基于分段最小二乘拟合的瞬时频率估计方法

旋转类机械非稳定噪声和振动信号的分析一般采用阶比分析技术。精确地估计参考转轴的瞬时频率是阶比分析技术的关键。考虑丢失、额外脉冲和转速瞬变等因素的影响,在计算转速计脉冲到达时间的基础上,用三次样条曲线分段最小二乘拟合获得转轴的瞬时频率估计,提出了通过数据重叠和加权平均来保证各分段点处的连续及平滑的方法。用频率估计曲线进行实验,得到任意转速下的阶比谱和阶比幅值随转速变化的结果。     

基于最小二乘曲面拟合的泵装置特性预测方法

根据水泵相似理论,运用最小二乘曲面拟合法建立了原型泵和模型泵无因次扬程、效率与叶片角度、叶轮直径和转速的同一数学表达。结合无因次管道性能曲线,建立了原、模型泵装置无因次的特性参数预测模型,并运用该数学模型预测了广东省惠州市文头岭大型排涝泵站模型泵任意角度的装置特性。结果表明,该数学模型可为大型水泵的装置特性预测提供一个新颖、实用的方法。     

基于最小二乘法的早期作物行中心线检测方法

提出了一种基于最小二乘法的早期作物行中心线检测算法.利用G-R颜色特征因子分割作物与背景.根据作物与杂草的长度属性去除部分杂草噪声,应用垂直投影法动态检测作物行数,并提取作物行中点为特征点,获得特征点图像.利用特征点间的邻近关系对特征点进行分类,对归类后的特征点进行两次最小二乘法拟合,得到作物行中心线.对于有作物缺失的作物行,采用统计条形区域内特征点数量的方法判别检测结果的可信度.实验结果表明,算法能克服杂草和作物缺失的影响,实时地提取小麦、玉米和大豆作物行,平均每幅图像处理时间小于150 ms.     

基于最小二乘法的灌溉流量计算

基于流速在渠宽方向呈指数分布、水深方向呈对数分布的特点，根据流速实测资料，利用最小二乘法原理，建立了流速和流量公式，将各种影响因素概括在两个参数d．f中，从而使流量只与最大流速、渠道断面和水深有关。计算流量与试验水槽中标准三角堰实测流量吻合较好。     

基于最小二乘法的早期作物行中心线检测方法

提出了一种基于最小二乘法的早期作物行中心线检测算法。利用G-R颜色特征因子分割作物与背景。根据作物与杂草的长度属性去除部分杂草噪声,应用垂直投影法动态检测作物行数,并提取作物行中点为特征点,获得特征点图像。利用特征点间的邻近关系对特征点进行分类,对归类后的特征点进行两次最小二乘法拟合,得到作物行中心线。对于有作物缺失的作物行,采用统计条形区域内特征点数量的方法判别检测结果的可信度。实验结果表明,算法能克服杂草和作物缺失的影响,实时地提取小麦、玉米和大豆作物行,平均每幅图像处理时间小于     

截面最小二乘圆心偏心误差运动的分离方法

被测截面的最小二乘圆心不但是被测截面圆度误差的评定基准,也是圆柱度形状误差的重构基准,由于采用误差分离技术分离出的回转误差运动是截面最小二乘圆心的偏心误差运动和纯回转误差运动的叠加,有效地提取截面最小二乘圆心的位置,一直是研究难题。通过对圆度误差的分离过程和分离出的回转误差运动进行分析,利用三角函数序列的正交性,提出了一种不涉及回转轴纯回转误差运动的一阶谐波分量,完整提取截面最小二乘圆心偏心误差运动的分离方法,并通过实验验证了该项技术的正确性。     

基于最小二乘法的电容式电池均衡系统研究

课题组通过调研电池均衡技术,针对锂离子电池组内单体电池存在不一致性问题,确定以能量转移方式实现单体电池电压平衡的电容式主动均衡方案。通过系统功能及控制方案确定系统电路模型及数学模型,采用最小二乘法辨识系统数学模型并进行时域分析;在仿真软件系统中搭建均衡仿真模型分析能量转移载体电容储存的能量及电压随均衡时间的变化规律。仿真结果表明,该电池均衡技术提高了均衡系统输入信号的可靠性,通过均衡系统降低电池在生产和使用过程中产生的不一致性问题带来的影响,从而提高动力电池组的使用容量与寿命,为电动汽车电池均衡系统均衡方案选择及参数计算提供参考。     

基于偏最小二乘回归的土壤含水量预测模型研究

土壤水分是直接影响作物产量的重要因素之一,因此科学地预测土壤含水量对充分利用土壤水资源具有十分重要的意义.土壤含水量受到多重气象因素的影响,各气象因子间往往存在多重相关性, 从而导致传统的多元回归模型(基于最小二乘法)的失真,丧失稳健性,预测精度降低.为此,采用偏最小二乘回归建模,借助主成分分析与典型相关分析的思路,采用成分提取的方法,有效地解决了各气象因子之间的多重相关问题,建立了土壤含水量预报模型,并对模型进行了辅助分析,得出了各影响因子的评价结果排序,同时模型的拟合和预报精度均较好.     

土壤湿度采集节点电压补偿方法——基于最小二乘支持向量机

针对适用于WSN土壤湿度采集节点的EC-5传感器对电源电压敏感的问题,从传感器工作原理入手,分析电源电压引起检测误差的来源,且发现当传感器各项参数确定后,这种误差是随被测土壤湿度增大而增大的。采用CC 2 4 3 0芯片作为WSN信息传输节点,建立具有多节点的上下位机WSN土壤湿度采集系统,以节点电压和被测土壤实际湿度为对象,运用最小二乘支持向量机对采集节点中非线性土壤湿度传感器系统进行逆向建模,在上位机上实现由电源电压引起EC-5传感器检测误差的补偿。实验和仿真结果表明,该方法能有效地减少节点电池电压变化对WSN土壤湿度采集精度的影响。     

基于稀疏非负最小二乘编码的高光谱遥感数据分类方法

为了提高高光谱遥感影像的分类精度,提出了一种基于稀疏非负最小二乘编码的高光谱数据分类方法。采用非负最小二乘方法,将待测样本表示为训练样本的线性组合,并将得到的系数作为待测样本的特征向量,通过最小误差方法对待测样本进行分类。提出的方法在AVIRIS Indian Pines和萨利纳斯山谷高光谱遥感数据集上进行分类实验,并和主成分分析(PCA)、支持向量机(SVM)和基于稀疏表示分类器(SRC)方法进行比较,在2个数据集上本文方法的总体识别精度分别达到85.31%和99.56%,Kappa系数分别为0.816 3和0.986 7。实验结果表明本文方法的总体识别精度和Kappa系数都优于另外3种方法,是一种较好的高光谱遥感数据分类方法。     

基于改进K-means的农田湿度评估研究

在现代化农业生产中,常采用全自动化设备检测土壤湿度,然后对农田进行灌溉,但现有系统难以精确判断整个农田的湿度信息,当土壤湿度传感器出现设备故障后,会产生控制误差,导致整个系统崩溃.因此,结合土壤湿度传感器,Lora、NB-iot无线网络传输和微控制器处理等先进技术,设计了基于改进K-means的农田湿度评估系统.该系统...     

基于LVQ网络的水电机组振动多故障诊断方法

提出了应用学习矢量量化神经网络诊断水电机组的多故障,可避免BP神经网络容易陷入局部最小与学习速度缓慢的问题。通过算例仿真检验,该网络能够有效地识别并分离出各种故障类型。     

基于改进型非线性最小二乘法的作物模型隐含参数估计

为了使作物生长模型中的参数最优化,提出了一种改进型非线性最小二乘法在作物生长模型中隐含参数估计的应用技术,针对多目标项的情况提出了权矩阵的自动计算方法。通过良好的人机交互界面,使得该方法更精确、更有效、更方便。实验表明：用该方法对作物模型进行参数优化后,再对番茄生长的动态过程进行仿真,对模拟值和实测值进行比较,两者拟合程度很好。     

基于惩罚最小二乘算法的土壤重金属检测光谱基线校正

针对X射线荧光光谱分析技术在检测土壤重金属过程中由于土壤背景复杂、包含大量噪声和干扰信息而易受基体效应影响的问题,为了提高定量分析模型的精度,利用惩罚最小二乘算法拟合基线与真实基线之间的保真度和平滑度,对X射线荧光光谱进行基线校正,从而减小基线漂移的影响.选用无基线扣除、非对称最小二乘(ASLS)、自适应迭代重加权惩罚...     

基于最小二乘支持向量回归的小零件精密测量技

以圆销式齿形链板为研究对象,提出了结合图像处理技术和最小二乘支持向量回归的小零件精密测量方法.以CCD作为传感器采集图像,通过去噪和二值化等图像预处理技术获得待测零件单像素边缘轮廓信息.根据零件特点确定待测区域,并取出该区域中图像点的坐标作为最小二乘支持向量回归的训练点集,进行直线和圆的亚像素回归.对回归结果进行处理得到待测直线间夹角、圆孔直径、圆度误差和圆心距等几何参数.实验结果表明提出的方法不仅收敛速度快,而且精度高、稳定性好.     

耦合模拟退火优化最小二乘支持向量机的日参照蒸散量模拟计算

针对传统最小二乘支持向量机模型的训练速度慢、不易在线训练、计算量大及参数选择困难等缺陷,提出采用耦合模拟退火优化最小二乘支持向量机算法,建立基于耦合模拟退火优化最小二乘支持向量机的参照作物蒸散量预测模型。选取陕西省的榆林、安康和西安气象站监测的1971-2014年气象资料进行模型训练、测试与验证,研究气象监测获取原始数据作为网络输入,参照蒸散量ET0为输出,构建CSA-LSSVM预测模型,并将CSA-LS-SVM预测结果与LSSVM模型及经典ET0模型模拟计算结果进行比较。结果表明,CSA-LS-SVM模型模拟计算精度和总ET0模拟模型都优于LSSVM模型及其他经典模型模拟结果。该研究CSA-LS-SVM模型为陕西地区气象资料缺乏情况下ET0精确计算提供科学依据,为作物需水量的智能决策提供参考。     

基于最小二乘支持向量机的人民胜利渠灌区灌溉用水量预测

基于最小二乘支持向量机（LSSVM）良好的泛化能力和特点,以人民胜利渠灌区需水量为研究对象,选用径向基函数（RBF）作为核函数,建立了最小二乘支持向量机预测模型,对灌区需水量进行了模拟计算,用检验样本与灰色预测和基于RBF的神经网络模型的预测结果进行了比较,LSSVM预测的最大误差8.78%,平均误差4.90%。结果表明最小二乘支持向量机模型有较高的预测精度和较强的泛化能力,可为灌区水资源规划提供科学依据。     

基于最小二乘法的温室番茄垄间视觉导航路径检测

针对温室非结构作业环境和复杂背景下作业机器人路径识别检测问题开展研究。在HSI颜色空间分析番茄垄间道路图像在各分量的分布特性,提出了基于机器视觉的垄间加热管敏感区域提取方法,依据I分量直方图采用最大类间方差法进行图像自适应阈值分割,对分割后二值图像利用目标区域的边缘提取算法获得导航离散点簇。根据最小二乘法原理对导航离散点簇拟合得到2条加热管边缘线,在此基础上给出中心导航基准线检测算法,并针对光照不均和作物遮挡对导航路径检测进行了实验。实验表明,与Hough变换算法相比,该算法简单快速,对光照不均具有良好的鲁棒性,能够准确提取目标敏感区域的边缘信息,对不同遮盖率番茄垄间导航路径提取正确率达91.67%。     

基于最小二乘法的绳套型水位流量关系最优定线研究

汛期河道的水位流量关系通常呈绳套型,对其进行高精度的定线是洪水资源实施高效管理的基础。传统的定线方法效率低,误差大,因而本文使用最小二乘法为优化方法,对绳套型水位流量方程进行优化定线。首先,Saint-Venant方程中的迁移惯性项和局地惯性项被去掉以简化方程,附加比降被引入以使方程能够拟合绳套型曲线;然后,简化后的方程通过取对数、多项式展开和幂级数展开被线性化;最后应用最小二乘法估计线性化方程中的参数。对3个案例的应用结果表明,所获得的定线方程能有效拟合观测的水位流量曲线,对拟合结果的偏离符号检验、适线检验和偏离数值检验均符合水文资料整编规范中的定线精度要求,说明将最小二乘法应用于绳套型水位流量曲线的优化定线是有效的。     

基于离散粒子群和偏最小二乘的水源地浊度高光谱反演

随着面源污染的加剧,导致水源地水体富营养化程度日趋严重,浊度作为衡量水体富营养化的一项重要指标,是水质评价的重要参数。为降低浊度偏最小二乘(Partial least squares,PLS)反演模型建模的不确定性,提高模型反演精度,提出了基于离散粒子群(Discrete binary particle swarm optimization,DBPSO)和偏最小二乘的水体浊度反演模型。以2015年10月在南水北调东线重要水源地微山湖获取的水体浊度和准同步的HJ-1A HSI高光谱数据为例,利用HJ-1A HSI B26-B105(中心波长:518~870 nm)全谱段光谱反射率(Original spectral reflectance,OSR)和归一化光谱反射率(Normalized spectral reflectance,NSR)直接构建浊度OSR-PLS和NSR-PLS反演模型,同时利用离散粒子群算法优选输入浊度PLS反演模型的最佳原始波段反射率和归一化光谱反射率,在此基础上提出并构建浊度OSR-DBPSO-PLS和NSR-DBPSO-PLS反演模型;然后对上述模型进行精度评价,分析光谱归一化处理和特征波段优选对PLS模型反演精度的影响,选择精度最高的模型反演微山湖水体浊度分布。结果表明:NSR-PLS模型精度(R2=0.91)高于OSR-PLS模型(R2=0.50),对波段进行归一化处理能提高浊度PLS反演模型精度;DBPSO能够识别浊度PLS反演的最佳波段,浊度PLS建模所需的波段数由80个分别减少为44个(OSR波段)和36个(NSR波段),在此基础上构建的OSR-DBPSO-PLS模型(R2=0.96)和NSR-DBPSO-PLS模型(R2=0.97)均具有较高精度,显著高于直接利用全谱波段构建的浊度PLS模型反演精度;选择综合误差最小的NSR-DBPSO-PLS模型反演微山湖水体浊度,反演结果符合实际,该模型适用于HJ-1A HSI数据和内陆水体浊度反演。