振荡函数的移动最小二乘逼近方法

移动最小二乘法在求解偏微分方程数值解中得到广泛使用,但是用等距节点逼近振荡函数时逼近精度不高,针对这一问题,用适应函数变化的非均匀节点离散求解区域,与之相适应,移动最小二乘法中权函数的支撑域半径也随节点密度变化,这里用基于领域搜索算法确定支撑域半径。数值算例表明,在移动最小二乘法中,用适应节点变化的节点集及基于领域的搜索算法确定支撑域半径能够有效减小逼近误差。     

二维气动问题中Kriging代理模型精度影响因素

以二维跨声速临界翼型的阻力特性为对象,探讨样本点数目、Kriging代理模型参数及其类型等对模型精度的影响.阻力系数采用计算流体力学（CFD）方法得到.模型精度的验证采用交叉验证方法,采用平均误差、最大误差和标准交叉验证残差来衡量Kriging代理模型的精度.研究结果表明:①Kriging代理模型预测气动阻力效果较好.②模型精度随样本点的增多而提高,剔除与样本点响应趋势不相符的“奇异点”后,模型精度显著提高,平均误差减小5%~38%,最大误差减小13%~77%.③核函数类型对模型精度的影响最大,相关参数次之,回归模型的影响最小.采用高斯相关函数、2阶多项式回归模型,以及合适的相关参数值时,Kriging代理模型的精度最高.      

固定影响平行数据模型参数的偏最小二乘估计及应用

当平行数据的解释变量之间存在严重的多重共线性,或者样本点个数与解释变量个数相比较少时,用经典方法求解模型(如最小二乘法等)误差偏大,难以满足实际要求.针对这种情况提出了用偏最小二乘法思想求解固定影响平行数据模型,并且实例表明误差明显减少,可以满足建模和预报的要求.     

多项式响应面代理模型在直升机飞行性能计算中的应用

在直升机飞行性能计算中,越来越多地采用了高精度的飞行力学模型,导致计算精度和计算量之间的矛盾更加突出.采用多项式响应面代理模型可以有效解决计算精度和计算量之间的矛盾.构造多项式响应面代理模型,首先需确定拟合阶数和采样点,再使用高精度飞行力学模型计算各采样点的需用功率,然后使用修正的Gram-Schimdt正交化方法和上三角追赶法求解最小二乘法问题得到拟合系数,最后检查代理模型的拟合精度.对算例直升机进行代理模型计算结果、原始模型计算结果和试飞结果的对比,再利用代理模型进行箅例直升机气动参数可行域求解,证明本方法拟合精度高,构造过程数值稳定,相比传统原始计算,计算速度快,没有收敛性问题,方便多人协同工作和前后工作衔接,具有很高的工程实用价值.     

递推阻尼最小二乘法及其在火控系统中的应用

由于火控系统误差模型未知且稳定性较差,采用Kalman滤波实现滤波时,其滤波特性较差;而此时最小二乘法是实际工程应用中的常用方法,但是容易产生参数爆发现象。文中提出了一种基于多输入-多输出(MI-MO)系统的递推阻尼最小二乘法,将其应用到火控滤波系统中。仿真结果表明,利用递推阻尼最小二乘法能达到递推最小二乘法同样的精度,且能明显抑制参数爆发现象,达到良好的滤波效果。     

非线性偏最小二乘回归法在均匀设计响应面法中的应用

 针对目前多维变量可靠度分析中广泛应用的均匀设计响应面法(RSM),指出了使用最小二乘(LS)法拟合拟线性回归模型时存在的局限性,并提出采用拟线性偏最小二乘(PLS)法来回归响应面系数。由于拟线性回归法限制了模型的形式,精度提高有限,结果也很不稳定,因此又提出用基于样条变换的偏最小二乘回归模型代替拟线性回归模型并用于结构失效概率的计算,既能处理最小二乘法无法解决的变量间多重相关性的问题,又能避开拟线性回归中预先对模型形式的假定。通过算例验证了基于样条变换的偏最小二乘法的适用性和有效性,尤其对于多维变量非线性程度较高的可靠度分析,与普通最小二乘法拟合的响应面相比,其模型更加精确,失效概率精度更高。     

基于Kriging形函数的线性时变结构模态参数辨识

近年来,对航空航天飞行器随时间变化的动力学特性研究需求越来越迫切。仅输出参数化时域的时变时间序列模型以其结构简约、精度高且跟踪能力强而成为研究热点,尤其是泛函向量时变自回归(FS-VTAR)模型已经得到了广泛应用。然而传统的FS-VTAR模型在保证其辨识优势的同时却需要针对不同时变结构选择合适的基函数形式及较高的基函数阶数,该过程相当复杂且耗时。本文借鉴无网格法中移动最小二乘(MLS)法构造形函数的思想,提出一种基于Kriging形函数的线性时变结构模态参数辨识方法。该方法首先引入自适应于辨识信号的Kriging形函数;再把时变系数在形函数上线性展开,利用最小二乘(LS)法得到形函数的展开系数;最后把时变模型特征方程转换为广义特征值问题提取出模态参数。利用时变刚度系统非平稳振动信号验证该方法,结果表明:基于Kriging形函数的FS-VTAR模型相比于传统的FS-VTAR模型能有效地避免基函数形式的选择和较高的基函数阶数,且精度相当;相比于移动最小二乘法能有效地解决其数值条件问题且具有更高的模态参数辨识精度。     

基于递推平方根法的神经网络模型辨识

提出一种基于递推平方根法的神经网络模型辨识方法,对Davidon最小二乘法和阻尼最小二乘法进行了改进,既保持了二者简单易行、收敛性的优点,又能提高精度,减少计算量,适合于应用在非线性系统的辨识和自适应控制中。与常规的Davidon最小二乘法和阻尼最小二乘法进行仿真比较,体现出了这种方法的有效性,尤其是在输入及隐含节点个数较多的情况,其优点比较明显。     

最小二乘法在计量经济模型中的应用

本文从古典计量经济模型的建立谈起，又从异方差模型，自相关模型和联立方程模型中，论述了由最小二乘法派生出的加权最小二乘法、广义最小二乘法和间接最小二乘法等。     

一种基于功率谱估计的图像相位匹配方法

相位相关法作为常用的相位匹配技术在使用中会遇到相位卷绕问题,一般频域求解方法需要进行相位解绕和最小二乘或RANSAC拟合,但相位解绕过程繁琐,且最小二乘拟合法易受噪声干扰,RANSAC拟合方法时间开销大.为此,提出了一种基于平均周期图法功率谱估计的相位匹配方法,将空间域问题转化到频域内求解,并成功规避了相位解绕步骤,相位匹配精度达到了亚像素量级.与经典频域分析方法对比,方法可在规避相位解绕的同时获得精度相当的有效结果.最后对方法的分辨精度进行了仿真分析,实验结果证明能够达到亚像素级的视差分辨率,为相位匹配在频域中的研究提供了新的思路.