泵性能测试曲线分段最小二乘多项式拟合算法

针对现有水泵性能测试曲线拟合算法单一、对水泵非稳定性状态不规则、马鞍形等形状数据拟合精度差、近似效果不理想甚至丢失真实试验数据特性的现状,通过比较水泵性能曲线的各种拟合方法,分析了不同拟合方法在水泵特性曲线拟合中的优缺点,并针对特殊的水泵马鞍形性能曲线,设计了分段最小二乘多项式拟合方法.为了保证分段拟合曲线的连续可导性,在分段最小二乘拟合曲线的基础上,对各相邻分段曲线的分段点采用插值拟合的方法进行连接.最后通过试验验证,分别采用分段三阶最小二乘拟合算法和五阶最小二乘拟合算法对试验数据进行拟合,并对拟合结果进行对比分析.结果表明:采用分段最小二乘多项式的拟合方法对复杂特性曲线进行拟合,可以提高拟合曲线的拟合精度,并保证了拟合曲线的连续性.     

叶片泵过渡曲线辨识问题研究

以35VQ型高压叶片泵定子内曲线检测离散数值序列为例,探讨用最小二乘法拟合辨识理论过渡曲线时出现的问题及其解决办法,如:残差对称分布残差平方和近似相等的两种理论过渡曲线难以区分、理论过渡曲线位置失真、切削方向无法确定等。对大圆弧包角β1的取值提出了新的看法。     

最小二乘法在水泵试验曲线拟合中的应用

根据目前国内外水泵测试软件中需要曲线拟合的要求,充分考虑了目前水泵试验软件曲线拟合的基础,我们将最小二乘法应用到水泵试验软件中.从软件中实现了流量-扬程曲线的拟合,流量一效率曲线的拟合,流量-功率曲线的拟合,以及流量-汽蚀余量曲线的拟合,并且拟合曲线的多项式方程的次方数和拟合精度可以手动或自动选择,有效避免了目前曲线拟合精度不高的问题.实际试验结果表明将最小二乘法应用在VB开发的水泵测试软件中,绘图准确,曲线美观大方,使用方便,符合国家相关标准的要求,保证了试验的测试精度.     

基于叶型特征重建和缺陷模型提取的LDMD叶片再制造

为了实现激光直接沉积(LDMD)对破损叶片的再制造,提出了一种利用设计特征重建叶型曲线(CSC)的方法,并提取缺陷3D模型。首先,规划了叶片再制造系统结构;接着,基于叶型曲线设计特征,对前缘(LE)、后缘(TE)、吸力边(SS)和压力边(PS)在叶型点云中的位置进行识别,然后利用圆弧曲线以背离度和拟合误差作为2个阈值,实现对前缘和后缘的拟合,同时实现叶型点云的分割;再利用6次多项式曲线,在保证与前后缘曲线相切的约束条件下,用最小二乘法实现对吸力边和压力边的拟合,从而得到完整的叶型曲线;接着放样叶型曲线得到完好的目标模型,并采用布尔减运算提取了缺陷3D模型;最后,给出了一个叶片再制造应用实例,证明了方法的可行。     

曲轴疲劳试验数据统计方法改进研究

以曲轴弯曲疲劳实验为研究对象,针对P-S-N曲线,提出了一种基于结合最小二乘法来对实验数据进行拟合确定给定QCI点的疲劳强度值,在此基础上对不同取值下的疲劳强度分布特性进行对比分析。研究结果表明,传统的极大似然法得到的实验值与理论值往往相差较大,偏保守,而此种方法推断得到的数据更接近试验值,能够更好的在工程中适用。     

三峡库区紫色土水分入渗模型比较分析

基于重庆开县石碗小流域坡耕地土壤水分入渗观测试验数据,运用Origin8.0分析软件对Kostiakov和Kostiakov-Lewis模型进行曲线拟合,同时选用蒋定生公式与之对比分析,从拟合曲线特征和拟合参数取值上分析二种模型的差异。结果表明,①Kostiakov模型和Kostiakov-Lewis模型2条拟合曲线不重合;而Kostiakov-Lewis模型与蒋定生公式的拟合曲线基本重合,其决定系数(R2)、参数(b、fc)的取值及标准误差完全相同。②Kostiakov模型和Kostiakov-Lewis模型中参数(a、b)取值不同,且b取值变化范围也完全不同,Kostiakov模型中b取值0.40～0.69,Kostiakov-Lewis模型中b取值0.29～1.59,差异明显。③Kostiakov模型中参数(a、b)物理意义明确,而Kostiakov-Lewis模型中参数(a、b)没有明确的物理意义。可见,Kostiakov模型和Kostiakov-Lewis模型是2个完全不同的入渗模型,而Kostiakov-Lewis模型和蒋定生公式实质上完全相同。     

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。     

发动机特性曲线拟合过程中的算法研究

介绍了最小二乘法和插值法的基本原理,在此基础上以VB语言为开发平台对发动机的转矩特性曲线及万有特性曲线进行了计算机拟合,给出了两种曲线的拟合结果。     

基于MATLAB离心泵特性曲线的拟合与绘制

利用最小二乘法原理,分析了离心泵特性曲线拟合最小二乘法的算法,其编程繁琐,不适宜工程应用。使用MATLAB中的polyfit函数可精确拟合出离心泵特性曲线,并进行了不同拟合阶次的比较。拟合结果表明,多项式方程比抛物线方程更吻合特性曲线。该方法不仅精确可靠,而且操作简便,可为相关技术人员提供一种快捷、精确的离心泵特性曲线拟合方法,以提高水泵运行的经济效益。     

微量有机磷农药残留近红外光谱快速检测方法

以滤纸作为农药载体,在波数4000～10000cm-1范围内获取其近红外光谱曲线。分别采取偏最小二乘回归法和最佳波段差值回归法建立农药质量比的预测模型。偏最小二乘回归法在经过多元散射校正和变量标准化预处理后得到的预测结果较好,预测相关系数为0.954,通过最佳波段差值回归法得到的预测相关系数为0.904。两种建模方法都得到了较好的预测结果。     

棉花铺膜播种作业拖拉机的视觉导航路径检测

针对棉花铺膜播种作业环境复杂,视觉导航路径检测易受光照强度、噪声及划线深度的影响,设计了一种抗干扰能力强、适应性广的视觉导航路径检测算法。构建图像采集系统,实时采集铺膜播种作业图像,基于Y=0.299R+0.587G+0.114B颜色模型对图像进行灰度化处理。针对第1帧图像,首先在浮动扫描区间[M_1-k,M_2-k](M_1取560,M_2取639;k=0,k≤560,k++)从第0行开始逐行扫描像素点,提取每行灰度值最小的像素点(或灰度值最小的像素点的列坐标的平均值)作为各行路径提取的候补点,并计算每个扫描区间内的候补点列值的方差F_k;寻求F_k值最小的区间作为第1帧图像的目标区间;在目标区间内使用最小二乘法拟合候补点集群提取初始导航路径;然后,以初始导航路径为中心,左右各扩展U个像素作为扫描区间,提取每行灰度值最小的像素点(或灰度值最小的像素点的列坐标的平均值)作为各行路径提取的候补点;最后,使用最小二乘法拟合导航路径,完成第1帧图像导航路径的提取。从第2帧图像开始,首先确定以前1帧图像导航路径作为当前帧图像扫描区间的中心,左右各扩展U个像素作为扫描区间;然后,从第0行像素开始逐行扫描,并提取灰度值最小的像素点(或灰度值最小的像素点的列坐标的平均值)作为路径提取的候补点,并使用"差异权重法"平滑候补点群;最后,基于最小二乘法拟合导航路径。采集6种工况下铺膜作业视频进行验证试验,结果表明:导航路径检测准确率为100%,平均处理速度为7.020ms/帧,能够稳定、快速地检测导航路径,准确率高,适应性广,抗干扰能力较强,满足棉花铺膜播种作业的实际要求。该检测算法丰富了基于视觉的拖拉机行走路径检测的方法,为实现拖拉机自动驾驶奠定了理论基础。     

芝麻油掺伪的近红外透射光谱检测技术

采用近红外光谱技术结合间隔偏最小二乘法分别建立芝麻油中掺入大豆油、玉米油和花生油的定量检测模型。实验配制不同比例的掺假芝麻油混合样品,采集样品在4 000～12 000 cm-1范围内的近红外透射光谱,把数据分为校正集与预测集。将4 420～12 000 cm-1波段的光谱进行各种预处理,最佳方法为平滑预处理,并利用间隔偏最小二乘波长筛选法(iPLS)选取光谱特征波段,最后采用偏最小二乘法建立掺假芝麻油的定标模型。结果显示:3种掺假芝麻油的PLS模型预测相关系数分别达到0.998、0.999、0.999,预测均方根误差分别为0.24%、0.24%和0.19%,具有较高的预测精度。实验证明近红外光谱技术对芝麻油掺假的快速检测具有可行性。     

介电谱无损检测梨内部品质方法研究

为了探索利用介电谱无损检测采后梨内部品质的潜力,采用同轴探头技术测量了采摘于4个果园的310个"砀山酥"梨在采后8周贮藏期间20~4 500 MHz间201个频率点下的相对介电常数和介质损耗因数;分别以可溶性固形物含量(SSC)、硬度和含水率作为内部品质指标,基于x-y共生距离的样本划分法确定了校正集样本233个和预测集样本77个。采用连续投影选法(SPA)从全介电谱中分别提取出了15个、14个和15个用于预测SSC、硬度和含水率的特征变量;建立了基于全介电谱和SPA提取的特征变量预测SSC、硬度和含水率的最小二乘支持向量机(LSSVM)、极限学习机和BP神经网络模型。结果指出,基于全介电谱的LSSVM模型具有最好的SSC决定性能和良好的预测能力,其校正集和预测集相关系数分别为0.974和0.931,校正集和预测集均方根误差分别为0.592°Brix和0.868°Brix,剩余预测偏差为2.65;基于SPA的LSSVM模型可粗略预测含水率;但是所有模型对硬度的预测能力很差。研究结果表明,介电谱结合LSSVM可用于无损检测梨的SSC和含水率,但尚难用于检测梨的硬度。     

臭蜣螂唇基表面轮廓曲线数学模型建立及分析

利用蜣螂头部的激光三维扫描数据点云抽取蜣螂头部的表面轮廓线数据,用最小二乘法进行数据拟合,求取以高斯函数类表示的曲线拟合方程。通过计算得出拟合曲线的曲率和二阶导数并绘制了曲率图和二阶导数图。通过拟合曲线的曲率图和二阶导数图的变化,对蜣螂头部表面轮廓线进行了分析,认为蜣螂头部特定的几何外形对其挖土打洞具有重要的作用。     

基于近红外高光谱图像的黄瓜叶片色素含量快速检测

利用高光谱图像技术和高效液相色谱法(HPLC)快速检测了新鲜黄瓜叶中叶绿素a、叶绿素b、β-胡萝卜素和叶黄素4种色素含量。采集了120片黄瓜叶的近红外高光谱图像数据以及用HPLC精确测定黄瓜叶中色素含量;提取高光谱图像中50×50像素感兴趣区域(ROI)的平均光谱与4种色素含量分别建立偏最小二乘(PLS)预测模型;为了提高模型的稳定性和预测精度,分别采用区间偏最小二乘(iPLS)、向后区间偏最小二乘(BiPLS)和联合区间偏最小二乘(SiPLS)对各种色素对应的特征波段进行优选,同时对光谱划分数进行了优化。结果表明BiPLS和SiPLS对应模型的预测效果较好,对叶绿素a、叶绿素b、β-胡萝卜素和叶黄素4种色素的预测集相关系数RP分别为0.825 7、0.813 4、0.811 6、0.826 2。     

基于B样条的水泵复杂特性曲线拟合方法

为适应水泵复杂特性曲线中存在大挠度和非等距测点的情况，探索了基于三次均匀B样条的曲线拟合方法。通过局部预测的方法引入新的型值点以克服曲线尖点拟合的困难。根据离散数据点连线的几何形状进行分段，基于最小二乘法分步优化节点的横坐标和纵坐标，得到了最优逼近的B样条拟合曲线。通过实例计算表明，该方法可以高精度地将全区域范围的水泵试验数据拟合成光滑的特性曲线，并能够消除因试验随机误差所引起的曲线扰动。     

基于无人机多光谱遥感的芳樟矮林SPAD反演

为实现利用多光谱技术开展芳樟叶绿素相对含量(SPAD)监测,及时快速诊断芳樟矮林生长状况,为田间管理决策提供信息支持,以红壤区芳樟矮林为研究对象,利用无人机多光谱遥感影像,提取波段反射率,筛选植被指数,分别以波段反射率和植被指数为模型输入量,采用偏最小二乘回归、支持向量回归、反向传播(Back propagation, BP)神经网络和径向基函数(Radial basis function, RBF)神经网络4种方法构建芳樟矮林SPAD反演模型,并对比不同输入量、不同模型模拟结果的反演精度。研究结果表明：对比两种不同的输入量,在同一模型反演的精度相差不大;其中,基于偏最小二乘回归法,以植被指数为模型自变量估测芳樟矮林SPAD效果略优;基于支持向量回归、BP神经网络和RBF神经网络,以波段反射率为模型自变量估测芳樟矮林SPAD效果略优;对比4种建模方法,不同方法建模预测精度不同,与偏最小二乘回归、支持向量回归和BP神经网络相比,基于RBF神经网络反演芳樟SPAD的精度最高,以波段反射率和植被指数为模型输入量的测试集为例,其决定系数R²分别为0.788、0.751,均...     

大田葵花土壤含盐量无人机遥感反演研究

以内蒙古河套灌区沙壕渠灌域内大田葵花为研究对象,划分4块不同盐分梯度的试验地,利用无人机搭载六波段多光谱相机和热红外成像仪获取遥感数据,并同步采集区域内不同土壤深度处的盐分数据。利用灰色关联法对构建的光谱指数进行筛选,同时结合冠层温度数据,采用偏最小二乘回归(PLSR)、支持向量机(SVM)、反向传播神经网络(BPNN)和极限学习机(ELM) 4种建模方法构建大田葵花不同生育期、不同土壤深度的盐分反演模型。结果表明,基于葵花现蕾期数据构建的盐分反演模型整体效果优于开花期,以优选盐分指数和光谱指数作为变量组构建的模型效果优于植被指数变量组,盐分反演效果较好的土壤深度为0～20 cm和20～40 cm。不同建模方法对比结果表明,机器学习盐分反演模型的效果优于偏最小二乘回归模型,其中在葵花现蕾期0～20 cm土壤深度处,以光谱指数作为变量组构建的BPNN盐分模型反演效果最好,建模集和验证集R2分别达到0.773和0.718,验证集RMSE、CC分别达到0.062%和0.813。本研究成果可为无人机遥感在大田葵花土壤盐分监测方面的应用及相关研究提供参考。     

基于多元校正法的香梨糖度可见/近红外光谱检测

应用可见/近红外光谱透射技术结合多元校正法探讨了样品在不同温度条件(5、10、15、20℃)下香梨糖度的快速无损检测。在波长500~900nm范围内,用逐步多元线性回归(SMLR)、偏最小二乘法(PLS)、最小二乘支持向量机(LS-SVM1、LS-SVM2)和遗传算法-偏最小二乘法(GA-PLS)等多种多元校正法进行了建模预测比较研究。预测结果从优到差依次为LS-SVM2、LS-SVM1、GA-PLS、PLS、SMLR。     

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最小二乘(AIRPLS)、非对称重加权惩罚最小二乘(ARPLS)、局部对称重加权惩罚最小二乘(LSRPLS)和多约束重加权惩罚最小二乘(DRPLS) 等6种处理方法对土壤重金属元素铅和砷的测量光谱进行基线校正;结合偏最小二乘(PLS)算法建立相应的校正模型,以选择最优基线校正算法;与神经网络(BP)和支持向量机(SVR)建立的校正模型进行比较,对模型进行评价。结果显示,铅元素的最佳模型为DRPLS-PLS,模型的R2达到0.982,预测均方根误差(RMSEP)为0.056 mg/kg;砷元素的最佳模型为DRPLS-PLS模型,模型的R2达到0.985,RMSEP为0.796mg/kg。与PLS和BP模型相比,铅、砷两种元素的SVR模型建模均最优,模型的R2分别达到0.998和0.993,RMSEP分别为0.015、0.596mg/kg。实验表明,通过基线校正后模型的预测精度、检出限和稳定性均有所提高,该方法可有效提高X射线荧光光谱在土壤中的定量分析能力。