基于Endlich迭代调整的全球流函数和速度势计算及风场分解与重建

本文将有限区域求解流函数和速度势的Endlich迭代调整方法(E-T方法)推广至全球区域,并与常用Guass-Seidel迭代求解Poisson方程方法(G-P方法)进行了比较。结果表明:E-T方法适应于全球流函数和速度势的计算,其由内向外调整,不需严格考虑边界条件,可消除边界对计算结果的影响;E-T方法能准确分解和重建原始风场,而由于极地边界和差分格式影响,G-P方法求得的旋转风和辐散风之和不能准确重建原始风场,尤其是经向为固定边界时,两极地附近重建风场误差非常明显;E-T方法与G-P方法另一重要差异是前者利用流函数和速度势与风场偏微分关系直接进行迭代求解,不需计算涡度和散度,不但保证了重建风场的准确性,还防止了涡度和散度计算误差带来的二次污染。

窗口长度自适应调整的策略迭代最优控制

在系统模型参数未知的最优控制问题中,策略迭代能否快速收敛到最优控制策略的关键在于值函数的估计.为了提升值函数的估计精度以及收敛速度,本文提出一种窗口长度自适应调整的策略迭代最优控制算法.充分利用一段时间内的历史样本数据,通过影响力函数构建窗口长度与值函数估计性能之间的定量关系,根据数据窗口长度对估计性能影响力的不同,实现窗口长度的自适应调整.最后,将本文所提方法应用到连续发酵过程,结果表明,本文所提方法能够加快最优控制策略的收敛,克服参数变化或外部扰动对控制性能的影响,从而提升控制精度.

基于动态迭代采样的实时网络信息安全监测方法

由于网络信息具有实时更新的属性特征,发生误报情况的概率难以得到有效控制,为此提出基于动态迭代采样的实时网络信息安全监测方法。构建网络实时信息动态迭代采样机制阶段,在确定具体的监测目标和范围的前提下,使用网络探测器在网络的关键节点进行部署,捕获原始的网络流量数据。引入时间窗口进行数据采集,确保能够捕获到高峰、低谷时间段的流量模式,并根据网络流量的实时变化属性,调整采样频率,在动态迭代采样的基础上,使用滑动窗口技术和自适应阈值技术来提高实时网络信息安全监测的效率和准确性。在测试结果中,与对照组相比,设计监测方法在监测效果及稳定性方面均表现出了明显优势。

有限区域求解流函数和速度势的迭代调整方法及其收敛性分析

全球区域求解流函数和速度势的解是唯一的,但有限区域内,由于受区域边界条件限制,流函数和速度势的计算以及风场的分解不是唯一的,减小或消除边界不确定对结果的影响是有限区域求解流函数和速度势以及分解风场最重要的问题.该文在Endlich迭代调整思想上,提出了能准确求解有限区域流函数和速度势且对边界条件要求较低的迭代调整方法.该方法也能准确地分解和重建风场,且风场重建的误差非常小.对该迭代方法的收敛性进行分析,发现其收敛性与不同方向网格的格距和调整系数有关.最后将该方法应用到Arakawa A-D网格和不规则区域,验证了该方法的可靠性.

一种频域谱均衡自调整迭代优化算法

传统的频域自调整算法直接对频谱进行运算,不利于对信号的噪声分离。该文在频域采用对数功率谱表示保证了功率谱的正值特性且易于实现带遗忘因子平滑算法,并针对算法的收敛速度与收敛精度之间的矛盾,提出一种变遗忘因子的自调整算法,推导了算法的收敛条件,在此基础上设计了遗忘因子按响应谱取指数平均的自调整方法及相应的迭代算法。仿真验证了文中设计的优化谱均衡算法较传统的均衡算法时间上降低了近50%,稳态误差减小了约90%。

基于离散事件拓扑图模型的单线列车运行调整迭代修复算法

列车运行调整的优化是一个非常复杂的问题,需考虑的因素很多,很难给出一个完美的优化模型。根据单线列车运行调整的特点,建立了单线列车运行图的离散事件拓扑图模型,并在此基础上提出了单线列车运行调整的迭代修复算法。在综合考虑列车运行调整各种常用的性能指标的基础上,提出了"调整运行图综合满意度"作为运行调整的目标,给出了基于离散事件模型的迭代修复算法的原理与步骤,并实例进行仿真。仿真结果表明,该算法模型在实际运行过程中的具有较好的优化性和有效性。

AHP中不一致性判断矩阵的加权迭代调整算法

设计了一种用于调整不一致性判断矩阵的加权迭代算法,该方法充分考虑了判断矩阵的原始信息,且在满足一致性要求的前提下尽可能多的保留原始信息.实验表明:该算法是有效的、可行的.

基于迭代反馈调整的滞后系统调节算法仿真研究

针对大滞后系统在响应过程中动态性能指标差的问题,对一阶惯性加滞后环节的控制方法进行了研究,对滞后系统的控制器参数的经典调节方法进行了对比和归纳,提出了一种基于PID控制器结构的迭代反馈调整算法(IFT),利用被控对象与控制器构成系统方框图的前向通道传递函数并组成了负反馈闭环系统,通过闭环系统输入输出数据以及线性二次高斯判据得出了PID控制器参数整定值。以Matlab/Simulink作为仿真软件,将该优化方法 IFT与Ziegler-Nichols(ZN)调节方法、内模控制方法(IMC)、误差平方积分法(ISE)3种经典调节方法在相同噪声情况下进行了对比分析,并分别给出仿真效果图。研究结果表明:该方法可以缩短调节时间,减小超调量,增强系统的鲁棒性。因此,该设计方法对于改善滞后系统的响应效果具有重要意义。

加工螺旋槽用盘形铣刀调整参数的迭代算法

研究了加工螺旋槽用盘形成形铣刀调整参数的计算机算法,利用迭代算法得出调整参数的初值,利用计算机模拟刀具廓形,对廓形误差进行迭代修正,从而可获得调整参数的最优值。

机械臂自调整因子模糊PD迭代学习控制研究

大部分模糊控制器不具有适应控制对象变化的能力,基于此设计一种自调整因子模糊控制器,并针对机械臂长时间重复操作导致运动精确度下降这一类问题,结合迭代学习控制方法,提出一种自调整因子模糊PD迭代学习控制方法;以双关节机械臂为研究对象,利用Fuzzy工具箱编写模糊控制规则,通过系统产生的误差以及误差的变化率作为模糊控制器的输入量调整模糊系统中的量化因子和比例因子,实现模糊规则的更新和对迭代学习控制中的PD参数的实时调整,系统的自适应性得到提高,并在Simulink中进行机械臂的运动控制实验,仿真结果表明,所提控制方法最终产生的误差可以精确到0.0001 rad,同时在进行第2次迭代时关节角度和角速度误差收敛基本趋于零,整体的控制效果较好。

海尔精神、作风的第三次迭代

我想在这里解析一下新的海尔精神、海尔作风。 海尔精神、海尔作风的沿革 从1984年到2005年,这21年间,海尔精神讲的是“无私奉献、追求卓越”,海尔作风倡导的是“迅速反应、马上行动”。1996年,我们把“无私奉献”调整为“敬业报国”。从2005年到2016年,这11年间,海尔精神调整为“创造资源、美誉全球”,

时刻调整范围不确定的机场群航班时刻优化

为降低现有航班时刻实际运行中产生的航班延误,立足于航空公司实际运营效益需求,考虑实际运行中不同流量的时刻有不同的调整范围需求,引入时刻调整范围成本限制系数,建立航班时刻调整总成本最小的动态0-1整数优化模型,并设计改进粒子群算法迭求得最优解,以京津冀机场群为例进行分析验证模型有效性和可行性。结果表明,对既有航班时刻表的调整,相较于实际运行中30min的时刻调整范围优化结果,调整范围不确定的时刻总调整成本减少34%,且航班架次分布也更为均衡,较好的节省航空公司的运行成本的同时更有利于机场群的高效率协同运行。

考虑决策者偏好的洪灾评估自适应模糊聚类迭代模型及应用

针对洪灾评估的各种决策者偏好和模型方法复杂度,以模糊聚类迭代模型(FCI)和教学优化算法(TLBO)为基础,综合考虑洪灾评估过程中的决策者主观偏好,建立了基于教学优化算法的洪灾评估自适应模糊聚类迭代模型(AFCI-TLBO),并将该方法应用于四川省洪灾评估中。结果表明,AFCI-TLBO的聚类效果有效性更好,评价结果更为可信。

快速迭代的性能王者 iQOO Neo7的不同之处有哪些

与苹果一年更新一次手机的节奏不一样,安卓阵营大多会在其主力系列中保持半年更新的节奏。快速的更新迭代当然是有利于消费者的:老型号可以通过价格调整变得更有性价比,新款则可以拥有更多当下的新技术和硬件特性。

螺旋槽丝锥容屑槽磨削调整参数的迭代计算

在加工螺旋槽丝锥容屑槽时,调整参数对螺旋槽加工精度有很大影响,采用精确计算方法需要控制超越方程,解法较为繁琐。本文提出一种调整参数的迭代算法,利用计算机迭代计算,经实验验证,在螺旋槽丝锥容屑槽磨削中结果可靠。

带有顺序相关调整时间的多目标流水车间调度问题

针对带有顺序相关调整时间的多目标流水车间调度问题,将传统的迭代局域搜索算法扩展到多目标领域,提出一种基于Pareto最优的多目标迭代局域搜索算法。在局域搜索中设计了一个基于动态邻域的变深度搜索方法,其搜索深度能够在算法的运行中动态变化,从而保证搜索深度和广度的平衡,提高算法的搜索性能。通过对标准测试问题和实际问题的测试,以及与其他进化算法的比较,验证了所提算法的有效性。

参数自适应调整的稀疏贝叶斯重构算法

稀疏表示模型中的正则化参数由未知的噪声和稀疏度共同决定,该参数的设置直接影响稀疏重构性能的好坏。然而目前稀疏表示问题优化求解算法或依靠主观、或依靠相关先验信息、或经过实验设置该参数,均无法自适应地设置调整该参数。针对这一问题,该文提出一种无需先验信息的参数自动调整的稀疏贝叶斯学习算法。首先对模型中各参数进行概率建模,然后在贝叶斯学习的框架下将参数设置及稀疏求解问题转化为一系列混合L1范数与加权L2范数之和的凸优化问题,最终通过迭代优化得到参数设置和问题求解。由理论推导和仿真实验可知,已知理想参数时,该算法与其它非自动设置参数的迭代重加权算法性能相当,甚至更优;在理想参数未知时,该算法的重构性能要明显优于其它算法。

基于反馈信息的特征权重调整方法

训练集的分布对文本分类质量有重要影响。该文对两类文本分类中的数据集偏斜问题进行研究,提出一种基于反馈信息的特征权重调整方法,该方法综合考虑正确分类和错误分类的文本数来调整词的权重,以降低训练过程中对小类别的不公平待遇。实验结果表明,该方法有效地解决了数据集偏斜对文本分类的影响,分类质量得到提高。

案例推理分类器属性权重的内省学习调整方法

针对案例推理(CBR)分类器中案例属性权重的分配问题,提出一种基于内省学习的属性权重迭代调整方法。该方法可根据CBR分类器对训练案例分类的结果调整属性的权重。基于成功驱动的权重学习策略,若当前训练案例分类成功,则首先根据权重调整公式增加匹配属性的权重并减少不匹配属性的权重;然后对所有权重进行归一化从而得到当次迭代的新权重。实验结果表明,所提方法的CBR分类器在UCI数据集PD、Heart和WDBC的准确率比传统CBR分类器分别提高1.72%、4.44%和1.05%。故成功驱动的内省学习权重调整方法可以提高权重分配的合理性,进而提高CBR分类器的准确率。

基于相似性判据的图像尺寸调整算法

归纳图像调整过程中的相似性判据,提出一种基于相似性判据的图像调整算法。采用Seam Carving算法按一定调整量分步进行图像尺寸调整,利用相似性判据判断调整图像的变形程度,当变形达到一定程度时,换用双向相似度迭代优化算法完成图像剩余尺寸的调整。实验结果表明,在图像调整量很大时,利用该图像调整算法仍可较好地维持图像的整体视觉效果。