病态整体最小二乘的迭代正则化算法

当误差含变量(EIV)模型的设计矩阵病态时,采用普通整体最小二乘(TLS)算法得不到稳定的数值解。为了减弱病态性,在整体最小二乘准则的基础上附加解的二次范数约束,组成拉格朗日目标函数,推导EIV模型的正则化整体最小二乘解(RTLS)。然后将RTLS的求解转换为矩阵特征向量问题,设计一个迭代方案逼近RTLS解。通过L曲线法求得正则化因子来确定正常数,从而避免人为选择正常数的随意性。数值实例表明,提出的迭代正则化算法是有效可行的。     

平差模型的影响分析

概括了平差模型的影响分析的主要成果,研究了带约束的参数平差模型应用随机模型的协方差阵扰动影响的分析问题,建立了＾ＸＢ（Ｇ）与＾ＸＢ的一些关系式,这里＾ＸＢ（Ｇ）是扰动模型的未知参数向量Ｘ的最小二乘估计,＾ＸＢ是带约束的参数平差模型的Ｘ的最小二乘估计。此外还定义了扰动模型的ＷｅｌｓｃｈＫｕｈ统计量与Ｃｏｏｋ距离,给出了它们的简单计算式。     

矩阵奇异值分解与广义岭估计及其在测量中的应用

在测量等许多工程领域中,存在因函数模型结构差即设计矩阵病态、致使未知数的最小二乘估计偏差太大且不稳定的问题,因此,研究了使用矩阵奇异值分解和广义岭估计进行数据处理的方法。首先,简述了矩阵奇异值分解及广义岭估计的理论与性质;然后,重点比较研究了它们解算病态方程的思想、途径、对关键问题的处理、适应范围、工作量大小等;最后,通过摄影测量算例验证了所得结果。并且指出,奇异值分解方法应用于病态方程的参数解算,是一种易于操作、效果更好的方法,有重要的应用价值。     

基于RELS方法的激光焊接过程非线性辨识

激光焊接过程是一个很复杂的非线性系统,用机理建模法很难得到系统的数学模型,通常采用基于输入输出数据的系统辨识方法。考虑到实际系统通常伴随着有色噪声,本文采用递推增广最小二乘法(RELS)辨识。这种方法考虑了噪声模型,可以得到模型参数的无偏最小方差估计。试验数据和模型仿真的拟合效果表明,递推增广最小二乘法是激光焊接过程非线性辨识的一种行之有效的方法。     

机床主轴热误差的累积法建模研究

为实现数控机床热误差的快速精确建模,提出一种基于累积法的机床热误差建模新方法。对一台立式加工中心,利用温度传感器与非接触式激光位移传感器同步测量主轴温度变化及热变形值,对获取的模型数据进行累积算子求和,构建累积矩阵及热误差正规方程来估计模型中的参数以实现热误差建模。利用该方法构建的热误差模型分别与最小二乘法(LS)、最小二乘支持向量机(LSSVM)模型进行对比,结果表明:累积法的建模精度要高于最小二乘法,且建模时间比最小二乘支持向量机法要少。     

基于改进移动最小二乘法的数据拟合

已知的基于移动最小二乘法(MLS)的数据拟合存在较大的提升空间,提出了一种改进的移动最小二乘法(IMLS)。通过对正态加权函数与两种典型加权函数的分析与对比,证明了正态加权优越的拟合性能。以正态加权作为加权函数对移动最小二乘法进行了改进,并对其影响半径与形状参数对拟合性能的影响进行了深入研究,给出了曲线拟合和曲面拟合的数值实例,数值算例和测量数据处理表明,改进的移动最小二乘法在曲线拟合和曲面构造方面性能优于移动最小二乘。     

基于最小二乘配置的预行程误差模型

为数控机床在线检测中预行程误差影响测量精度问题,对预行程误差的补偿方法进行了研究。在分析了在线检测系统中触测探针触发过程存在的预行程误差问题,提出了一种基于最小二乘配置法的预行程误差预测模型。并通过实际算例,验证了所提出的方法的精确性和有效性。同时与RBF神经网络模型的预测结果进行了对比分析。结果表明,最小二乘配置模型拟合残差较小,相应的在线检测预行程误差模型预测效果更好,预测精度相比高出38.86%。     

基于GA-LSSVR的铣削加工变形预测

为了解决传统预测方法铣削加工变形预测精度低等问题,文章提出基于遗传算法优化最小二乘支持向量回归法( GA-LSSVR)的铣削加工变形预测方法,首先,提出了基于遗传算法优化最小二乘支持向量回归法的铣削加工变形预测原理,其中通过遗传算法优化最小二乘支持向量回归模型参数,以获取高性能的最小二乘支持向量回归模型.实验结果表明,基于遗传算法优化最小二乘支持向量回归法的铣削加工变形预测精度高于支持向量机.     

最小二乘支持向量机弯曲回弹元模型技术研究

影响大尺寸高强度U型折弯件回弹的变量众多,使得其弯曲回弹难以控制。提出一种基于约束的高斯过程潜变量(RGPLVM)筛选技术来进行最优变量的筛选和降维。将筛选出的变量作为决策变量,并以最小二乘支持向量机(LSSVM)为基础,构建了大尺寸高强度U型折弯件的最小二乘支持向量机(LSSVM)元模型。分别以支持向量机(SVM),LSSVM和BP神经网络为模型进行预测,并将预测结果与实际工程零件进行对比。结果表明LSSVM模型的预测结果更为接近实际零件的回弹情况,从而验证了所提方法的可行性。     

液压系统能耗辩识回归模型的优选

本文对液压系统能耗辩识回归模型,进行了复共线性珍断,说明了该模型的自变量间含有严重的复共线性,致使古典最小二乘估计变坏。为此,采用岭回归这种有偏估计来克服复共线性,并借助岭迹进行回归模型的自变量选择,优选液压系统能耗辩识回归模型,这种方法既能克服复共线性,又有利于认清各回归变量的作用及其相互关系,且所得模型优于逐步回归法所得模型,有普遍实用意义。     

数据处理的等间距化GM(1,1)模型与方法

分析数据处理的现状后，运用灰色系统理论，建立了数据处理的等间距化GM(1，1)模型，给出了精度检验方法。编制了MATLAB程序，给出了数据处理实例。该模型不仅适合于等间距建模，也适合于非等间距建模，具有精度高、使用简便等特点，值得在数据处理中推广使用。     

基于平差优化技术的高精度三维标定方法

为提高工业机器人、自动化校准设备等智能系统的整体精度,基于罗德里格矩阵和最小二乘法拟合建立数学模型,解决了三维直角坐标系之间转换关系的工程应用问题。采用基于冗余测量数据的平面平差优化技术和定位坐标点的间接测量方法,提升了局部坐标系建立的精度。针对坐标点接触式测量和非接触式测量的技术缺陷,提出了采用激光跟踪仪测量终端,用标定工装辅助实现间接测量的方法,能通过多点的接触式间接测量保证被测定位坐标点的精度。最后经过多次试验验证了方法的可行性。     

基于最小二乘法的脉冲MIG焊参数一元化调节

针对数字化焊机焊接参数复杂繁琐,不易于实现大规模工艺试验的特点,提出了一种基于最小二乘法的脉冲MIG焊参数一元化调节方法.该方法利用经工艺试验得到的大步距标定的焊接电流与各种焊接参数的拟合关系,得到最佳的拟合曲线,充分利用了所有的经试验得到的理想数据,并且容易实现软件编程,算法简便,可快速实现大范围内对焊接参数的连续调节.通过对单脉冲、双脉冲焊接参数的拟合处理并且进行试焊,焊接过程稳定,能够得到成形美观、飞溅较少、鱼鳞纹清晰的焊缝.结果表明,该拟合方法稳定、可靠、可行.     

储油罐检测机器人性能综合评价

储油罐检测机器人技术发展较快,但缺乏合理的性能评价方法。构建统一的储油罐检测机器人性能评价指标体系,提出一种以序关系分析(G1)法和基于层间相关性赋权法(CRITIC)确定权重、引入功效系数法与虚拟云改进云模型的综合评价方法。建立7个机器人的指标数据集,通过序号总和理论与众数理论与多种评价方法作对比。结果表明：云模型的评价方法有效性测度更高,且机器人的性能大多处于中等水平,还有很大的改进空间。     

压电驱动的快刀伺服器的迟滞逆模型辨析与自抗扰复合逆控制

为了提高具有表面微结构零件的超精密加工中快刀伺服器的轨迹预测和跟踪精度与抗干扰性,设计一种新型复合控制:在前馈控制器中用Preisach逆模型补偿系统中压电陶瓷驱动器引起的非线性特性;针对前馈控制器未能补偿的非建模扰动、模型参数的不确定性以及其他外界未知扰动,设计了自抗扰控制作反馈控制器。推导了Preisach逆模型;用RBF神经网络实现了Preisach逆模型对压电陶瓷驱动器的线性化补偿;通过对快刀伺服器的建模分析,得到惯性环节和二阶振荡环节串联的等效模型,设计三阶四维扩张状态观测器,可对未知扰动的观测结果作出实时估计和补偿。根据快刀伺服器和超精密车削的特点,取消跟踪微分器,增加速度输入和加速度输入,设计了改进的自抗扰控制器。上述两种控制器组合成复合控制器。实验表明,该复合控制方法可以提高预测和跟踪精度与抗干扰性。     

基于LASSO-WOA-LSSVM的海洋管线外腐蚀速率预测

目的 构建海洋管线外腐蚀速率预测模型,提高海底油气管线外腐蚀速率预测的准确性.方法 建立基于套索(LASSO)回归和鲸鱼优化算法(WOA)的最小二乘支持向量机(LSSVM)腐蚀速率预测模型,采用LASSO回归方法对指标进行筛选,提取海洋管线腐蚀的主要影响因素.应用最小二乘支持向量机算法建立海洋管线外腐蚀速率预测模型,并使用鲸鱼优化算法对模型参数进行优化,避免了参数取值对模型回归性能的影响.以海洋挂片实验为例,通过MATLAB进行模拟仿真,分析验证模型预测结果,并将预测结果与其他模型进行对比分析.结果 LASSO回归算法筛选得到影响腐蚀速率的主要因素为:温度、溶解氧含量、pH值.采用WOA-LSSVM模型所预测的结果与实际值较为吻合,其平均相对误差为2.23％,均方根误差(RMSE)为0.3248,决定系数R2达到0.9708,均优于其他两种模型.结论 基于LASSO回归和鲸鱼优化算法的最小二乘支持向量机预测模型具有更优的泛化能力和预测精度,为海底管道腐蚀研究工作提供了新思路,也为海洋油气输送系统的结构安全与风险防范提供了参考.     

基于递推最小二乘法的SCARA机器人动力学参数辨识研究

为了提高SCARA机器人在工业场合中的工作精度,对其动力学模型进行分析是有效途径之一。建立机器人拉格朗日动力学方程并进行线性化处理,得到一组关节力矩和待辨识参数的线性表达式。选取有限项傅里叶级数作为激励轨迹模型,并使机器人启停时关节角速度和角加速度为零,确保机器人运行平稳。再将线性表达式中观测矩阵的条件数作为优化指标,并结合MATLAB优化工具箱,获得关节最优激励轨迹系数。最后通过递推最小二乘法获得待辨识参数,并代入关节力矩表达式中,并与实际采集力矩值进行比较,确定两者变化趋势。结果表明:实验能够获得较为理想的效果,经过辨识计算所得关节力矩可用作相关领域的动力学控制。     

异型断面型钢冷却预弯模型及其算法的研究与应用

针对异型断面钢轨在冷床不受约束条件下冷却后产生弯曲变形的问题,需提前进行反向预弯。采用先进控制理论,对钢轨预弯模型及算法进行了研究,采用工业相机对冷床上轧件进行实时扫描,获得钢轨实际弯曲数据,采用最小二乘算法,回归得到模型参数;采用细菌觅食方法,选取控制系统最优调节参数。经过仿真计算及现场生产试验,表明该模型及算法能有效提高钢轨平直度;同一批次轧件随算法应用次数的增加,轧件弯曲度减小;在算法应用前期,轧件弯曲度减小的速度明显比后期要快,后期轧件弯曲度改变较稳定。     

基于最小二乘支持向量机建模的电液伺服系统故障检测方法

基于最小二乘支持向量机建模的方法,研究了电液伺服系统的故障检测问题.介绍了基于最小二乘支持向量机进行建模的基本原理,分析了电液伺服系统所存在的非线性和故障模式,给出了基于最小二乘支持向量机建模进行故障检测的方法,试验结果表明,由支持向量机模型预测输出与实际输出相比较所形成的残差,能够准确地反映故障发生与否的情况;同时,与神经网络方法和普通的支持向量机方法相比,最小二乘支持向量机方法更适合工程应用,效果更好.     

基于Ansoft软件的钢管漏磁检测三维有限元仿真研究

介绍了钢管漏磁检测技术原理,利用三维电磁场有限元分析软件Ansoft实现了钢管缺陷漏磁场的仿真计算。根据实测的钢管磁化曲线,确定了励磁线圈的工作电流和测量元件的提离值,获得了最佳的信噪比。采用网格自适应剖分和自定义剖分相结合的方法解决了检测区域磁场解的收敛性问题,保证了计算的准确性。该研究可用于漏磁检测中缺陷的定位和定量识别。