考虑不同路面附着情况的整车质量估计方法研究

利用带有遗忘因子的递推最小二乘估计,实现了一种整车质量估计方法,该方法考虑了不同路面附着情况对整车质量估计过程的影响,通过引入路面特征系数,实现了算法对不同路面附着情况的适应。基于Matlab/Simulink编写辨识算法并在CarMaker中完成仿真测试,测试结果表明所实现的辨识方法对整车质量估计的精度可控制在10%之内。此外,由于递推最小二乘估计方法和卡尔曼滤波方法之间的内在联系,通过推导表明了递推最小二乘估计方法是状态转移矩阵为单位阵的卡尔曼滤波方法的特殊形式,为2种估计方法的工程应用形式及调试过程提供了更全面的信息。     

基于FFRLS的多堆燃料电池系统功率分配方法

为减小多堆燃料电池系统 （multi-stack fuel cell system, MFCS）中单体燃料电池运行期间输出功率的大范围变化，提高MFCS平均效率，以保证各燃料电池长期稳定运行，针对大功率质子交换膜燃料电池 （proton exchange membrane fuel cell，PEMFC）系统，提出了一种基于遗忘因子递推最小二乘 （forgetting factor recursive least square，FFRLS）在线辨识地改进链式功率分配方法. 该方法利用FFRLS算法的实时在线辨识能力估算运行中的每个燃料电池最大效率范围 （maximum efficiency range，MER），并将其边界值作为约束参考值实时更新链式功率的限定区间；然后，依据负载需求功率变化和各燃料电池效率高低顺序分配各电堆出力；最后，在搭建的RT-LAB半实物平台上进行试验分析. 试验结果表明:与平均功率分配和传统链式功率分配方法相比，本文所提方法对MFCS效率分别提高了0.93%和1.95%.      

基于多维数据的高速公路服务水平实时判别方法

随着高速公路的不断发展,交通信息逐渐呈现多元化,而将这些信息进行整合并对高速公路服务水平进行实时判别,对于后期的交通控制管理及实时高效提供道路信息至关重要.本文考虑了时间、天气、出行日期等多因素的影响,选用车速、密度作为高速公路服务水平评价指标,结合最小二乘支持向量机与聚类分析相关算法,提出了一种基于多维数据的高速公路服务水平实时判别模型,以实现对高速公路服务水平的参数预测及实时判别.选用河北省237 360组训练样本数据和6 048组预测样本数据验证了该模型的有效性.结果显示,该模型获得了较高的判别精度和较好的预测效果,是一种有效的高速公路服务水平实时判别方法.     

THE PARALLEL RECURSIVE AP ADAPTIVE ALGORITHM BASED ON VOLTERRA SERIES

Aiming at the nonlinear system identification problem, a parallel recursive affine projection （AP） adaptive algorithm for the nonlinear system based on Volterra series is presented in this paper. The algorithm identifies in parallel the Volterra kernel of each order, recursively estimate the inverse of the autocorrelation matrix for the Volterra input of each order, and remarkably improve the convergence speed of the identification process compared with the NLMS and conventional AP adaptive algorithm based on Volterra ,series. Simulation results indicate that the proposed method in this paper is efficient.     

混合高斯自回归模型参数估计方法之LS-EM

混合高斯自回归模型对有色非高斯数据的概率密度和功率谱密度进行有效的拟合，而LS—EM算法则可解决这一模型的参数估计问题．描述了混合高斯自回归模型及其参数估计问题之后，导出了具体的LS-EM算法，并给出了一组仿真实例．这是一种参数耦合估计算法，首先基于传统的最小二乘技术得到功率谱密度参数粗估计，进行预白，然后应用EM迭代得到白激励的概率密度估计，并基于此构建一加权函数，以此权函数改进最小二乘算法，进而得到模型参数的精估计．     

非高斯AR序列参数的加权最小二乘估计

加权最小二乘估计是一种兼具精度与速度的非高斯自回归序列参数估计的优秀算法.使用混合高斯自回归模型描述估计问题之后,又从最大似然估计非线性方程组出发导出了与之近似的加权最小二乘估计线性方程组,并分析了加权函数的性质,给出了具体的两步实现算法.探讨了加权函数获得与激励方差估计2个细节问题,给出了一组实例.     

基于Hartley调制函数的线性连续系统参数模型辨识

借助于Hartley变换及Hartley调制函数微分性质,建立了参数模型直接估计的最小二乘算法.通过数字仿真分别辨识了一个二阶系统和四阶系统,研究了频率指数m和调制函数阶次n对辨识精度的影响.辨识结果表明:该方法简单实用,对噪声具有较强的抑制能力.     

A DYNAMICAL SYSTEM ALGORITHM FOR SOLVING A LEAST SQUARES PROBLEM WITH ORTHOGONALITY CONSTRAINTS

Introduction　　 During the past decade,many people havebeen interested in solving problems in optimiza-tion,matrix algebra,signal processing and manyotherfields by dynamical system(neural networks)algorithms[1～ 3 ] .The significance benefit is thatthis kind of algorithms can be realized by someproperly designed hardware (electronic implemen-tation) and thus desired solutions can often be ob-tained in a fast speed,real time algorithms forproblems considered are therefore provided.In thispaper…     

我国二代卫星导航系统定位技术研究

导航电文是卫星系统的一项关键技术,导航电文内容中卫星的星历反映卫星的在轨状态,主要讨论了第二代卫星定位导航系统的导航电文的内容设计和最小二乘估计方法在接收机定位中的应用。     

灰色新息GM（n,h）建模中的递推算法

在数据采样中,GM（n,h)模型是基于不断进入系统,并对系统造成影响的扰动因素所建立的灰微分方程。文章主要讨论灰色新息GM（n,h)模型的递推算法及其在实际应用中的意义。     

基于GARCH的短时风速预测方法

为提高高速列车运行的安全性,基于线性递归的差分自回归移动平均模型(auto-regressive integrated moving average, ARIMA)和非线性递归的广义自回归条件异方差模型(generalized auto-regressive conditionally heteroscedastic, GARCH),提出一种组合模型ARIMA-GARCH进行高速铁路强风风速的短时预测.首先对数据的非平稳性进行预处理,以降低数据非平稳性对所提模型的影响;其次建立线性递归的ARIMA模型对数据进行分析和预测;最后,引入非线性递归的GARCH模型对数据进行分析和预测.基于现场测量的样本仿真分析表明:相比原始数据,ARIMA-GARCH模型的预测精度较高且随着预测步长的增加,平均绝对误差仅从0.836 m/s增加到1.272 m/s;ARIMA-GARCH模型考虑了异方差这一非线性特性,其预测精度明显好于线性的ARIMA模型,其中超前6步预测的平均绝对误差精度提高11.54%.      

Composite Feedforward Compensation for Force Ripple in Permanent Magnet Linear Synchronous Motors

This paper presents a method for compensating the force ripple in permanent magnet linear synchronous motors(PMLSMs) by adopting a composite feedforward compensation scheme. Firstly, the vector control system of PMLSMs is described, and various force disturbances influencing the electromagnetic thrust are analyzed. As a result, the mathematical model of the whole system considering the force ripple is established.Then, a novel composite feedforward compensation scheme is proposed, which consists of a recursive least squares(RLS) parameter identification component and two feedforward compensation loops corresponding to the reference position trajectory and the force ripple, respectively. Finally, the effectiveness and advantages of the proposed composite feedforward compensation are demonstrated by simulation. The main incentive of this paper is the combination with the composite feedforward compensation loop corresponding to the reference position trajectory to improve the compensation effect of force ripple in PMLSMs.     

Fast affine projection algorithm for adaptive noise canceling and its application on the fetal electrocardiogram extraction

Aimed at the problem of adaptive noise canceling (ANC), three implementary algorithms, which are least mean square (LMS) algorithm, recursive least square (RLS) algorithm and fast affine projection (FAP) algorithm, have been researched. The simulations were made for the performance of these algorithms. The extraction of fetal electrocardiogram (FECG) is applied to compare the application effect of the above algorithms. The proposed FAP algorithm has obvious advantages in computational complexity, convergence speed and steadystate error.     

约束下考虑坐标分量误差相关性的直线拟合

直线拟合在曲线拟合研究及工程实践中受到广泛关注,常用的普通最小二乘和正交最小二乘忽略了坐标分量误差相关性的存在. 基于此,首先论证了在铁路线路整正中全站仪测量坐标点的纵横坐标间存在误差相关性,同时线路中直线的拟合受到相邻线元的约束;然后,基于极大似然估计及拉格朗日条件极值原理,推导出了顾及约束和坐标分量误差相关性的直线拟合通用模型,并给出了高斯-牛顿迭代算法搜索最优解;最后,采用了实测的数据进行了验证及测试. 试验结果表明:该方法能在任何误差分布情况下考虑约束估计直线参数及其精度;考虑坐标相关误差时,参数估计精度在约束及无约束下分别提高了9.2%和2.7%;高斯-牛顿算法在约束及无约束情况下分别仅6次及3次迭代就搜索出最优直线.      

BLIND DIFFERENTIAL ADAPTIVE MULTIUSER DETECTION

IntroductionThe problem of combating multi- access interfer-ence ( MAI) in CDMA systems has receivedgreat attention recently[1～ 3] . In Ref. [4 ] ,M.Honig employed a blind adaptive multiuser de-tector based on the minimization of mean- out-put- energy( MOE) to overcome MAI,and itre-quired no more knowledge than did the conven-tional single- user receiver.Surplus energy wasemployed to suppress the effects of multi- accessinterference and thus provided an optimal detec-tion solution. The…     

基于浮动车数据的随机路径选择模型参数估计

提出利用浮动车出行数据对城市路网多OD对logit 随机路径选择模型参数估计方法.首先采用相对阻抗,实现logit 模型参数无量纲化和单一化,将离散多项logit 模型转化为相对阻抗的连续概率模型;然后对多OD对的浮动车数据进行分区和权重处理,计算得到概率分布;最后在推导连续型概率密度和累积概率函数基础上,利用最小二乘法进行参数估计.以广州市浮动车数据对方法进行验证,结果拟合优度高,所得参数可有效反映实际路径选择行为.方法简单实用,特别适用于利用海量浮动车数据进行路径选择行为分析.     

最小二乘支持向量机在公路交通客流量预测中的应用

交通客流量预测是交通规划的重要内容,对于交通规划具有重要意义。利用最小二乘支持向量机理论,建立交通客流量预测模型,通过与BP神经网络预测模型实验结果进行比较,验证了其在交通客流量预测中的有效性。     

无中梁罐车牵枕结构的分析与优化

研究了无中梁罐车牵枕结构的优化设计.利用强度安全系数的概念和归一化方法确定了一个综合的目标函数,能反映整车的强度安全,并将构件的体积变化考虑在内.采用响应面法建立了优化问题的参数模型,为提高算法的收敛性,提出加权最小二乘法以拟合响应面函数,并给出两种确定权值的方法和有效性检验准则.结果表明:在重量不增加的条件下,通过构件刚度匹配的调整可以提高整车的安全系数.     

长自回归谱的快速滤波算法

本文提出一种快速递推滤波算法,用于估计自回归(AR)模型系数。数值试验表明高分辨率的功率谱都是由高阶AR模型构成,高阶范围内有一最佳阶数存在,由于本算法是一种最优滤波算法,对噪声不敏感,小数据量时优于Marple算法,大数据量时优于快速付利叶变换,从文献记载的结果以及我们计算的实例看,有较高的分辨率。从本算法原理还能派生出若干类似算法。     

非线性最小二乘问题数值迭代法的统一模型及其不适定性

通过综合归纳在路面模量反算和测量平差等领域中求解非线性最小二乘问题的各种数值迭代解法,建立了非线性最小二乘问题数值迭代法的统一模型．根据不适定问题理论,结合非线性最小二乘问题,定义了非线性最小二乘问题的两种不适定性,对产生这两种不适定问题的现象进行了分析,并给出了实例．结果表明,在NLS问题上使用各种数值迭代解法时,需考虑其迭代过程的不适定问题．