非最小相位系统的扩展Laguerre基函数迭代学习控制

针对非最小相位系统的跟踪问题,提出了一种新的基函数迭代学习控制算法.该算法利用新型的非因果Laguerre扩展基函数逼近系统逆传递函数,设计最优迭代学习律使系统输入收敛到系统的稳定逆,保证了控制性能.算法不依赖于系统的先验模型,仅需以基函数信号作为系统输入进行模型辨识,减少了模型不确定性的影响.通过对单连杆柔性机械臂这样的典型非最小相位系统跟踪问题的仿真,验证了该方法的良好效果.

基于Laguerre基函数的液位传感器温度补偿方法

针对环境温度影响液位传感器的检测问题,提出了基于Laguerre基函数的液位非线性校正和温度补偿的复合校正模型,采用递推最小二乘(RLS)法对标定液位进行拟合以确定复合补偿模型的参数。根据液位传感器的测量值和环境温度可高精度计算出实际液位。仿真结果表明:补偿后的最大相对误差不超过(3.414 5×10^(-7))%,具有良好的非线性校正和温度补偿效果,在液位检测领域具有重要的理论和应用价值。

用变分优化正交的连带Laguerre基函数计算无支撑单层MoS_(2)中激子的能量和波函数

采用基于变分优化正交化连带Laguerre基函数的准确对角化方法计算了无支撑单层MoS _(2)中A型激子的能量和波函数.介电屏蔽效应破坏了SO(3)对称性导致激子能量以反常的轨道角动量顺序出现.该方法利用连带Laguerre多项式构造了既满足束缚态又满足连续态的正交基函数集,并推导了哈密顿量矩阵元的解析表达式.收敛速度不仅与基函数的数量有关,而且与变分参数的大小有关.在变分优化下,收敛速度非常快,表明了该方法的可靠性.采用正交化连带Laguerre基矢可大大减小基函数的数量和计算量.我们计算的激子本征能量即使是在很少的基函数下也与文献中的结果非常吻合.变分优化二维正交归一化连带Laguerre基矢适用于二维材料中激子和原子物理的精确描述.

K-power双线性系统基于Laguerre函数的保结构模型降阶方法

针对K-power双线性系统,提出一种基于Laguerre函数的保结构模型降阶方法.该方法首先将K-power双线性系统转化为一般的双线性系统,再利用矩阵指数函数的Laguerre函数展开,计算出双线性系统交叉Gram矩阵的近似低秩因子,从而构造K-power双线性系统各子系统相应的投影变换,进而生成该系统的近似平衡系统.然后,通过截断较小的奇异值对应的状态,得到降阶模型.该降阶过程计算高效,且具有一定的自适应性.最后,数值实验验证了算法的有效性.

自动驾驶电动车辆基于参数预测的径向基函数神经网络自适应控制

针对具有不确定性的自动驾驶电动车辆的运动控制问题,提出了一种基于参数预测的径向基函数(RBF)神经网络自适应协调控制方案。首先,考虑系统参数的不确定性及外部干扰的影响,利用预瞄方法建立可表征车辆循迹跟车行为的动力学模型;其次,采用RBF神经网络补偿器对系统不确定性进行自适应补偿,设计车辆横纵向运动的广义协调控制律;之后,考虑前车车速及道路曲率影响,以车辆在循迹跟车控制过程中的能耗及平均冲击度最小为优化目标,利用粒子群优化(PSO)算法对协调控制律中的增益参数K进行滚动优化,并最终得到一系列优化后的样本数据;在此基础上,设计、训练一个反向传播(BP)神经网络,实现对广义协调控制律中增益参数K的实时预测,以保证车辆的经济性及乘坐舒适性。仿真结果证实了所提控制方案的有效性。

基于Laguerre函数模型的预测控制算法

在简述基于Ｌａｇｕｅｒｅ函数近似模型的自适应预测控制原理、算法及其特点的基础上，将现有的多步预测、单步优化的控制算法扩展为多步预测、多步优化的控制算法，并与传统的广义预测控制（ＧＰＣ）作了比较研究，结果表明基于Ｌａｇｕｅｒｅ函数模型的预测控制方法对变时延。

基于Laguerre模型的预测函数控制及其稳定性分析

基于Laguerre模型设计了一种自适应预测函数控制器.通过对闭环系统状态方程的稳定性分析,依据Lyapunov稳定性定理和奇异值理论得到控制系统稳定的必要条件.提出一种衰减因子校正方法,并使用遗传算法在线寻优调节衰减因子,以提高控制品质.仿真研究表明该控制算法稳定性强、在线计算量小.

扩散炉基于Laguerre函数模型自适应预测控制

主要报告了扩散炉采用Laguerre函数模型自适应预测控制的结果 ,并对这种自适应控制的原理及其算法作了简要概述。基于Laguerre函数模型自适应预测控制系统对扰动和对象参数、结构的变化及非线性具有较强的适应能力。在扩散炉控制中的应用结果表明 ,即使在出现强扰动的场合 。

基于多变量相空间重构和径向基函数神经网络的综合能源系统电冷热超短期负荷预测

为解决能源危机问题,提高能源利用率,综合能源系统(integrated energy system,IES)成为发展创新型能源系统的重要方向。准确的多元负荷预测对IES的经济调度和优化运行有着重要的影响,而借助混沌理论能够进一步挖掘IES多元负荷潜在的耦合特性。提出了一种基于多变量相空间重构(multivariate phase space reconstruction,MPSR)和径向基函数神经网络(radial basis function neural network,RBFNN)相结合的IES超短期电冷热负荷预测模型。首先,分析了IES中能源子系统之间的耦合关系,运用Pearson相关性分析定量描述多元负荷和气象特征的相关性。然后,采用C-C法对时间序列进行MPSR以进一步挖掘电冷热负荷和气象特征在时间上的耦合特性。最后,利用RBFNN模型对电冷热负荷间耦合关系进行学习并预测。实验结果表明,所提方法有效挖掘并学习电冷热负荷在时间上的耦合特性,且在不同样本容量下具有良好且稳定的预测效果。

重油分馏塔基于混沌神经网络的Laguerre函数模型自适应预测控制

基于Laguerre函数模型的自适应预测控制方法中的性能指标 ,在有约束的情况下往往难以达到全局极优 ,而混沌神经网络 (CNN)可以有效地避免优化过程陷入局部极小 .文章简介了Laguerre预测控制策略的基本方法和CNN的特点 ,着重提出了一种利用CNN对控制性能指标进行寻优的新颖策略 .在重油分馏塔Shell模型上的仿真实验结果表明 ,这种混合智能控制策略比原有控制策略在控制品质上有显著提高 .

基于Laguerre函数模型的大纯滞后系统预测控制

分析了Laguerre函数模型的特点 ,将系统的大纯滞后划分为已知和不确定两部分 ,这会大大减少Laguerre函数模型的参数。给出了基于Laguerre函数模型的自适应单值预测控制算法。仿真结果表明 ,该算法对大纯滞后系统的控制非常有效 ,鲁棒性好 ,仅需要很少的先验信息 ,计算量小 。

光谱预处理小波基函数的选择对结合FIBS技术和机器学习的铝合金识别精确度影响研究

随着经济不断发展,工业建筑领域产生了大量的废弃铝合金材料,对废弃铝合金材料分类回收可以提升废弃资源的利用效率,缓解能源紧张。选取了工业领域常用的五种型号的铝合金,开展了等离子体丝诱导击穿光谱(FIBS)光谱预处理小波变换基函数对铝合金分类识别精度的影响的研究。分别采用bior2.2、bior2.4和bior2.6正交小波基函数对铝合金的FIBS光谱进行预处理,结合线性判别分析(LDA)、网格搜索优化的支持向量机(GSSVM)和反向传播神经网络(BPNN)实现了铝合金型号的快速分类识别。结果表明bior2.2、bior2.4和bior2.6正交小波基函数结合LDA-GSSVM实现铝合金型号的平均识别准确率为90%、100%和76.67%,结合LDA-BPNN实现铝合金型号的平均识别准确率为96.67%、100%和90%,因此选择合适的正交小波基函数对FIBS光谱预处理,对于提高铝合金型号识别准确率有较大作用。

基于交互基函数的数据流聚类算法研究

聚类是数据挖掘的有效工具,数据流聚类成为当前研究热点,目前很多数据流聚类算法已经被提出,但大部分算法将距离作为相似度度量标准,存在对噪点敏感问题,且聚类效果不理想。为了增强数据流聚类算法的灵活性并提升聚类质量,该文将分数阶交互基函数(IBFs)引入数据流聚类,结合模糊ART算法对其进行了扩展,生成柔性决策边策略,提出了新颖的数据流聚类算法IBFs_ART。该算法首先对到达的数据点根据特征之间的相关性通过预计算函数特征扩展,并对原有特征进行分数阶变换,之后再基于交互基函数进行数据流聚类。交互基函数可生成灵活的决策边界且不需要指定软件,预计算函数可以在任何算法中实现,其可用于数据流聚类算法的任何扩展。经过实验表明,使用IBFs实现了较低计算成本生成灵活决策边界来找到最优聚簇,在相同警戒参数下实现了更高聚类质量和纯度,较传统聚类算法拥有更高的聚类精度、对称度量和更小的错误率。

基于航空重力梯度数据重建高分辨率局部重力场的径向基函数方法

基于径向基函数技术,研究了利用航空重力梯度数据重建局部重力场模型的方法,建立了泊松小波径向基函数和航空重力梯度张量之间的解析关系.以频率域变换和等效源方法为例讨论了不同梯度分量转换方法对重力场建模的影响,分析了基函数埋深深度对建模的影响.以澳大利亚珀斯Kauring试验场为例,采用实测航空重力梯度垂直分量构建了高分辨率重力场模型.结果表明,局部地形扰动对建模的影响较大,即使在平原或丘陵区域,也要考虑其影响.此外,不同梯度分量转换方法对于区域重力异常恢复的影响较小.再者,基函数埋深深度对建模影响较大;相比于采用重力数据建模而言,基于航空重力梯度数据求解时,基函数的适宜埋深深度更浅.联合航空重力梯度数据求解能显著提高重力场模型在高频和甚高频波段的分辨率和精度.与实测航空重力数据对比表明,利用航空重力梯度数据可构建分辨率约为0.15 km、精度优于1 mGal的重力场模型.

起伏地表QR径向基函数有限差分及其在弹性波逆时偏移中的应用

弹性波逆时偏移不受倾角和偏移孔径的限制,能够实现任意复杂构造的高精度多波成像,是目前最精确的多分量资料偏移成像方法之一.逆时偏移算法的核心是波场延拓,传统波场延拓以水平基准面为边界条件,基于固定采样步长进行规则网格剖分,采用阶梯近似法处理起伏地表和复杂构造界面时会产生台阶散射,严重影响起伏地表复杂构造的成像精度.基于无网格节点模型,定量分析了弹性波模拟中径向基函数有限差分法的频散关系和稳定性条件.基于此,提出一种基于QR径向基函数的高精度有限差分方法,并提出一种优化的起伏地表自适应节点剖分方法,推导了精确的无网格自由边界条件和弹性波无网格混合吸收边界条件,形成了新的基于无网格的起伏地表弹性波数值模拟方法.此外,本文将此无网格径向基函数有限差分方法应用于精确的纵横波场矢量分解公式,实现了起伏地表弹性波逆时偏移成像.通过对高斯山丘模型,起伏凹陷模型和起伏地表Marmousi-2模型进行数值试算,验证了本文方法的有效性和可行性.

基于Laguerre函数的船舶航向DMPC研究

针对船舶在风浪等环境干扰下频繁打舵、控制偏差大的问题,从船舶运动模型和模型预测控制入手,研究Laguerre函数的应用,提出了一种基于Laguerre函数的船舶航向DMPC控制方法,设计了一种高海情下航向控制算法,并通过数字仿真验证了控制算法的有效性。

基于混合双层自组织径向基函数神经网络的优化学习算法

针对传统方法采用先训练后测试两阶段学习机制极易导致的过拟合或欠拟合问题,提出一种基于混合双层自组织径向基函数神经网络的优化学习(hybrid bilevel self-organizing radial basis function neural network optimization learning,Hb-SRBFNN-OL)算法。首先,将训练过程和测试过程集成到一个统一的框架中,规避过拟合或欠拟合问题。其次,基于进化学习机制,提出上下2层的交互式优化学习算法,上层基于网络复杂度和测试误差自组织调整网络结构,下层采用列文伯格-马夸尔特(Levenberg Marquardt,LM)算法作为优化器对自组织径向基函数神经网络(self-organizing radial basis function neural network,SO-RBFNN)的连接权值进行优化。最后,利用来自多个子网络的综合信息生成模型的最终输出,加速网络全局收敛。为验证所提方法的可行性,分别在多个分类和预测任务中进行了测试实验。结果表明,在与传统神经网络结构相似甚至更好的测试和分类精度下,该方法不仅能实现更快的训练收敛,而且能进化成更精简紧凑的径向基函数神经网络(radial basis function neural network,RBFNN)模型。尤其在污水处理过程中总磷的质量浓度预测实验中,测试集中均方根误差(root mean squared error,RMSE)最高可降低48.90%,实际场景实验结果验证了所提算法的精确性更佳且泛化能力更强。

基于径向基函数神经网络的大学生体测成绩预测研究

大学生体质健康测试成绩是评价学生体质健康的重要标准,科学有效地对体测成绩进行预测分析是其他研究的基础。该研究运用径向基函数神经网络对某大学XX学院学生2022年体质健康测试数据进行预测和分析,并与BP神经网络、支持向量机等方法分类预测结果进行对比。试验结果表明,该预测模型具有较高的预测准确率和较好的泛化性能,为后续体育教师开展教学,相关学者开展研究提供了科学有效的分析方法。

基于Laguerre函数对圆柱面绕射势的数值逼近

无限深圆柱表面绕射势沿水深方向的变化是连续的、不断衰减的。基于无穷区间Laguerre多项式并引入的伸缩系数s定义了Laguerre函数,既保证了函数在无穷区间的正交性,又使函数具有灵活性。绕射势的变化,可以用一系列Laguerre函数表示成级数形式。文中对该方法的收敛性进行了证明,并以一条FPSO为例对其在圆柱面的绕射势进行了逼近。求解级数展开式的系数时会遇到无穷积分问题,采用多次使用Gauss-Legendre积分和Gauss-Laguerre积分相结合的方法代替传统的Gauss-Laguerre积分方法,获得更高的积分精度。利用Laguerre函数可以对Rankine源法或者Rankine-Kelvin法的控制面上速度势进行逼近。

基于Laguerre模型的永磁同步电动机电流预测函数控制

设计了一种基于Laguerre模型的增量式预测函数控制器,依据硬件控制器特点对该控制算法的数学模型进行了简化与优化,将控制算法量化后,成功地应用于以DSP TMS280F2812为核心的永磁同步电动机的控制平台上。所进行的大量的实验研究表明,将该控制算法应用在永磁同步电动机电流控制系统中,整套系统具有了较快的响应速度、较为平稳的运行状态、较强的鲁棒性,在电机控制领域具有较高的工程应用价值。