K-power系统在Grassmann流形上的单侧模型降阶方法

K-power系统作为一类比较特殊的双线性系统,可以由一系列阶数相对较小的子系统构成,这使得K-power系统具有特殊的结构.K-power系统在Grassmann流形上的模型降阶方法将误差系统的H_2范数看作是定义在Grassmann流形上的代价函数,然后,沿测地线执行线性搜索寻找使得代价函数最小的变换矩阵.为了保持系统降阶前后结构的一致性,算法以K-power系统中各个子系统的变换矩阵为对角线元素构成双线性系统的变换矩阵.此外,算法有效地利用了K-power系统的结构特性,使得该算法在对K-power系统进行降阶时较一般的双线性系统的模型降阶方法有更少的计算量.     

一种基于Pade近似的频域辨识与频域模型降阶新方法

研究了基于积分最小二乘指标的SISO时滞系统频域辨识与频域模型降阶问题.通过采用Pade近似,将积分最小二乘指标推广到可以处理时滞系统的情形.深入分析了Pade近似所引入误差,揭示了采用Pade近似的可行性与有效性.所提出的方法能够用最小二乘类算法高效求解,无须困难的非线性优化.仿真验证了所提出方法的有效性.     

热工控制对象的不同控制方案的鲁棒性分析

针对热工控制对象模型的复杂性和参数不确定性,首先运用二步线性最小二乘法进行模型降阶,将对象模型降为二阶,然后对二阶模型设计定值控制器并进行控制器参数优化,包括:PID控制、鲁棒控制、内模控制和模糊控制的控制方法进行鲁棒稳定性分析、比较,得出分析结果.这一研究意义就在于,在理论分析及仿真试验的基础上找出最为适合热工控制对象参数时变这一特性的具有较强鲁棒性的控制器设计方案,对实际的工程应用进行指导.     

非线性偏最小二乘建模方法及在近红外光谱建模上的应用

偏最小二乘算法(PLS)是常用的线性光谱建模方法。针对汽油在线调合中具有非线性特点的辛烷值、干点等属性应用PLS方法建立模型误差较大问题,本文提出了残差-递阶偏最小二乘的建模方法,该方法对已经提取成分后的自变量中剩余的信息再提取主成分,并将该主成分作为新的自变量参与回归建模。仿真验证结果表明:残差-递阶偏最小二乘方法建立的模型中验证集的样本数据误差均在正负0.2之间。残差-递阶偏最小二乘方法与偏最小二乘、递阶偏最小二乘叫-PLS)两种方法比较,残差-递阶偏最小二乘建立的模型有的更高的精度和模型适应性。     

基于非对称Lanczos 算法的线性分数阶系统模型降阶方法

采用非对称Lanczos 算法研究线性分数阶系统的模型降阶问题, 提出一种保持系统传递函数一定数量的分数阶矩的模型降阶方法. 根据Caputo 导数的运算法则给出线性分数阶系统的分数阶矩的计算方法; 利用非对称Lanczos 算法构造对应的非对称三对角矩阵; 根据非对称三对角矩阵的性质证明降阶系统与原系统具有相同的一定数量的分数阶矩; 给出降阶系统与原系统传递函数的误差估计, 为合理选择降阶系统的阶次提供理论依据. 数值实例的计算结果验证了所提出方法的有效性.

     

带约束条件的张量积Bézier曲面最佳降多阶

为了交换和存储不同造型系统中的数据,提出一种张量积Bézier曲面带约束条件的一次降多阶算法.该算法在保角点高阶插值情形下,利用原曲面顶点数组的降维方法和最小二乘法给出了Bézier曲面的最佳降多阶逼近;在给定降阶曲面的4条边界曲线的情形下,利用最小二乘法,对原曲面减去降阶曲面的4条边界曲线后所得到的新曲面进行无约束最佳降阶逼近;将保边界插值的降阶方法应用于拼接曲面,所得到的降阶曲面为整体C0连续.数值实验和逼近理论表明,文中算法比其他算法的精度高、效率高.     

无轴承永磁同步电机最小二乘支持向量机非线性建模

无轴承永磁同步电机的磁链特性表现为严重的非线性, 常规的解析法所建立的模型难以准确反映无轴承永磁同步电机的实际特性. 因此, 提出利用最小二乘支持向量机建立无轴承永磁同步电机非线性模型的新方法. 在介绍最小二乘支持向量机回归理论的基础上, 利用有限元法得到的样本建立了无轴承永磁同步电机的最小二乘支持向量机非线性模型, 并与神经网络方法进行了比较. 仿真结果表明, 所建模型具有较好的鲁棒性和预测精度. 最后给出了应用该模型实现无轴承永磁同步电机优化控制的方法.     

基于最小二乘的UWB信道盲估计算法

针对超宽带系统的离散信道模型,利用接收信号的一阶统计量,提出一种基于最小二乘（LS）的盲信道估计算法。利用接收信号的循环卷积特性,在一个符号间隔内建立模型,最后利用LS算法求解。仿真表明,该算法与基于导频序列的ML估计方法和LS估计方法相比,均方误差（MSE）性能相差不大,但计算复杂度明显降低,同时提高了系统传输效率。     

基于广义逆矩阵的Bézier曲线降阶逼近

研究了Bézier曲线的降多阶逼近问题.利用Bézier曲线本身的升阶性质,并结合广义逆矩阵的最小二乘理论,给出了一种新的降阶逼近方法.此方法克服了一般降阶方法中每次只能降阶一次的弱点,并且得到了很好的逼近效果.     

加权最小二乘联合遗传算法的无源定位

针对复杂环境下运动通信辐射源的无源定位,闭式解方法对于时频差模型中的测量噪声敏感且存在定位均方根误差较大问题.为了改善大观测误差下的定位性能,本文提出一种加权最小二乘联合遗传算法的递推式混合TDOA/FDOA定位方法.该方法首先利用已知站点观测大量时频差数据并建立误差模型,基于模型对定位过程中的多组时频差序列进行数据处理;其次通过加权最小二乘求解目标位置的初始值;然后采用改进的遗传算法在初始值的基础上通过多组时频差序列不断迭代、递推求解,修正位置坐标;最后利用位置估计和频差模型完成对目标速度估计.仿真结果表明,本文定位算法相比于经典两步加权最小二乘法具有更低的均方根误差,在大观测误差下能保持较高精度.同时相比于其他混合定位算法收敛速度快,可以有效减少计算量.