OFDM放大转发双向中继系统的自适应信道评估方案

为了提高信道频谱效率和放大转发双向中继信道估计的精确度，提出了一种低复杂度的双向中继网络自适应信道估计算法。双向中继网络采用正交频分多路复用技术（Orthogonal Frequency Division Multiplexing，OFDM）调制技术。该算法通过构建阵列块，结合多通道二维递归最小二乘方法来实现自适应滤波器。相比传统二维递归最小二乘方法，该自适应滤波器的计算复杂度更低。研究分析和Matlab仿真结果显示相比传统算法，提出算法的均方误差性能有所改善，具有较高的信道估计精确度。     

改进非线性自适应卡尔曼滤波器滤波效果分析

为解决机械系统特别是航空液压管路系统振动过程中存在诸多噪声干扰、难以保证对有效振动信号进行准确分析的问题,结合非线性自适应算法、最小二乘法及传统卡尔曼滤波器,设计改进非线性自适应卡尔曼滤波器。通过仿真,在模拟的振动信号中加入随机噪声,并且将滤波前后振动信号的时域图和频域图进行对比。通过实验数据进行滤波效果对比,验证非线性自适应卡尔曼滤波器滤波效果的优越性。     

基于RLS自适应滤波算法的广义互相关时延估计方法研究

为了提高低信噪比环境下信号传输时间延迟的估计性能,将RLS自适应滤波算法与广义互相关时延估计算法相结合,提出了一种基于RLS自适应滤波的广义互相关时延估计(RLS-GCC)方法。该方法先对信号进行滤波预处理以提高信噪比,然后通过广义互相关运算实现时延估计。通过改变RLS自适应滤波算法中的参数大小,分析了RLS自适应滤波算法中滤波阶数、遗传因子等参数对RLS-GCC算法的影响,并通过与广义互相关算法、二次相关算法的对比时延实验,研究了RLS-GCC的时延估计性能。仿真结果表明,在低信噪比环境下,RLS-GCC方法比广义互相关算法和二次相关算法具有更高的时延估计准确率和更低的估计误差。     

改进K-means聚类算法的自适应Canny算子工件边缘检测北大核心

针对传统Canny算子在复杂工件边缘检测中存在识别相似度低,工件边缘连续性与鲁棒适应性差的问题,提出了一种改进K-means算法的自适应Canny算子工件边缘检测技术。首先,进行相关复杂工件的形态学预处理操作,通过改进K-means算法进行分割与融合图像;其次,改进Canny算子的梯度方向与自适应度,Otsu阈值分割处理,使用最小二乘法拟合工件孔洞锯齿边界;最后,将得到的边缘结果与传统Canny算子图像进行对比,结果表明改进后图像的峰值信噪比(PSNR)与相似度(SSIM)有所提升。实现了复杂相似工件的自适应边缘检测,为算法结合图像边缘处理技术提供了一定的参考价值。     

基于改进粒子群算法的平行度误差评定

目前最小二乘法普遍应用于误差评估,但其只适应于精度要求比较低的场合,且用最小二乘法只能是对形位误差的近似计算,误差值不是唯一的。为了精确的评估平行度误差,根据新一代GPS标准,建立了符合最小区域条件的平行度误差评定数学模型。针对平行度误差评定特点,采用一种动态改变惯性权重的自适应粒子群算法,来实现误差的优化评定。最后通过平行度的典型实例来验证该方法的可行性和有效性。     

基于有向点云数据的二次曲面拟合算法

针对有向点云数据的特点,提出了一种基于几何距离的二次曲面（如平面、球面、圆柱面）拟合算法。该算法利用非线性最小二乘法Levenberg-Marquardt进行求解,并基于二次曲面的高斯图特性给出了拟合算法的初始值估计方法。实验证明所提出的拟合算法能够有效地解决有向点云数据的二次曲面拟合问题。     

一种数控折弯加工多参量非线性补偿新方法

对复变量移动最小二乘法及其基函数、紧支域半径等重要参数进行研究,针对它在非均匀采样点集应用上的不足,提出一种待拟合点紧支域半径随采样点区域稀疏程度动态调整的改进型复变最小二乘法,并将其应用到数控折弯机的多参量非线性补偿中,对多组拟合数据进行对比性曲线拟合以及曲面拟合。结果表明:与传统的复变量移动最小二乘法拟合曲线相比,改进型复变最小二乘法在计算复杂度、平滑性以及精度尤其是点密集区域的精度等方面都取得了较大的改进。     

基于三维测距和LS-LM的传感器网络节点定位研究（英文）

为了有效提高无线传感网中三维测距节点定位的精确度,提出了一种基于三维测距和LS-LM的无线传感网节点定位算法。首先,运用了海伦公式的四面体体积公式,结合平面上向量旋转2维变换,在仅需要3个锚节点的情况下就能够得到估计距离和方向。其次,针对锚节点数量大于3的情况,利用Least-Square Levenberg-Marquardt (LS-LM)算法对目标节点的估计位置进行了优化。实验验证了提出算法在无线传感器网三维定位的可行性。仿真结果表明:与传统的3维LM和类似算法相比,提出算法的性能更好,定位精度提高了约8%。     

六自由度机械臂反向动力学递推算法研究

针对多自由度串联型工业机械臂反向动力学求解问题,提出一种基于解耦自然正交补的反向动力学递推算法。通过六维旋量描述相邻连杆的速度约束,用自然正交补矩阵构建关节速度与六维旋量之间的关系。采用非解耦的Newton-Euler方程建立机械臂的动力学模型,当考虑连杆间的速度约束时,将该动力学模型用基于自然正交补的方法进行解耦,形成机械臂反向动力学递推算法,得到动力学模型的最小阶形式。以KUKA KR5六自由度机械臂为例,在仿真环境下对所提算法的有效性进行验证。结果表明:与其他4种算法相比,该算法计算复杂度低、计算效率高;该算法计算效率比ADAMS高67.7%。     

基于改进遗传算法的含间隙平面二连杆机器人模型辨识研究

针对含间隙机器人难以建立较准确的数学模型问题,以含间隙二连杆机器人为例,分别运用最小二乘法、传统遗传算法和改进遗传算法对其进行参数辨识;其中改进遗传算法分别从编码方法、交叉算子、变异算子以及交叉概率和变异概率的自适应改进方面对传统遗传算法进行了改进,解决传统算法容易发生"早熟"现象的问题。研究结果表明:利用3种辨识法对含间隙二连杆机器人进行参数辨识时,改进遗传算法辨识精度最高,收敛速度最快。与传统的应用动力学建模相比,应用该辨识方法更方便快速,为构建含间隙机器人系统模型提供了参考。     

基于三维测距和LS LM的传感器网络节点定位研究

为了有效提高无线传感网中三维测距节点定位的精确度，提出了一种基于三维测距和LS LM的无线传感网节点定位算法。首先，运用了海伦公式的四面体体积公式，结合平面上向量旋转2维变换，在仅需要3个锚节点的情况下就能够得到估计距离和方向。其次，针对锚节点数量大于3的情况，利用Least Square Levenberg Marquardt (LS-LM)算法对目标节点的估计位置进行了优化。实验验证了提出算法在无线传感器网三维定位的可行性。仿真结果表明：与传统的3维LM和类似算法相比，提出算法的性能更好，定位精度提高了约8%。     

基于核递推最小二乘的转子故障诊断方法研究

将核递推最小二乘(KRLS)辨识算法应用到转子故障诊断中,提出一种基于KRLS的转子系统故障诊断方法。它通过引入核函数,将原始的非线性数据映射到高维特征空间使其线性可分,然后在高维特征空间中实施标准最小二乘算法。该方法具有计算量小、较高的稳定性和抗干扰能力。仿真和实验结果验证了该方法的有效性。     

硅锰合金埋弧熔炼过程中炉渣成分软测量

针对硅锰合金埋弧熔炼过程中炉渣成分检测难的问题,提出一种基于自适应差分进化(ADE)优化的约减最小二乘支持向量机(RLSSVM)软测量模型。该模型以硅锰合金熔炼过程的工况参数为实测数据集,首先通过斯密特正交变换获取高维特征空间核矩阵的基,然后利用Direct Kernel PLS回归计算得到约减最小二乘支持向量机软测量模型,并以最小化训练样本的均方差为目标函数,用自适应差分进化算法优化最小二乘支持向量机的核参数和正则化参数,将此模型应用于30 MW硅锰合金埋弧冶炼过程炉渣成分测量。结果表明:ADE-RLSSVM模型测量值与实际值的最大相对误差为7.3%,运行时间为21 min。     

机器人视觉引导中标定参数同步求解方法

在分析机器人视觉引导中各坐标系转换关系的基础上,提出一种基于最大似然估计的非线性机器人视觉引导标定参数的计算方法,该方法根据最大似然估计构造计算过程中矩阵变换测度函数,采用Levenberg-Marquardt算法求解非线性最小二乘问题,可一次性求解出摄像机标定参数和手眼标定参数。通过数值仿真和真实机器人标定实验,将计算结果与经典标定方法的计算结果进行了比较。结果表明:提出的算法相对于经典算法在估计误差、对噪声的敏感度和稳定性方面均有所提高。     

改进遗传BP网络在涡流检测中的应用

针对传统的BP算法存在收敛性能差,易陷入局部最小的缺点,在涡流无损检测的缺陷快速识别中,提出采用遗传算法(GA)作为神经网络的学习算法。为避免网络的过早收敛,对传统的遗传BP网络进行了改进,应用自适应算法选择遗传算子值。结果表明,与BP神经网络相比,改进GA神经网络的收敛性能和推广能力都有了显著提高。     

基于节点RSSI单跳距修正和LS-LM的无线传感网定位（英文）

为了有效改善无线传感网中无需测距节点定位算法的定位性能,提出了一种基于节点RSSI单跳距修正和LS-LM的无线传感网定位算法。基于距离向量-跳段算法原理,首先计算出参考节点的平均每跳距离,分析了未知节点与参考节点之间距离计算中的定位误差。其次,根据接收信号强度指示(RSSI)的大小设置了用于修正单跳距离的校正值。最后,利用最小二乘Levenberg-Marquardt (LM)算法来优化每个节点的估计位置。实验结果表明:与传统算法和某些现有的改进算法相比,提出算法的定位精度有所提高。     

值域空间的正交分解与参数分组估计

在分析了向量空间中最小二乘原理的基础上，依据Ｈｉｌｂｅｒｔ空间的可分性，提出并论证了值域空间的正交分解定理及其推论，从而揭示了从观测向量空间到值域空间的投影算子的特性，提出了参数分组估计方法和相应的估计公式，为研究参数向量间复共线性影响最小二乘估计质量提供了一种有效的方法。     

基于改进的最小二乘支持向量机的退火炉内带钢延伸量预测

带钢在退火炉内进行长时间加热的过程中,由于炉内温度、张力以及带钢运行速度等变量间具有多重相关性且存在生产数据噪声,从而难以准确预测炉内带钢的延伸量。本文提出了一种基于遗传算法的BP神经网络理论(GA-BP神经网络)与最小二乘支持向量机(LSSVM)理论相结合的算法用于目标函数拟合,该算法兼顾最小二乘支持向量机的全局与局部拟合能力,有效避免算法陷入局部最优的缺点,利用改进的BP神经网络算法优化选择LSSVM 模型的惩罚因子和核函数参数,以避免人为选择参数的盲目性,使LSSVM具有更好的泛化能力和预测精度。将该方法应用到退火炉内带钢的延伸量预测,通过现场生产数据仿真模拟进行非线性函数估计,结果表明：本文所提出的方法具有良好的预测精度,可以应用于实际生产。     

基于机器视觉的轴类零件几何尺寸测量

基于轴类零件的几何特征与CCD获取的零件图像,利用数字图像处理技术对轴类零件进行边缘检测,提出了一种自适应开关中值滤波算法,该方法滤除噪声效果明显,开发了轴类零件尺寸测量系统,实现了轴的尺寸及其参数的测量.实验结果表明,改进的滤波器可以较好的保存图像的二维边缘信息,且在允许误差范围内采用机器视觉的非接触测量方法可以实现对轴的基本参数的快速准确测量.     

基于节点RSSI单跳距修正和LS-LM的无线传感网定位

为了有效改善无线传感网中无需测距节点定位算法的定位性能，提出了一种基于节点RSSI单跳距修正和LS-LM的无线传感网定位算法。基于距离向量 跳段算法原理，首先计算出参考节点的平均每跳距离，分析了未知节点与参考节点之间距离计算中的定位误差。其次，根据接收信号强度指示（RSSI）的大小设置了用于修正单跳距离的校正值。最后，利用最小二乘Levenberg Marquardt (LM)算法来优化每个节点的估计位置。实验结果表明：与传统算法和某些现有的改进算法相比，提出算法的定位精度有所提高。