优化的小世界网络特性与多智能体的一致性

对优化的小世界网络模型与多智能体系统的一致性进行研究.以同步最优网络模型为例,建立了时延鲁棒性最优小世界网络.应用计算机仿真,分析了合作网络的一致性收敛速度.研究结果表明,新的优化网络可以提高网络的收敛速度和时延鲁棒性.     

变步长极化对消迭代滤波算法

分析了定步长自适应极化对消(APC)迭代算法,在此基础上提出了一种变步长的极化对消迭代算法,并分析了该算法的收敛条件和收敛性能。通过Matlab仿真,比较了参数变化对变步长算法收敛速度的影响,并且将定步长算法与变步长算法进行了比较,得出了变步长算法收敛速度更快的结论。     

两两NQD序列下Lomax分布参数的经验Bayes检验

讨论了Lomax分布参数的经验Bayes双边检验问题.对于两两NQD样本序列,利用核函数估计方法给出了检验函数,证明了该检验函数是渐近最优的,并在适当的条件下得到其收敛速度.     

基于复合正交神经网络的广义通用模型自适应控制

在自适应逆控制中应用复合正交神经网络具有算法简单、学习收敛速度快等优点,将复合正交神经网络与广义通用模型控制器策略相结合,提出了一种基于神经网络的广义通用模型自适应控制方法。该控制方法中的参考轨迹为一条典型的二阶曲线,控制器参数具有明显的物理意义,参数整定方便。仿真实验验证了该控制策略的有效性。     

基于GAs/PSO组合算法的水轮机调速系统PID参数寻优

提出了一种基于GA s/PSO组合算法的P ID控制器参数自整定方法,这种方法兼有遗传算法(GA s)和粒子群算法(PSO)的优点。组合算法种群由GA s和PSO的最佳个体迁移形成,其中GA s采用了实数编码和变异概率自适应,PSO算法采用了带指数衰减的惯性因子的速度更新算法,以加快收敛速度。通过对水轮机调速系统P ID控制器参数寻优仿真比较表明,该组合算法寻优性能比单独的GA s和PSO表现更为优异,且所得系统具有更好的动态性能。     

Lobatto点和Gauss点处三维有限元函数和导数的超收敛

对于某种三维椭圆边值问题,首先借助Bramble-Hilbert引理证明了长方体单元上Lobatto点和Gauss点分别是三维投影型插值算子Пm的函数和导数的超收敛逼近佳点.然后应用三维投影型插值算子理论和插值逼近性质等得到了正规剖分下三维投影型插值的超收敛基本估计,并在此基础上结合三维离散Green函数与离散导数Green函数理论,研究获得了Lobatto点和Gauss点处三维长方体有限元函数及导数的高精度超收敛结果.     

低应变无损桩测试的数值实验方法研究

自适应粒子群优化算法是一种基于群体智能、改进全局优化技术，其优势在于减小了陷入局部极值的机率，增加了全局搜索能力。文中将自适应粒子群算法应用于完整桩基动力参数的识别，数值计算结果表明，本文所建立的智能方法能够对桩基动测进行有效的多参数识别，具有良好全局收敛能力，是一种行之有效的计算方法。     

标准伽玛分布族参数的EB估计的收敛速度

本文构造了标准伽玛分布族参数的EB估计，并给出了该估计的收敛速度。在适当的条件下，该速度可以分别充分接近于1／2和1。     

一种基于多目标的角度时延联合跟踪算法

提出了一种多目标角度时延联合跟踪算法.该算法首先利用高分辨处理估计出目标的个数及其初始角度和初始时延,接着通过相邻时刻估计得到的信道频域冲激响应的差,再得到各个目标相邻时刻的角度差和时延差,从而估计出不同时刻各个目标的角度和时延.相邻时刻估计得到的目标的角度和时延是自动关联的,避免了运算量较大的数据关联过程,而且在跟踪过程中并不需要进行子空间分解.仿真结果表明,该算法具有较高的跟踪性能.     

基于最小二乘法参数估计的SAW标签脉冲位置编码识别

为了在相同尺寸的SAW标签基础上扩大编码容量,拓宽SAW的应用范围,提出了一种基于最小二乘法的参数 估计法,改进原有的脉冲位置编码方式。构造声表面波阅读器的信号模型,在起始反射栅时延参数估计算法的基础上, 综合考虑单个标签的所有往返时延信息,引入误差向量和目标函数;利用最小二乘法优化目标函数,取消具有参考作用 的起始反射栅,建立反射栅参数的数学模型。通过实例分别求得两种方法的时延,得出最小二乘法参数估计法比起始反 射栅参数估计法具有更短的响应时间,最后利用蒙特卡洛方法对试验数据结果进行统计分析。结果表明该方法能够有 效地提高SAW阅读器的识别速度,具有一定的推广应用价值。