求解非线性方程组的非单调自适应加速Levenberg-Marquardt算法

提出一种新的求解非线性方程组的非单调自适应加速Levenberg-Marquardt算法,该算法使用一种新的自适应函数更新Levenberg-Marquardt参数,这种Levenberg-Marquardt参数的更新方式可提高过于成功的迭代中模型与目标函数的一致性,从而加快算法的收敛速度.数值实验结果表明,该算法具有良好的数值计算性能.

基于Adam算法的LMS优化

虽然传统的LMS算法简单有效,但它的收敛速度较慢,容易受到初始权值选择和步长设置的影响。为了解决这个问题,我们引入了Adam算法的自适应学习率特性到LMS算法中。Adam算法通过一阶矩估计(mean)和二阶矩估计(variance)来估计梯度的均值和方差,并根据这些估计值来调整学习率。这样可以对梯度下降的方向和速度进行更精细地控制。通过Adam算法对LMS优化,LMS算法在更新权重时能够更加高效地利用梯度信息,从而提高训练速度和收敛性能。此外,优化后的算法还具有一些超参数,如beta1、beta2和eps等,需要根据具体的应用场景和数据特点进行调节,以获得最佳的优化效果。仿真结果表明优化方案比传统LMS算法在收敛过程中的震荡要更小。

基于改进变步长LMS算法的谐波电流检测法

针对传统基于瞬时无功功率理论谐波电流检测中的二阶低通滤波器无法同时满足检测精度和响应时间的问题,提出了基于改进的双曲正切函数变步长LMS算法(IVSSLMS)的低通滤波器提取p轴和q轴中直流分量的方法;将两个谐波电流的间隔时间通过适当的调节采样间隔次数来延长,目的是为了达到高次谐波的自相关性能迅速降为零。从理论上分析了算法性能的优越,给出了参数的取值,并在simulink中搭建了仿真模型,仿真实验结果表明,改进后的低通滤波器直流分量的跟踪速度提升了一倍,得到基波正弦波形的THD值下降了0.37%。并得出以下结论:在同样输电条件下,采用改进变步长LMS算法构成低通滤波器加快了直流量的跟踪,提取的基波分量更加接近于理想波形,提升了谐波检测的瞬时性和准确性。

融合改进LM算法及动态时间规整算法的人体动作捕捉研究

人体动作捕捉是指通过技术手段捕捉人体的运动轨迹和姿态信息,广泛应用于娱乐、体育、医疗等领域.然而,现有的动作捕捉技术存在捕捉不准确、计算效率低等问题,影响了其在实时应用场景中的表现.针对这些问题,引入一种骨骼点坐标拟合优化Levenberg-Marquardt算法,并采用粒子群算法对其加以优化.同时采用动态时间规整算法进行人体动作捕捉及评估,以期实现人体动作的实时捕捉.结果显示,该算法对肩部侧平举这一动作的捕捉准确率最高达到了99.23%,明显优于其余对比算法.此外,该算法对深蹲动作的测试时间最短,仅为1.15 s,表明该算法在进行动作捕捉时具有显著的性能优势及很强的实际应用效果,为人体动作捕捉领域提供了新的解决方案.

基于LM-LSO算法的磷石膏堆场边坡形态与稳定性智能优化方法

大量欠稳定边坡阻碍了人类工程活动,亟需采用合理的优化方案来确保工程安全。为此,提出了基于列文伯格—马夸尔特(Levenberg-Marquardt,LM)算法和光谱优化算法(Light Spectrum Optimizer,LSO)的边坡形态智能优化方法(LM-LSO)。首先,采用LM算法对样本数据进行非线性拟合;其次,采用拒绝不可行解方法处理稳定性系数的约束问题;最后,利用LSO搜索最优方案,并与另外4种算法进行比较分析。该方法应用于四川省某磷石膏堆场边坡优化,得到了最小挖方量的优化设计方案。该方法综合考虑了边坡优化的经济性和稳定性,保障了堆场的堆填方量和安全。

一种求解非线性方程组的有效Levenberg-Marquardt算法

通过修改LM参数,并结合非单调技术和信赖域技术给出一种求解非线性方程组的有效Levenberg-Marquardt算法,即AMLM算法。在局部误差界条件下,证明了AMLM算法具有局部快速收敛性。数值实验结果表明,AMLM算法稳定、有效。

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.

基于自适应LMS算法的跨声速风洞模型系统辨识

针对风洞试验模型系统辨识不准确的问题,利用自适应LMS(least mean square)滤波器模型对跨声速风洞模型进行系统辨识。由于实测信号中存在多模态耦合,为了提高系统辨识精准度,首先对输入输出信号作了FRF(frequency response analysis)分析得到试验模型俯仰方向前两阶模态,其次利用快速Fourier变换进行模态解耦,接着利用自适应LMS滤波器模型、传递函数模型、多项式模型对俯仰方向单模态进行系统辨识,最后得到了基于自适应LMS滤波器模型的俯仰方向一阶、二阶模态滤波器系数。通过对比不同数学模型的输出与输入之间的相关系数和均方误差及辨识结果,表明自适应LMS滤波器模型具有更高的系统辨识精准度和更简洁的数学模型结构。为后续风洞试验模型振动主动控制计算法的设计提供有力支撑。

基于改进粒子群算法的LM神经网络模型预测爆破块度

矿岩爆破块度是对爆破效果进行定量评价的重要指标,它直接影响到矿山各后续生产工序的效率和采矿生产的总成本。在解决这类动态非线性问题时,需要考虑爆破效果与影响参数之间的复杂关系。论文提出了一种改进粒子群算法的LM(Levenberg-Marquardt,莱文贝格-马夸特)神经网络模型,通过改进粒子群算法可提高LM神经网络对缺陷属性识别的计算精度,从而实现对爆破效果的预测。通过临江冷堡子硅石矿现场爆破实验实例,验证了该神经网络模型及计算方法的可行性及实用性。

一种求解绝对值方程的非精确Levenberg-Marquardt算法

本文首先运用一个光滑逼近函数对绝对值方程进行光滑化处理.其次提出了一种非精确光滑化Levenberg-Marquardt算法,并证明了算法具有全局收敛性.最后给出了数值实验证明算法有效性.

基于遗传LM算法的分布式电网异常负荷自动识别方法

传统分布式电网异常负荷自动识别方法直接对电网负荷数据实施分类,未进行预处理,识别错误率较高。提出基于遗传LM算法的分布式电网异常负荷自动识别方法。首先,预处理采集到的分布式电网异常负荷数据;其次,通过遗传算法生成初始种群,其中,每个个体对应一个电网负载数据、异常负荷特征的参数组合;然后,利用LM算法的局部优化特性对电网数据参数组合进行局部优化,对遗传算法进行改进,计算其适应度,得到准确的电网负荷数据异常分类结果;最后,进行电力负荷异常值的识别。结果表明,该研究方法识别错误率更低,具有实用性。

基于LM算法的继电保护装置稳定性自动化检测方法

为增强继电保护装置稳定性检测的效果,提出基于LM算法的继电保护装置稳定性自动化检测方法。该方法首先对数据进行采集,并采用局部异常因子对数据进行预处理,以提高数据质量;然后,选取Weibull分布函数作为老化失效模型的基本函数,并对其进行求导,得到相应的失效密度函数,构建继电保护装置老化失效模型;最后,利用LM算法估计该模型的关键参数,以提高检测的准确性,并将更新后的参数输入老化失效模型中,实现继电保护装置稳定性自动化检测。结果表明,所提方法检测准确性较高,且具有较高的检测效率,可有效实现对继电保护装置的稳定性检测。

基于波束形成的海上智能天线算法

远距离海上雷达探测由于海上环境的复杂性容易受到杂波干扰,常用的最小均方算法通过在干扰噪声中形成主波束并引导至目标信号,有效解决了杂波干扰问题。通过对自适应智能天线波束形成技术的海上应用进行研究,给出了常用的天线阵列结构模型和信号模型,研究了智能天线中的自适应波束成型算法,目前在这一领域的解决方案中最小均方算法最为常见,但其存在收敛速度差、通用性低等问题。本文将优化遗传算法引入,对传统遗传算法中初始种群规划和交叉操作进行了优化和改进。仿真实验表明,与最小均方算法、传统遗传算法相比,优化遗传算法对杂波的抑制效果提高了28%,收敛速度提升了3倍,具有良好发展前景。

基于LM算法的惯导自主阻尼算法

针对机动状态或外部信息缺失时,振荡误差补偿的难题,提出了一种不依赖外部参数的惯导自主阻尼算法。所提方法基于传统惯导算法,利用LM算法估计出速度误差模型,进而预测外速度时间序列进行外水平阻尼,摆脱了对外部信息的依赖,还能实现对周期性振荡误差和载体加速度影响的有效抑制。阻尼算法仿真结果表明:对比遗传算法(GA)、最小二乘(LS)法,LM算法估计出的模型在自主阻尼中取得了最佳的阻尼效果,24 h内自主阻尼与外水平阻尼的俯仰角阻尼效果差值不超过4′,验证了所提算法对外水平阻尼算法的近似效果以及对于非训练数据的泛化能力。

一种求解非线性方程组的修正Levenberg-Marquardt算法

通过修改Levenberg-Marquardt(LM)参数,结合信赖域方法给出一种新的求解方程组的LM算法。在局部误差界条件下,证明了该算法具有局部快速收敛性。数值实验结果表明,此算法稳定、有效。

一种光伏组件5参数模型参数求解算法

针对目前牛顿-拉夫逊法在求解光伏组件5参数模型特征参数时存在的雅克比矩阵奇异化和参数漂移问题,本文运用Levenberg-Marquardt(LM)算法求解光伏组件5参数模型参数。结合目前两种常用组件实测数据的算例分析,验证了本文所提出的LM方法对不同类型组件具有精度高、收敛速度快、实用性强等优点。

基于Adagrad算法的LMS步长优化

针对LMS算法收敛速度慢、滤波误差大的问题,本文采用Adagrad算法对LMS算法进行了改进。改进的算法开始是激励收敛,然后逐渐变成惩处收敛,用此方法来改进LMS算法中收敛速度和稳态误差两者之间存在的矛盾。改进的算法在迭代步骤中使用Adagrad算法中累积误差和的方式来更新步长代替LMS算法中的固定步长,最终改进的算法具有加速收敛和同时减少稳态误差的双重效果。

大数据环境下基于BIM与CNN的电力工程造价优化算法

针对大数据环境下电力工程造价在精准化、动态化等方面存在的不足,提出了一种基于BIM与CNN的电力工程造价优化算法。利用BIM技术的特点进行电力工程全生命周期的造价管理,实现了造价的动态化管控。并且采用Levenberg-Marquardt规则算法改进卷积神经网络,通过改进后的CNN网络对每个工程环节的造价完成预测,从而优化整个工程的施工方案。结合相关的电力工程造价数据,基于Matlab对所提算法进行实验测试。结果表明,当学习率为0.010时CNN网络的性能最佳,所提算法的预测准确率为94%,并且与造价的真实值最为接近。

基于LM算法改进BP神经网络的基坑管线变形预测

通过提出一种基于Levenberg-Marquardt算法改进BP神经网络的方法探究基坑开挖对邻近管线变形性状的影响。以管线水平位移量和竖向位移量为预测结果,建立包括管径、堆载、材质、管线埋深、开挖方案、开挖顺序、开挖深度、纵向距离8个影响因素的多元参数预测模型。通过将管线变形预测值与实测值比较,证明采用Levenberg-Marquardt改进BP神经网络的算法预测结果更准确,具有更好的泛化性能。该模型将为预测基坑开挖引起的管线变形性状提供技术参考,为基坑工程信息化施工提供决策依据,从而达到减少基坑开挖安全事故、保护管线的目的,在实际工程中具有一定的推广应用价值。

一种新的变步长LMS算法及其在语音降噪中的应用

作为一种经典的自适应滤波算法,LMS算法在语音降噪领域有着广泛的应用。为解决经典的LMS算法在步长选取时收敛速度与稳态误差无法兼顾的短板,以对数函数为原型提出了一种新的变步长LMS算法,分析了该算法模型的机理并寻找了最佳参数取值。对比测试结果证明,与现有算法相比,该算法在收敛速度与稳态误差方面均有较好的表现,将该算法应用于语音降噪,也取得了良好的降噪效果。