小波-SG-EEMD混合算法及混沌去噪应用研究

混沌信号和噪声频谱部分甚至全部重叠,单一的去噪方法无法有效地从强干扰中提取有用信号,为此,提出了小波-SG-EEMD混合去噪算法。该算法将小波-SG作为EEMD的预滤波单元,有效降低白噪声和局部强干扰的影响,并结合EEMD抑制模式混叠的特性,可以有效地将混沌信号从复杂干扰中提取出来。利用Lorenz时间序列详述了混合滤波算法的实施过程,并将该方法用于两自由度混沌振动信号中。结果表明该方法切实可行,具有非常好的应用价值。

高超声速流动计算中LU-SGS隐式算法的应用

在高超声速条件下,对原始LU-SGS格式及其改进方法的收敛速度做了深入的比较分析,目的是进一步更好地将LU-SGS算法用于工程上复杂外形的计算模拟中。二维圆柱,三维钝锥及空天飞机算例的结果表明:对于高超声速粘性流动的计算,粘性项应进行隐式处理;BLU-SGS方法给出的内迭代方式的收敛性优于DP-LUR方法所给出的内迭代方式;LU-SGS算法中雅克比系数矩阵的计算方式对计算量及收敛性影响较大,若采用精确的矩阵形式,则在流动无分离情况下能取得快速收敛的效果,而在含有流动分离的情况,因受稳定性的影响,精确的矩阵形式的收敛表现不及对角近似形式。

基于奇异点检验的SG阈值滤波算法

SG(Savitzky-Golay)滤波算法是一种去除数字信号中白噪声的有效算法。在实际应用中,这种基于移动窗口的最小二乘算法有一个核心问题有待解决,即如何在保证滤波效果的前提下,尽可能的保留信号中的波峰信息。本文通过理论分析提出了一种SG阈值滤波算法,可以对不同特征的信号区间采取不同的SG滤波策略,并基于白噪声奇异点检验和迭代算法的思想,提出了一种阈值确定算法,增强了这种SG阈值滤波算法的实用性和方便性。

全隐LU-SGS算法在高超声速热化学非平衡流刚性问题中的应用

在高超声速热化学非平衡流动计算中,当地气体能量松弛时间、化学反应特征时间与流动时间推进步长量级差异过大会带来严重数值刚性问题,且在高雷诺数条件下,壁面、拐角等强干扰区网格加密使得该问题加剧,导致初始最大CFL数极小,收敛速度缓慢。原始LU-SGS算法仅考虑化学反应源项和对流项的隐式处理,通过推导黏性项Jacobian矩阵谱半径并采用对角近似处理,发展了热化学非平衡FLU-SGS和BLU-SGS两种全隐LU-SGS算法;针对高焓二维圆柱和轴对称返回舱算例,对比改进前后三种算法的收敛特性。结果表明,FLU-SGS及BLU-SGS算法能够快速建立强黏性干扰和大分离流场、解决热化学非平衡复杂流计算中的刚性问题,实现初始最大CFL数3至5个量级的提升,加速收敛效果明显。

基于SG算法和BP神经网络的角度传感器信号处理研究

针对电解角度传感器在实际应用中容易受到环境因素的影响出现误差干扰,如果不加以处理会导致定位精度降低,影响系统的控制精度的问题,提出一种旨在提高传感器测量精度的多传感信号拟合算法。该算法首先使用SG算法对传感信号的滤波,实现信号数据序列的平滑,降低异常数据点的出现概率,随后使用BP神经网络对多个角度传感器和环境温度传感器的输出信号进行误差估计,降低环境温度因素对角度传感器的误差干扰。实验表明,综合使用这两种算法对角度传感信号进行处理能够有效提高角度传感器的测量精度。

基于SG算法的MEMS加速度传感器信号恢复研究

针对信号恢复前期存在局部干扰噪声,导致信号恢复质量较差和恢复速率较慢的问题,提出基于SG算法的MEMS加速度传感器信号恢复方法。将小波SG设定为传感器的预滤波单元,降低白噪声和局部强干扰对信号恢复产生的影响,同时结合EEMD抑制模式的特性剔除无利用价值的信号,提取有效的信号。将经过去噪处理信号的时间域平滑特性和空间平滑特性相结合,组建联合图模型。通过联合图模型中传感器信号的关联特性设计迭代恢复算法,最终完成MEMS加速度传感器信号恢复。实验结果表明,基于SG算法的MEMS加速度传感器信号恢复方法,可获取高质量和高效率的信号恢复结果。

基于SG平滑处理的水利算据有效性改进方法

针对水利算据在归集过程中存在随机误差和噪声数据,导致水利模型的稳定性、可靠性和预测能力受到很大影响甚至失效的问题,提出一种基于SG平滑处理的水利算据有效性改进方法。抽取钱塘江流域开化县水文测站的洪水数据作为数据样本,通过多种不同平滑算法对比试验发现SG算法平滑效果最优,故用动态时间规整(DTW)算法计算洪水相似度时,采用SG算法平滑后的算据进行计算,根据计算结果寻找历史相似洪水,再根据相似洪水的洪峰演进时长的平均误差判定算据的有效性。开化县水文测站的60场洪水试验表明:利用SG算法平滑处理后的算据求得的相似洪水具有较高的匹配度,可保证DTW结果的稳定性、可靠性和预测能力,说明基于SG平滑处理的水利算据可以改进模型的有效性。

基于神经网络模型的人工湿地水质预测模型

水质预测是水质保护的基本内容,也是解决水资源危机的重要依据。在水污染防治中,水质的准确表达能够反映水体的污染状况和未来趋势,为特定区域的水资源保护提供科学依据。在当前信息技术迅速发展的背景下,智能算法在构建水质预测模型方面的应用日益广泛,这对水资源的污染控制与预防具有重要意义。首先,应用Z-score方法和局部线性趋势判断法识别并校正数据中的异常值;其次,采用SG滤波法对水质数据进行平滑和降噪处理;进一步地,引入优化后的循环神经网络(RNN)模型,并使用LSTM-GRU结构(一种改良的长短期记忆网络结构)替换标准的隐藏层单元。LSTMGRU模型能够有效区分重要与非重要的信息,实现选择性记忆,从而提高对历史水质参数的学习效率并显著提升预测结果的准确性。通过仿真分析,与传统的水质参数预测模型相比,LSTM-GRU模型的泛化能力更强,预测精度更高,具有更高的有效性和实用性。

基于GA-BPNN混合智能模型的钻速预测

石油勘探和开发领域中,准确预测机械钻速对于提高钻井效率和降低工程风险至关重要。准确的机械钻速预测为制定钻井方案、评估钻井风险提供重要依据,但对于复杂的非线性的钻井系统,传统的钻速方程和机器学习方法无法全面考虑影响机械钻速的因素。本文基于一种遗传算法优化的反向传播神经网络的机械钻速预测模型,以中国南海某油田历史钻井数据为基础,通过SG平滑处理,归一化处理和Pearson、Spearman和Kendall相关系数综合分析进行特征参数选择的数据预处理,与BP、RBF、MEA-BP神经网络模型以及ELM、RF、SVM、KNN等传统机器学习方法进行比较验证。实验结果表明,GA-BP的R 2为0.967,预测值与实测值具有良好的一致性,比标准BP神经网络预测R 2精确提高了17.64%,也较其他模型具有更准确的预测结果。这种混合智能预测模型能够准确预警和预防钻井事故,为指导油田钻井施工参数提供有效数据,从而提高钻井施工的经济效益。

基于二维非结构网格的GMRES隐式算法

将广义极小残差GMRES(Generalized Minimum RESidual)隐式算法应用到二维非结构网格上,并结合LU-SGS(Lower Upper-Symmetric Gauss-Seidel)方法对所求解方程组的残值向量进行预处理,发展了一套高效、可靠的二维Euler方程的求解器。NACA0012翼型和某四段翼型的2个算例,表明该隐式算法的计算效率要比传统的四步Runge-Kutta显式算法高出几十倍,与LU-SGS隐式算法的效率相比,该算法的效率高出近1个量级。应用了重启型的GMRES算法,并对2种构造系数Jacobian矩阵的方法进行了比较。

隐式无网格算法及其应用研究

本文的主要目的在于研究求解Euler方程的隐式无网格算法 ,并应用于复杂的流场计算。采用无网格算法 ,计算区域用点云离散代替通常的网格划分 ;计算点上的空间导数 ,用当地点云上引入的二次极小曲面逼近。求解的Euler方程用隐式时间后差离散 ,结合用Roe的近似Riemann解确定通量 ,并用LU SGS算法分步计算 。

三维Euler方程的隐式间断有限元算法

为了求解三维欧拉方程,对隐式时间离散格式间断有限元方法进行了研究。根据间断Galerkin有限元方法思想,构造内迭代SOR-LU-SGS隐式时间离散格式,结合当地时间步长技术、多重网格方法,实现了三维流场的计算。数值计算了ONERAM6机翼、大攻角尖前缘三角翼以及DLR-F4翼身组合体的亚声速绕流问题。结果表明,加入SOR内迭代步的LU-SGS隐式算法具有较大的优势,相较于GMRES算法所占用的内存少且收敛速度相当,是LU-SGS算法的三倍以上。针对三维算例,具有较好的稳定性和较高的收敛速度,能够给出准确的流场信息。与原方法相比,SOR-LU-SGS方法无论是在迭代步数上还是在CPU时间上,效率均有明显提高,适合于三维复杂流场计算。

用进化规划思想优化径向基函数神经网络结构的均衡器

针对训练径向基函数(RBF)神经网络均衡器的随机梯度算法(SG)中,神经网络的结构是指定的并且所用训练样本较长的问题,引入进化规划思想,用进化规划方法确定径向基函数神经网络的结构,用基于最小均方(LM S)误差准则的自适应算法调整神经元到输出端的连接权重.蒙特卡洛仿真表明,用这种方法确定的均衡器可以达到与SG算法相同的性能,而所用训练样本很少,网络结构不需要事先指定.

用空间推进算法模拟高超声速进气道流场

在有限体积法框架下，采用空间推进算法SSPNS（Single-Sweep Parabolized Navier-Stokes Algorithm）求解抛物化NS方程（即PNS方程），在流向采用LU—SGS隐式积分，而横向无粘和粘性通量则分别采用AUSM系列格式和中心格式计算。用该方法对1个二维高超声速进气道和2个三维高超声速进气道流场进行了数值模拟，得到的流场波系结构、壁面压力及传热系数分布与文献中相关数值解和实验数据基本一致，表明SSPNS法能够准确地模拟超燃冲发动机进气道内的高超声速流动。对比研究表明，SSPNS法与求解FNS（Full Navier＼lStokes Equations）方程的传统时间迭代法相比，二者计算精度相当，而SSPNS计算速度快1～2个量级，存储量至少低1个量级。本文的研究为CFD在超燃冲压发动机部件及一体化优化设计中的集成，以及大型高超声速工程流动的高效计算，打下了良好的基础。

基于BP神经网络的清洗机器人角度传感器测量精度分析

为了提高清洗机器人角度传感器测量精度,在分析清洗机器人工作原理的基础上,提出了一种基于BP神经网络的清洗机器人角度传感器测量方法。利用传感器收集原始数据信息,并通过Savitzky-Golay平滑滤波法来完成滤波预处理过程,利用Savitzky-Golay平滑滤波法可以显著降低传感器的输出误差,改算法可以完成快速收敛。对比检验样本数据误差得到,把Savitzky-Golay平滑滤波技术与神经网络算法进行结合后可以显著提升传感器精度,从而为清洗机器人的作业过程提供理论支持。

欧拉方程的隐式间断有限元算法研究

针对Euler方程,设计了适合间断Galerkin有限元方法的LU-SGS、GMRES以及修正LU-SGS隐式算法。采用Roe通量以及Van Albada限制器技术实现了经典LU-SGS、GMRES算法,引入高阶项误差补偿,发展了修正LU-SGS算法。以NACA0012、RAE2822翼型为例验证分析了算法的可靠性和高效性。结果表明修正LU-SGS算法存储量较少,程序实现方便,而且计算效率是LU-SGS算法的2.5倍以上,接近于循环GMRES算法。

16kb/s ADPCM编码系统中自适应预测算法的探讨

本文通过对三种不同的预测器(一阶固定预测器,CCITT自适应预测器以及归一化SG算法的自适应格型预测器)实现的16kb/S ADPCM编码系统的比较,对16kb/S ADPCM中自适应预测算法进行了探讨,结果表明:在16kb/S ADPCM中,采用归一化SG算法的自适应格型预测器能使系统在算法复杂度和系统性能之间得到较优的折衷。

一种求解抛物化Navier-Stokes方程的空间推进算法

讨论了抛物化NS方程(parabolized Navier-Stokes equations,PNS)的数学性质,对比分析多种处理流向压力梯度的方法的优缺点.以此为基础,成功地将LU-SGS隐式时间积分方法推广到PNS方程的流向空间积分上,发展了基于PNS方程的有限体积单次扫描空间推进算法(single-sweep parabolized Navier-Stokes algorithm,SSPNS).在该算法中,横向无黏数值通量和黏性通量分别采用混合型迎风格式和中心格式求解.用SSPNS算法计算了4个典型流场,包括超声速平板流、15°楔板压缩高超声速流、带攻角的高超声速锥形流和侧压式高超声速进气道流动.SSPNS计算结果与NASA UPS程序数值结果、文献提供的实验数据及理论分析结果符合得很好.对比研究表明,SSPNS法与传统时间迭代法相比,二者计算精度相当,而SSPNS计算速度快1～2个量级,存储量至少低1个量级.

求解欧拉方程的预处理隐式无网格算法

发展出一种用于求解欧拉方程的预处理隐式无网格算法.该算法对守恒型欧拉方程进行Weiss-Smith型矩阵预处理,并在无网格点云上离散求解.求解大体是基于传统无网格算法展开的,为此,先对矩阵谱半径、人工耗散项、远场边界条件等受预处理影响的部分进行了具体的讨论.接着,结合LU-SGS算法,通过点云重排与分割,给出了预处理隐式无网格算法的具体实施过程.典型翼型和机翼算例与文献或实验结果进行了验证比较,表明所发展的隐式算法比相应显式算法收敛更快,已从单纯模拟可压缩流动拓展到模拟几乎不可压的低马赫数流.最后,给出了翼身组合体的低马赫数绕流算例,进一步展示出算法处理实用三维气动外形的潜力.

智能电网中电力线通信网络负载均衡的机会路由协议

针对智能电网(SG)中电力线通信(PLC)网络中负载均衡的问题,提出了一个自适应机会路由协议——负载均衡的机会路由协议(LBORP)。在LBORP中,所有收到数据包的候选转发节点都有机会参与到数据包的转发中,不再局限于一条路由路径,避免了流量仅从一条链路经过导致的负载不均衡现象;而且候选转发节点的转发优先级不仅考虑到转发节点到目的节点的距离,还考虑到了PLC链路的不稳定性以及流量的变化。除此之外,在LBORP中采用一种隐式确认方案,进一步减少协议的端到端时延。在仿真实验中,与基于有序树的PLC路由协议(PLC-TR)和PLC机会路由协议(PLC-OR)相比,LBORP在时延上分别降低了19.7%和45.8%,在丢包率上分别降低了23.4%和32.5%。实验结果表明,LBORP能够实现网络的负载均衡,提升网络的可靠性并减小端到端时延。