非线性转子轴系的BP网络建模方法

为了对具有迟滞非线性元件轴系的振动响应进行仿真计算，本文提出了新的改进ＢＰ算法。在新方法中，对ＢＰ网络学习过程中的迭代步长进行了优化，而不再采用人为经验确定步长，有效克服了局部最小点问题；同时，采用了新的激励函数，使ＢＰ网络的学习过程在较大的步长下不产生振荡和发散，从而加快了ＢＰ网络的收敛速度，提高了稳定性。文中给出的算例表明了新方法的有效性。     

一种新型快速收敛的LMS谐波检测算法

针对传统基于固定步长LMS算法在电网谐波检测中存在收敛速度与稳态精度需折中选择的问题,提出了一种新型具有较高收敛速度的改进变步长LMS算法。该算法以同一相位下相邻两时刻的误差信号e(n)、e(n－1)的自相关估计调节步长更新,并且采用归一化处理方式,以误差信号在总电流信号中的比例k(n)、k(n－1)作为新反馈量,同时对新的反馈量进行相干平均估计来调整步长迭代;在权值迭代公式中引入相邻时刻估计误差绝对值之差的扰动量来加快自适应滤波器权矢量的迭代速度。MATLAB/Simulink仿真和实验证明,该方法相对于传统固定步长LMS谐波检测算法在收敛速度和稳态精度上有了进一步的提高,尤其在负载发生突变时的跟踪能力。     

汽车车内噪声主动控制变步长NFB-LMS算法

为规避最小均方（Least Mean Square,LMS）算法不能同时提高收敛速度和降低稳态误差的固有缺陷,以及已有变步长LMS算法存在收敛速度慢和稳态误差估计精度差的问题,文中提出了一种基于变步长归一化频域块（Normalized Frequency-domain Block,NFB） LMS算法的汽车车内噪声主动控制方法。为了比较,应用传统的LMS算法、基于反正切函数的变步长LMS算法和变步长NFB-LMS算法分别进行实测汽车车内噪声的主动控制。结果表明,与其他两个算法相比,变步长NFB-LMS算法的收敛速度提高了70%以上,稳态误差减小了90%以上。变步长NFB-LMS算法在处理车内噪声信号时具有很高的效率,为进行汽车车内噪声主动控制提供了一种新方法。     

基于改进双曲正切函数的变步长最小平均p范数算法

在信号处理领域,传统的自适应滤波算法采用的固定步长会导致稳态误差和收敛速度无法同时兼顾。针对这个问题,对最小平均p范数(Least Mean p-norm,LMP)算法进行改进,提出了一种基于改进双曲正切(tanh)函数的变步长最小平均p范数算法。该算法利用改进的tanh函数来调节步长,采用移动加权平均法构造变步长函数;同时引入了一个调节函数以进一步提升算法的性能。通过在海洋脉冲噪声干扰下进行仿真,实验表明,与已有的固定步长和变步长算法相比,改进的变步长LMP算法较好地兼顾系统的收敛速度和稳态误差;引入调节函数后的新算法在保证原有算法收敛速度的同时进一步降低了算法的稳态误差,从而兼顾了算法的收敛性和稳定性,具有较好的可行性。     

无约束频域自适应滤波算法最优步长控制

频域自适应算法由于具有较低的计算复杂度和较快的收敛速度而被广泛应用。但是固定步长的频域自适应算法必须在收敛速度、稳态失调、跟踪速度和对噪声干扰的稳健性之间权衡。文章研究了无约束频域自适应滤波算法的最优步长控制问题。通过分析频域自适应算法的收敛特性,给出了最优步长的表达式,推导出了频域失调因子的递归变化关系并用来估计频域失调因子。在系统辨识和回声抵消应用中的计算机仿真结果表明,所提变步长算法能同时得到较快的收敛速度和较低的稳态失调,同时该算法对回声抵消应用中的双端对讲不敏感,因而不需要明确的双端对讲检测。     

一种强干扰下超弱水声信号自适应盲分离的快速算法

许多盲源分离算法对超弱信号收敛速度变慢甚至失效。文章提出一种算法 ,用FASTICA算法所得的分离矩阵作为一种基于输出去相关自适应盲分离算法的初始值 ,算法的收敛速度得到明显改善。算法的学习速率通过一种自适应算法选取 ,从而降低了算法收敛速度对学习步长的依赖。仿真结果表明 ,文中提出的算法对超弱信号特别有效 ,算法收敛速度大大增强。该算法可以用于分离强干扰下的弱水声信号     

误差非线性函数的变步长FxLMS算法研究

滤波-x最小均方（Filtered-x Least Mean Square,FxLMS）算法是主动噪声控制的经典算法,其存在收敛速度与稳态误差不可兼得的问题,解决方法之一是采用变步长FxLMS算法。总结了现有的基于误差非线性函数的变步长模型,并将其应用于FxLMS算法以改善算法性能。用三种常见的噪声作为参考输入信号进行仿真试验,对比了不同非线性函数变步长算法的性能。结果表明,变步长FxLMS算法能有效改善参考信号为高斯白噪声和正弦波时的收敛速度和稳态误差,且不同噪声环境下最优算法不同,但此类算法无法提升噪声源为冲击噪声时的性能。这为不同应用场景下算法的选取提供了参考。将变步长FxLMS算法应用于某车型的发动机主动噪声控制,结果表明,变步长FxLMS能显著提高定速工况的系统性能,但对急加速工况效果并不明显。     

变步长LMS自适应均衡算法研究

为解决宽带无线通信中由多径信道产生的符号间干扰,对最小均方(LeastMeanSquares,以下简称LMS)自适应均衡算法进行深入分析。针对LMS算法收敛速度和稳态均方误差相互矛盾的问题,重点研究变步长LMS算法,在现有算法的基础上,进行步长分析,提出一种新型变步长LMS算法。利用信道响应长度、均衡器阶数、收敛误差共同控制迭代步长,简化步长设置,提升算法的收敛速度并降低稳态均方误差。仿真分析表明新型变步长LMS算法有更好的收敛特性。     

车内噪声主动控制变步长LMS算法

通过对轨道车辆车内含噪样本数据的分析,应用步长因子μ(n)与误差信号e(n)呈正弦函数关系的变步长LMS算法。分别对自适应滤波器中的权向量按照最速下降算法进行更新,并利用建立的自适应滤波器进行车内噪声主动控制。结果表明,提出的变步长LMS算法解决了LMS算法因固定步长不能同时兼顾算法收敛速度和稳态误差的固有缺陷,具有更快的算法收敛速度和较小的稳态误差。     

基于FxLMS的汽车车内噪声变步长主动均衡算法

提出了一种可用于汽车车内噪声主动均衡控制的变步长主动噪声均衡（Active Noise Equalization,ANE）算法,与传统车内噪声主动抵消控制方法所采用的滤波x最小均方（Filtered-x Least Mean Square,FxLMS）算法相比具有更好的实用性。应用固定步长主动噪声均衡（Active Noise Equalization,ANE）算法、所提出变步长ANE算法和已有变步长ANE算法分别进行汽车车内噪声主动均衡控制。结果表明,所提出变步长ANE算法具有更快的收敛速度和较低的稳态误差,并且能进一步降低汽车车内噪声响度,为汽车车内声品质主动控制提供了一种新方法。     

VB与MATLAB混合编程在动态测量误差处理中的应用

本论文提出了将VB与MATLAB混合编程的方法应用于动态测量处理中，以双啮仪测量圆柱齿轮的径向综合误差为例编制了相应的程序，可快速有效的进行数据处理，其结果在VB界面上能直观的显示出来。从而提高了动态测量误差处理的速度和计算精确度。     

一种改进的基于自适应控制的地震模拟试验方法

针对地震模拟试验常采用的开环迭代控制存在控制精度差的缺点，提出一种用于地震模拟的自适应控制方法。该方法不断识别系统的传递函数，来克服液压系统的时变性，获得较高的地震模拟波形复现精度。在此基础上，通过分析控制方法中预试验步骤存在的不足，实现试验方法改进，使得无需预试验步骤能直接进行正式试验，且首帧试验中的参考时域信号和控制时域信号相关系数较高。在浙江大学构建的振动台上进行若干典型地震波试验表明：改进后的试验方法在不进行预试验的情况下，首帧地震模拟试验获得75%以上的输入输出信号时域相关系数，同时能缩短试验时间；多帧地震模拟试验后，通过更新系统传递函数，地震模拟输入输出信号时域相关系数能稳定在95%以上。     

概率密度演化方程差分格式的计算精度及初值条件改进

由于随机荷载作用下工程结构响应的一阶时间导数往往大于结构响应自身，采用仅满足确定性结构响应分析计算精度的时间步长求解概率密度演化方程(Probability density evolution equation, PDEE)时，总变差减小(Total variation diminishing, TVD)性质差分法计算的结构响应标准差通常无法满足精度要求。该文分别对比了不同差分时间步长下单边差分、Lax-wendroff (L-W)双边差分和TVD差分三种PDEE数值求解方法的计算精度。为提升TVD差分的求解精度，该文提出了差分时间步长的合理选取方法和正态分布型初值条件，并通过数值算例验证了时间步长选取方法和正态分布型初值条件的准确性及普适性。数值算例结果表明:L-W双边差分法的样本离散性最小，误差允许范围内可采用的时间差分步长最大；当仅关注均值和标准差等统计指标时，建议使用L-W双边差分法；利用该文方法可有效降低TVD差分所带来的数值误差；正态分布型初值条件的标准差大小等于空间离散步长时，可以获得最小均值误差。     

改进果蝇优化LSSVM超声波萃取产物浓度软测量

针对超声波天然产物萃取过程中产物浓度难以在线检测的问题,提出了一种改进果蝇优化最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)的超声波萃取产物浓度软测量建模方法。首先将混沌优化与迭代步长动态调节方法相融合,提出了一种混沌动态步长改进果蝇优化算法(Chaos Dynamic Step Fluit Fly Optimization Algorithm,CDSFOA),该算法引入动态调节因子对步长动态更新,并利用混沌优化实现各变量之间映射等操作,能够有效提高果蝇优化算法的收敛精度和收敛速度,然后利用CDSFOA对LSSVM进行参数寻优,构建最优CDSFOA-LSSVM软测量模型,最后利用超声波斛皮素萃取实验数据进行验证。结果表明,提出的模型不仅有较好的学习和泛化能力,而且具有良好的预测精度,可为超声波天然产物萃取工艺优化提供理论指导。     

枕式包装机包装材料供送速度控制

目的 为了提高包装袋的袋长精度,提升包装袋体外观质量。方法 提出一种基于神经网络PID自适应的三伺服枕式包装机包装材料速度控制方法,将传统的PID控制方法同神经网络控制相结合,设计一个神经网络PID控制器,包括控制器结构和学习算法,可用于解决相关非线性问题。结果 仿真和实验结果表明,采用神经网络PID控制方法,包装材料速度达到稳态时,所用时间约为2 s,最大超调量不超过2%,包装袋长误差能够有效控制在±1 mm以内。结论 所设计的控制方法与传统的PID控制相比,具有响应速度快、抗干扰能力强、控制输出稳定等优点,能够显著提高包装袋长精度。     

基于步距规的三坐标测量机的直线度误差分析方法

提出一种基于精密步距规进行坐标测量机直线度误差的分析方法,通过将步距规放置在测量空间的不同位置,根据三坐标测量机空间误差和几何误差的关系建立数学模型,从而得到其直线度误差,并通过仿真验证了其可行性.该方法可以应用在三坐标测量机的校准和安装调试,也适用机床导轨的直线度误差分析.     

基于改进Sierra 抖动算法的微离焦投影三维轮廓测量技术研究

通过分析传统频率调制的相位轮廓测量技术,提出基于蛇形扫描改进Sierra抖动算法,结合微离焦投影,可减小正弦光栅二值化的量化误差,同时抑制非对称纹理,能较大地改善离焦后光栅的正弦性。将该抖动算法生成的离焦光栅用于三维轮廓测量技术,与Bayer有序抖动算法、Sierra抖动算法和Floyd-steinberg误差扩散抖动算法进行了比较,实验结果表明:改进Sierra抖动算法具备更好的适应性,能够较大程度地降低相位误差,运算速度快,生成光栅准确度较高,改善了相位质量,适用于高精度三维轮廓测量。     

负梯度声速下特征声线与传播时间快速求解方法

求解特征声线最直接的方法是采用"扫描-插值-迭代"的声线跟踪法,过程较复杂,计算速度较慢。将负梯度声速环境下特征声线的起始掠射角表示为声速、海水深度、声源与接收点相对位置的方程,通过采用量子粒子群算法求解方程直接获得掠射角,进而确定特征声线和传播时间。与声线跟踪法相比,所提出的方法由于不存在数值累计误差和角度插值误差,因此精度更高,另外速度也更快,适合浅海负梯度环境下特征声线与传播时间的快速求解。     

一种改进的变步长LMS自适应滤波算法及其仿真

在分析传统的定步长最小均方(LMS)算法、变步长LMS算法的基础上,通过建立误差信号与步长因子之间的新的非线性映射关系,提出新的改进型变步长LMS自适应算法.通过MATLAB仿真分析,证明了该算法具有较好的收敛速度和较小的稳态误差以及较好的时变系统跟踪能力.