基于G-N算法的解析空间坐标旋转变换

摄影测量中,用像点坐标解求相应地面点坐标时,它涉及到坐标系统之间的坐标变换,这种变换是非线性的,理论计算时,一般是在假设旋转角为小角度的基础上进行的.本文提出一种适用于任何旋转角度的非线性最小二乘空间三维直角坐标转换算法,通过解多元函数极小值求取七参数最佳估值.与目前常用的一些方法相比,具有计算简便、收敛速度快、不依赖于七参数初值、便于程序实现等优点,并通过模拟算例验证了该方法的可行性.     

基于粒子群优化算法的变压器参数辨识

基于模型的变压器保护原理需要对变压器绕组参数进行精确辨识.利用双绕组变压器的参数辨识方程,使用粒子群优化算法,提出了新的参数辨识算法.消除了最小二乘法计算速度慢、计算量大的局限性,可以实现对变压器绕组参数的在线精确辨识.通过Matlab/Simulink对算法进行仿真,结果表明,该算法能够正确辨识变压器绕组电阻和漏感参数,具有较好的应用前景.     

基于颗粒参数测量方法的图像分割评价研究

提出了用图像颗粒参数测量方法来计算颗粒形状和粒度分布等,以此评价图像分割的精确度,并和已有的七种分割评价方法进行比较,通过仿真实验进行定性和定量的分析,证明此方法能更好地评价图像分割算法的优劣.     

带参数信息素的蚁群算法

针对蚁群算法搜索时间长、容易陷入局部最优以及参数选择难的缺点,提出了带参数信息素的蚁群算法.该算法使用新的信息素更新机制,使得蚂蚁具有更强的全局搜索能力;同时,算法引入参数信息索,使得蚂蚁能够按概率选择较合适的参数组合,在一定程度上解决了参数选择的困难.对旅行商问题的仿真结果表明,该算法是可行有效的.     

基于参数化技术的网格分割

为了构建曲面分片,对三角网格数据进行分割.传统网格参数化通过求解线性方程组,获取参数化结果后逆映射,然后通过局部参数化调整分片边界.新算法则完全不同.利用全局光顺参数化中的边归类结果,新算法对原网格边进行插点,然后重新三角化并光顺分割片边界.在保有网格特征的优点下,对原网格进行分割,并获取分片的光顺边界曲线.新算法使用参数化的技术和方法,而不是参数化结果,避免了求解线性方程组和复杂的局部参数化调整等方法,克服了方程组病态对算法鲁棒性的影响.     

双稳态随机共振系统参数选择快速算法及应用

针对双稳态随机共振(SR)系统参数选择困难的问题,提出了基于龙格库塔数值算法的随机共振参数选择快速算法,并将其应用于目标线谱检测.首先对双稳态SR系统进行参数归一化,在此基础上提出了由输入信噪比来选择系统步长,并根据归一化频率和谐波估计幅值和来计算SR系统参数的参数选择快速算法.该算法能够对不满足绝热条件下的高频或大尺...     

三种相量算法在变压器绕组参数辨识中的应用

为了能够及时、准确地检测出由变压器绕组形变而导致的故障,需要选择一种更加精确、稳定地辨识变压器绕组参数的相量算法.对傅里叶、递推最小二乘和卡尔曼三种相量算法在变压器绕组参数辩识中的计算精度进行了理论上的分析,并且把三种算法运用于实际变压器绕组参数辨识中,进一步分析了三种算法的计算精度.对辨识结果的误差分析表明,用卡尔曼算法进行参数辨识不仅计算精度较高而且计算结果比较稳定,卡尔曼相量测量算法在变压器绕组参数辨识中的应用为准确检测变压器绕组故障提供了基础依据.     

一种基于压缩感知的MR成像的新方法

FCSA(Fast Composite Splitting Algorithm)是一种用压缩感知理论进行MR重建的有效算法,它在重构时间和图像重构质量上相比其他算法有明显优势.但是,当算法选择不同的参数时,重建效果不稳定.本文对该算法进行了改进,以减少由人为选择不同的参数所带来的对重建效果的影响.实验表明,改进后的算法在参数选择不同时,重建效果都能够得到保证.     

基于非线性原-对偶内点算法的电力系统无功优化

以电力系统中无功优化的非线性规划模型为基础,采用原对偶内点算法进行全局寻优.文中通过对障碍参数确定方式的研究,根据障碍参数的物理本质以及电力系统本身的特点,提出了在运用原对偶内点算法分析电力系统无功优化时,应根据不同物理意义的变量来确定相应障碍参数的方法.在此基础上,分析了障碍参数中加速因子对算法的影响,提出了加速因子的动态确定策略.在对IEEE 118节点系统进行的计算分析表明本文算法收敛性好、计算速度快.     

基于模拟退火算法与隐马尔可夫模型的Web信息抽取

典型隐马尔可夫模型对初始参数非常敏感,采用随机参数训练隐马尔可夫模型时常陷入局部最优,应用于W eb信息抽取时效果不佳.文中提出基于模拟退火算法与隐马尔可夫模型的W eb信息抽取算法.通过实验比较选择最佳的模拟退火算法参数,结合Baum-W elch算法优化隐马尔可夫模型并应用于W eb信息抽取.实验结果表明新算法在信息抽取的精确率和召回率都有明显的提高.     

带形状参数的七阶均匀B样条

给出了带形状参数的七阶均匀B样条基函数,使七阶均匀B样条基函数是它的一个特例.由带形状参数的七阶均匀B样条基构成的B样条曲线可通过改变形状参数的取值而调整曲线的形状并且可以调整曲线接近其控制多边形的程度.     

基于多尺度的GVFSnake算法研究

为解决梯度矢量流GVF蛇形算法选用图像参数困难的问题,提出了基于多尺度的GVF Snake算法.通过对各种图像的处理实验,结果表明,该算法有效地克服了GVF选用参数的困难.     

基于粒子群算法的深基坑岩土力学参数反分析

运用人工神经网络对深基坑岩土参数进行反分析时,将粒子群算法与BP算法融合,充分发挥了粒子群算法全局寻优的能力和BP算法局部细致搜索优势.实例证明,应用该方法可提高模糊优选人工神经网络的训练效率,预估的岩土力学参数合理.     

粒子群算法中参数的实验与分析

粒子群算法(PSO)中参数的选择是一个重要研究方向,参数的设置常依靠经验来确定,从而造成工作量大且难以得到最优的参数组合,影响了算法的使用.针对以上情况,本文使用3个测试函数对粒子群算法和收缩因子方法(CFM)中的收缩因子、速度约束和种群规模等重要参数进行了系统的实验和分析,并且提出了参数取值策略.实验证明本文提出的参数取值策略能明显地改进PSO算法性能,具有一定的实用价值.     

广义混合变分不等式问题的带变参数的非精确隐式算法

提出了一种求解广义混合变分不等式问题的带变参数的非精确隐式算法,并从理论上证明了新算法对具有全局收敛性.另外,由于算法中的参数在某些区间上取值,从而增强了算法的适应性.     

异步电动机的参数在线辨识的实用算法

通过对异步电机数学模型的推导,提出利用基于最小二乘参数辨识自适应算法在线辨识异步电动机参数.该算法能有效消除实际用于参数辨识的采样电流滤波问题,在异步电机匀速或变速运行情况下均能可靠辨识系统参数.MATLAB仿真测试表明所提方法的有效性.     

风电机组功率曲线参数模型求解方法研究

风电场精益化运行与管理对风电机组功率曲线(WTPC)模型提出了更高的要求.首先分析WTPC的五参数模型以及粒子群算法和双中心粒子群算法的基本原理.其次给出双中心粒子群算法优化WTPC五参数模型的方法.最后通过GA、PSO和DCPSO优化WTPC五参数模型的算例证明五参数模型的有效性,且DCPSO算法优化WTPC五参数模型较GA和PSO更具优势.     

复值信号盲分离固定点迭代算法

复值非高斯最大化算法是一种针对任意复值非高斯混合信号的自适应盲源分离算法,算法需要人为设置步长调节参数.在信号源和信道参数未知的条件下,很难选择合适的步长调节参数,步长过小,则收敛过慢,步长过大,则容易发散.针对这一问题,在该算法中引入归一化惩罚函数构造出新的代价函数,直接对复值变量的代价函数求导优化,得到2种新的不需要步长调节参数的固定点复值混合信号盲源分离算法.该算法不但可以同时分离常态和非常态信号,而且计算量小,分离误差小,算法稳定时需要的采样点数少,尤其是不需要设置步长调节参数,使该算法更加具有实用价值.仿真实验验证了算法的有效性.     

基于预估-校正公式的参数曲线插补算法

为减小插补输出速度的波动,提出基于预估 校正公式的参数曲线插补算法.该算法包括插补预处理和实时插补两部分.插补预处理采用S曲线加减速算法规划插补速度,得出插补速度与时间关系.实时插补用Akima插值法计算插补速度,用五阶龙格 库塔法计算参数的初值,用五阶预估 校正公式计算下一插补参数.对比研究了提出的算法与基于泰勒级数展开插补算法对同一条参数曲线的插补效果,结果表明,与基于泰勒级数展开算法相比,在数控加工中,提出的算法可减小插补输出速度波动,提高机床运动的平稳性,提高加工精度.     

基于协同神经网络算法的红树林物种识别

为解决采用遥感技术监测红树林群落存在的识别率较低的问题,提出了一种基于协同神经网络算法的红树林图像识别方法.首先,采用协同神经网络算法中的平衡网络参数方法对红树林图像进行识别.其次,利用微粒群算法对平衡参数方法进行改进.实验结果显示,该方法对红树林图像识别效率达到88.0%,显著优于传统的协同神经网络算法的识别率(78.0%),因此该方法具有良好的应用价值.