基于变增益最速梯度下降法的表贴式永磁同步电机位置修正策略

滑模观测器具有响应速度快、鲁棒性强等优点,已广泛应用于表贴式永磁同步电机无位置传感器的中、高速控制系统。然而,具有固定参数的滑模观测器很难在宽速度范围内保持一致的估算精度,而采用基于速度观测器带宽限制的方法进行噪声和扰动抑制会降低电机的动态性能。针对上述问题,该文首先分析滑模观测器估算表贴式永磁同步电机转子位置的误差产生机理,提出一种新型位置误差观测器,主要思想是基于磁链观测进行位置误差连续估算,并采用最速梯度下降法对积分过程进行反馈校正;然后,通过变增益循环迭代优化提高位置误差观测器的速度与准确性;最后搭建表贴式永磁同步电机加载测试平台进行实验,结果验证了所提方法具有位置观测精度高、鲁棒性强的特点。

基于改进BP神经网络的网络流量预测

传统网络流量预测方法常面临精度不足、时间复杂度高的问题,且在处理复杂的网络流量时,难以达到理想的预测效果。为克服这些挑战,采用深度学习中的反向传播(Back Propagation,BP)神经网络算法,并结合改进的梯度下降法,通过引入动量项与变步长法相结合的方式,有效降低误差值,实现了对网络流量的准确预测。该方法旨在更好地满足用户需求,优化网络性能,并提升网络服务质量。实验结果表明,改进后的BP神经网络算法在网络流量预测中展现出良好的可行性与稳健性,同时达到了较高的预测精度。

一种小波神经网络的优化算法

为了提高小波神经网络的收敛速度,文章提出了将负梯度下降法与DFP变尺度算法相结合进行权值修正的方法,在误差寻优初期采用梯度下降法迭代,当寻优过程开始接近最优时,更改寻优算法,使用DFP变尺度算法。通过仿真结果表明,改进算法减少了迭代次数,提高了算法收敛速度。

基于交替变量局部梯度法对土质边坡的三维稳定性分析

临界滑动面的获得是土质边坡稳定性分析中一个必要的过程,然而现有分析方法难以保证该临界滑面的准确性,而且部分分析方法在计算过程中会陷入局部最小值陷阱。基于单变量方法和最速梯度法,提出了交替变量局部梯度法,该方法能够突破最优化方法应用在边坡稳定性分析上的瓶颈。首先,通过斯宾塞极限平衡方法和网格搜索法(或者其他确定临界滑面的方法),获得边坡初始椭球状临界滑面;其次,在该滑面上布置若干节点作为变量,目标函数为安全系数Fs关于空间节点坐标Zi的方程,为了使目标函数快速降低,沿负梯度方向循环优化每个节点,当满足一定精度要求时,即可获得三维土质边坡非圆弧状临界滑动面;最后,通过算例证明该方法可行,计算结果可靠。

变阶次分数阶梯度下降法的研究

作为经典的凸优化算法,梯度下降法结合分数阶微积分理论,延伸出分数阶梯度下降法。与常规梯度下降法相比,阶次大于1的分数阶梯度下降法收敛速度快但是收敛精度低;而阶次小于1的分数阶梯度下降法收敛精度高但是收敛速度慢。为结合不同阶次分数阶梯度下降法的优点,解决收敛速度、收敛精度之间不可兼得的矛盾,结合已有的研究,为得到更好的优化算法性能,提出了三种改进的变阶次分数阶梯度下降法,并且通过典型算例验证了相关结论。

基于玻尔兹曼函数和磁畴能量最小化的电工钢片磁滞特性模拟

电工钢片磁滞特性与损耗特性的精细模拟是实现变压器、电机等电工产品节能降耗绿色运行的关键。该文基于磁畴能量最小值原理,对组合磁畴结构模型(assembled domain structure model,ADSM)中磁畴能量最小化方法与磁畴分布概率求解方法进行改进。提出采用变步长梯度下降法与Boltzmann函数相结合的两步法实现磁化过程磁畴动态变化的有效模拟,简化模型的构造过程。利用变步长梯度下降法求取磁畴总能量最小值,确定磁畴的单位磁化矢量,再利用Boltzmann函数计算磁畴分布概率,实现磁滞回环的拟合。与实验测量结果对比表明:改进的ADSM模型求解方法可以在简化计算过程的同时有效地模拟磁滞回环。

基于变步长动量梯度下降法的姿态解算算法

针对基于MEMS的姿态测量系统因为存在误差而导致姿态解算漂移的问题,提出一种基于变步长动量梯度下降的姿态解算算法。该算法从传感器数据去噪和姿态解算两部分提高姿态解算精度。在传感器数据去噪方面,为了工程实用,降低微处理器计算量,提出一种改进递推限幅均值滤波算法;在姿态解算方面,在梯度下降法的基础上设计自适应步长,使用动量梯度优化每次迭代方向,使得每次迭代后误差最小,同时使用动态限幅滤波抑制角度振荡。静态和动态实验结果均表明了所提算法的有效性和优越性。

基于变步长极值搜索的列车黏着控制方法研究

为了有效地解决由于外界因素导致的轮轨黏着牵引力利用率不高的问题,提出用全维状态观测器来估测黏着系数,同时采用带遗忘因子递推最小二乘算法(FFRLS)以获得黏滑特性曲线的斜率值,进而引入变步长梯度下降法搜寻最优蠕滑速度以调节转矩补偿值,可实现在恶劣轮轨路况下高速列车黏着力仍可高效利用的目的。文中将在Matlab/Simulink平台对此研究策略的可行度和有效性进行验证。

基于变指数分数阶全变差和整数阶全变差的图像恢复算法

结合变指数全变差(totalvariation, TV)和整数阶TV,提出一种变分图像恢复算法。该变分问题的能量泛函主要分为三个部分:变指数p(x)的分数阶TV正则化项、整数阶TV正则化项和数据保真项。该模型中的指数p(x)是与图像的梯度信息有关的函数。在理论上,由于分数阶导数和整数阶导数的结合,使得所提方法不仅能有效地去除图像噪音,保护图像的边界高频信息,还能更好地保留图像的纹理细节等中低频信息,同时可以极大地消除图像处理中产生的阶梯效应和散斑效应。在模型的求解上,利用变分法可以简单地将极小化泛函的优化问题转化为梯度下降流方程。最后,通过模拟数据和真实数据对本文所提方法进行了验证。试验结果表明,该方法可以去除噪声的同时,有效保持边界和纹理细节,并且对噪声是鲁棒的,具有一定的实际应用价值。