光谱处理上显著高效(平均处理时长47 ms·谱^(-1)),具有较高的准确性和自适应性。该算法能够满足流式拉曼和内窥拉曼等生物样本检测中实时光谱处理的需求,为拉曼光谱技术的进一步应用提供了强有力的支持。

基于镜像修正FxLMS控制算法的船舶管路振动主动控制

针对船舶管路减振和抗冲击的需求,本文根据镜像修正自适应滤波算法,设计出了一种管路振动主动控制策略,能够有效地控制管路在低频下的振动,并且在次级通道发生突变时,控制系统可再次快速收敛,进行稳定控制。本文先对镜像修正自适应滤波算法进行理论研究,分析算法的迭代及控制过程;再通过仿真分别验证算法在不同参考信号输入下的收敛性及稳定性;最后搭建实验台架,通过试验验证算法的实际控制效果。试验结果表明:该控制策略在管路振动主动控制中能够降低15.37%的振动强度,比自适应滤波算法控制策略的控制效果好8.85%。所以镜像修正自适应滤波算法能够及时有效地进行管路振动控制。

基于改进动量因子Adaline算法的SAPF谐波检测方法

针对传统大功率高电压情况下并联有源电力滤波器(SAPF)装置谐波检测精度不高的问题,提出一种基于改进动量因子优化Adaline网络的自适应谐波电流检测算法。引入双动量因子修正Adaline网络的权值调整公式,以提升网络稳定性并加快收敛。采用载波相移—正弦波脉宽调制(CPS-SPWM)方式,构建基于改进动量因子Adaline算法的级联H桥SAPF仿真模型,仿真结果表明:与传统Adaline检测算法相比,所提算法响应误差减小16.56%,收敛速度提升33.33%,具有较好的电流检测效果。

一种基于非均匀磁化等离子体的修正Z-FDTD算法

对已有的Z变换时域有限差分法(Z-transformation Finite Difference Time Domain,Z-FDTD)在电磁波与非均匀磁化等离子体中的传输特性分析的计算误差问题进行了研究,并探讨了一种修正计算误差的Z变换时域有限差分方法(Modified Z-transform Finite Difference Time Domain,MZ-FDTD),以提升Z-FDTD方法对非均匀磁化等离子体的适用性。对MZ-FDTD和Z-FDTD之间的计算误差问题,通过严格的公式推导求得该误差的计算公式,并引入误差分析因子,对比分析了该误差受空间步长和非均匀磁化等离子体的物理特性的影响特征,在充分的误差分析与网格参数对比后,以电磁波在非均匀磁化等离子体中的传输特性为分析目标,举例说明了MZ-FDTD的优越性。研究结果表明,相比于经典Z-FDTD,通过MZ-FDTD方法计算得到的数值结果具有更高的计算准确度,较低的运行时间和较少的运行内存占用。此外,对电磁波在非均匀等离子体中传输特性分析的举例说明也证明了相比于Z-FDTD,优化的Z-FDTD方法无论是在较低频段还是较高频段都保持较好的稳定性。在今后的工作中,使用MZ-FDTD方法研究非均匀磁化等离子体问题将会获得更好的计算结果,这项工作中的误差分析方法也将对某些计算电磁学在等离子体中的应用与优化工作起到一定的帮助作用。

压差式流量计误差自动化修正算法研究

针对在多干扰源扰动下压差式流量计测量结果面临输出不稳、误差较大的问题,提出多源扰动下的压差式流量计误差自动化修正算法。考虑全补偿气体可膨胀性系数、压缩系数、密度系数和流出系数等因素,研究压差式流量计误差自动化修正算法。利用均值滤波滤除信号中的高斯噪声,结合一阶滞后滤波优化卡尔曼滤波算法,修正多源扰动误差。引入自组织算法和Volterra神经网络进一步改进卡尔曼滤波算法,并优化卡尔曼滤波算法的先验模型参数,以实现多源扰动误差的自动化修正。试验结果表明,经该算法控制后:当参考流量为900 m^(3)/h时,示值误差绝对值为0.203%;当参考流量为700 m^(3)/h时,流量计重复性为0.06%。该研究可以有效识别并修正由于多源扰动造成的流量异常值,且流量测量精度较高。

基于遗传-模拟退火算法修正高斯烟羽模型参数

高斯烟羽模型由于受到地形地貌与气象条件等因素的影响,难以准确反映大气的实际扩散过程。为解决上述问题,首先在经验参数作为先验值的基础上,通过遗传算法对实际观测数据进行参数反演修正,根据观测结果调整模型参数,提高模型的准确性;然后,为进一步优化参数修正结果,引入模拟退火算法,通过随机搜索和逐步降温的策略来跳出遗传算法可能陷入的局部最优解,进一步改善模型的性能。为了评估修正效果,建立一个基于权重的模型值与观测值之间差异的适应度函数,通过比较修正前后的误差率来判断参数修正对高斯烟羽模型的影响程度。仿真实验的结果表明,所提出的遗传-模拟退火算法模型能够有效地修正高斯烟羽模型中的扩散参数,修正后的模型在预测污染物浓度方面的误差率下降了89.40%。所提模型可为环境保护和污染防治提供重要的理论支撑和决策依据,具有较大的应用潜力。

基于二次分解、LSTM-ELM和误差修正的空气质量指数预测模型

精准预测空气质量指数(Air Quality Index,AQI)对于制定有效的空气污染治理策略至关重要。为了进一步提升AQI的预测精度,提出了一种新的预测模型,并结合了二次分解(Secondary Decomposition,SD)、优化算法、双尺度预测和误差修正的方法。首先,采用改良的自适应白噪声完全集合经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)和样本熵(Sample Entropy,SE)对原始AQI序列进行分解并重构,获得高频、中频和低频3个频率分量。其次,利用经过北方苍鹰算法(Northern Goshawk Optimization,NGO)优化的变分模态分解(Variational Mode Decomposition,VMD)对高频分量进行二次分解,进一步降低其复杂度。再次,引入向量加权平均算法(Weighed Mean of Vectors Algorithm,INFO)对长短期记忆网络(Long Short-Term Memory,LSTM)和极限学习机(Extreme Learning Machine,ELM)的关键参数进行优化,同时利用INFO-LSTM预测高频分量分解后的子序列,进而利用INFO-ELM分别预测中、低频分量,并将所得预测结果进行线性叠加。最后,利用NGO-VMD和INFO-ELM对误差序列进行分解和预测,并对初次预测结果进行修正,得到最终的AQI预测值。研究选取北京、上海和成都3个典型城市为例进行实证分析,并对比了7个对照试验,发现基于二次分解、LSTM-ELM和误差修正的模型具有最高的预测精度。该模型可为治理空气污染提供理论和技术上的帮助。

基于小波Adaline改进的充电桩谐波分析及扰动定位方法

针对Adaline网络在复杂信号谐波检测中基波频率难以获取的问题,提出一种小波重构与改进型Adaline网络结合的谐波分析方法,并将该方法应用于充电桩谐波分析中。首先,用Mallat算法对原信号分解,再将细节信号重构实现扰动定位,将近似信号重构得到去噪原信号与基波信号,通过基波获取频率。其次,对Adaline网络相位提取算法进行优化,使其兼容全部相位范围,将去噪原信号通过优化后的Adaline网络检测谐波幅值及其对应的相位,综合误差为0.766%,比传统的Adaline模型精度提升了28.642%;最后,将该方法应用于充电桩模型,实现谐波检测,并精准定位扰动发生时段,进一步论证了该方法的适用性。

免疫粒子群算法在修正高斯模型下的源强反演

为提高危险气体泄漏溯源定位的科学性和实效性,确定危险气体泄漏位置和强度是事故应急响应的关键。首先,根据质量守恒定律,分析、改进近似高斯分布的气体羽流扩散幅度,修正高斯烟羽模型;然后,基于免疫浓度筛选机制作为主策略的免疫算法(IA),通过与粒子群算法(PSO)耦合,将混合免疫粒子群(PSO-IA)算法应用到源强反演中;最后,验证PSO-IA算法溯源定位效果。结果表明:与模式搜索法(PS)、遗传算法(GA)、PSO相比,修正高斯烟羽模型预测值误差均下降2%左右;混合PSO-IA算法相较PSO算法反演源强效果有明显提升,其算法定位误差为1.3 m,求解源强误差为0.8%,单次计算时间小于1 s,能实现快速、准确定位并估算源强度。

基于遗传算法的约束等式修正法

层次分析法研究中的热点问题之一是判断矩阵的一致性修正问题。约束等式修正法可以快速将判断矩阵修正为一致性矩阵,该方法对矩阵的数值改动较大,对专家意见的保留度极低,使矩阵丢失原本含义,降低层次分析法的可靠性。在约束等式修正法中引入遗传算法的思想,通过构建合理的适应度函数,既能使矩阵通过一致性检验,又可以最大限度地保留专家意见。通过对适应度函数参数值的调整,可以自由调节专家意见与矩阵一致性指标的权重从而解决各种场景下的判断矩阵修正问题。本方法适应范围广且修正稳定。在解决某企业零件寿命预测的问题中发挥了重要的作用,有一定的实用价值。

修正共轭梯度算法求解四元数Sylvester张量方程

本文提出一类张量形式的修正共轭梯度算法求解四元数Sylvester张量方程.证明在不计舍入误差的情况下,所提方法可在有限迭代步内获得张量方程组的解.进一步,通过选择特殊类型的初始张量,可获得方程组的唯一极小Frobenius范数解.通过数值算例验证了所提出算法的可行性和有效性.

基于改进Cao算法的SSA与误差修正的超短期风电功率预测

针对风电历史信息运用不充分和未充分挖掘机器学习模型潜力的问题,提出一种特征奇异谱分析和模型误差修正的超短期功率预测。首先,利用随机森林分析不同特征对输出功率的影响程度,并利用累积贡献率进行特征提取。其次,通过改进的Cao算法确定奇异谱分析最佳嵌入维数,对提取的特征实现降噪处理,从而构建风电功率预测模型。最后,利用预测值与真实值的误差构建误差预测模型,通过预测的误差来修正功率预测的结果。以国内某小型风电场算例结果表明,所提方法较卷积神经网络-长短期记忆(CNN-LSTM)预测模型均方根误差(RSME)和均方误差(MSE)分别降低45%和53%,验证了所提模型的有效性。

基于伪逆法的数字温度计温度修正曲线重建算法

目前,基于工业铂电阻的高精度数字温度计已成为当下热门研究方向,但受材料和制作工艺的影响,其测量精度相对一般,且随使用年限的增加,出现阻值漂移导致测温偏差在所难免.温度修正算法是提高数字温度计测量精度的有效方法,传统的补偿函数修正算法修正效果良好,但无法解决阻值漂移等问题;分段线性修正算法原理简单、易于实现,但需多点测温,且在面对温度修正曲线非线性变化时,限制了修正准确度和普适性.因此,本文提出了一种基于伪逆法的温度修正曲线重建算法.该方法利用原始标定数据和多个特征温度点建立重建矩阵.在实际使用中,通过待重建的特征温度点便能重建完整的温度修正曲线,并将重建的温度修正曲线自动纳入样本库中,从而提高样本的多样性和算法的修正精度.实验结果表明,该算法在面对温度修正曲线非线性变化和漂移时,具有更好的修正效果,且仅需采集4个特征温度点便能较好地重建完整的温度修正曲线.因此,该算法可以为提高数字温度计测量精度提供有效的支撑.

Adaline神经网络随机逼近LMS算法的仿真研究

基于最小二乘(LMS)统计算法的自适应线性元件(Adaline)神经网络是非线性分类的重要工具之一。从计算机仿真的角度研究随机逼近LMS学习方法的特点,从步长设置、收敛性、收敛速度、算法抗噪性、判断的准确率等多个参量评估随机逼近法的性能。仿真结果表明,对于不同的初始步长设置,神经元完成学习任务的训练时间不同;在保证学习收敛性的前提下,步长越大,收敛速度越快,但收敛的稳定性变差。权矢量的初始值设置对学习的收敛性没有影响。

求解Hankel张量方程的修正自适应LM算法

结合经典的LM算法及其变形,提出了求解Hankel张量方程的修正自适应LM算法,并证明其全局收敛性和局部二次收敛性.数值实验验证了所提算法的可行性和有效性.

基于修正的Carroll函数的概率约束优化问题的对偶算法

本文用连续可微非凸函数描述的概率约束分析非线性随机优化问题。为此描述了潜在概率函数的水平集的切锥和法锥,并在此基础上,提出p-有效点的定义,形成问题的一阶和二阶最优性条件,基于p-有效点生成的概率函数的水平集,通过修正的Carroll函数生成一个对偶算法。In this paper, probabilistic constraints described by continuously differentiable non-convex functions are used to analyze nonlinear stochastic optimization problems. To this end, the tangent and normal cones of the level set of potential probability functions are described, and on this basis, the definition of p-effective points is proposed to form the first and second order optimality conditions of the problem. Based on the water-level set of probability functions generated by p-effective points, a dual algorithm is generated by the modified Carroll function.

基于径向基响应面和遗传算法优化的大跨悬索桥有限元模型修正

为建立贴合桥梁实际状况的有限元模型,提出了一种精确预测、分析大跨度悬索桥结构行为的有限元模型修正方法。通过高斯径向基函数构建响应面模型,将结构动力特征作为特征量构建目标函数,并引入遗传算法进行优化求解,对某大跨悬索桥的有限元模型利用数值仿真数据和安全监测系统实测数据进行了修正。结果表明:采用高斯径向基函数建立响应面模型进行有限元模型修正,可有效提高有限元模型计算精度。同时,遗传算法的引入大幅提高了计算效率。基于数值仿真数据修正后,桥梁有限元模型计算误差均小于3%。基于安全监测系统实测动力特征修正后,最大计算误差由20.4%下降至10%以内,最大误差减少54.0%以上。可见该方法具有较高的精度和较强的工程适用性,可对大跨悬索桥有限元模型进行有效修正。

基于修正的指数函数的概率约束问题的对偶算法

本文通过连续可微的非凸函数所形成的概率约束,来分析概率约束问题。描述了潜在的概率函数的水平集的切锥和法锥。进一步,基于p-有效点的概念,形成这些问题的一阶和二阶最优性条件。对于离散分布函数的这种情况,产生一个基于修正的指数函数的对偶算法来解决概率约束问题。In this paper, the problem of probability constraints is analyzed by means of the probability constraints formed by continuously differentiable non-convex functions. The tangent and normal cones of the level set of potential probability functions are described. Further, based on the concept of p-efficient points, the first and second order optimality conditions of these problems are formed. For this case of the discrete distribution function, a dual algorithm based on the modified exponential function is generated to solve the probability constraint problem.

结构动力学有限元模型修正的目标函数及算法

结构动力学有限元模型修正是结构动力学领域的一个热点问题,回顾了结构动力学有限元模型修正研究的发展历史和现状,简要评述了结构动力学有限元模型修正所使用的设计变量,着重阐述了各种结构动力学有限元模型修正方法中所使用的目标函数及修正算法,讨论了工程结构动力学有限元模型修正的一些策略,最后对结构动力学有限元模型修正技术的发展进行了总结和展望。