收敛性能

摘要： 在对无线电引信进行信号处理的过程中,现有的最小均方差(LMS)算法不能有效的实现较好的收敛性能和稳态特性。为了改善LMS滤波算法的不足,综合考虑迭代步长与误差的关系,前一次迭代步长与当前迭代步长的关系以及当前迭代步长的变化情况,提出了一种新的基于迭代步长、误差和动态约束迭代步长的数学模型。通过仿真,分析新算法中的关键参数对滤波性能的影响,并确定其最优的参数。在信号的滤波处理中,从仿真效果可以看出:新算法具有很好的收敛性能和稳态特性;与原有算法相比,抗干扰能力提高3.5倍。

摘要： 数据驱动计算方法将联立平衡微分方程、几何方程及物理方程的显式求解问题转变为最优化问题,优化目标在于搜索匹配最可能的静力许可应力场、变形许可应变场及应力-应变数据分配方案。在线弹性框架下,探讨了平衡因子取值关于材料常数的量级m和平行偏离程度r对算式收敛速率和性能的影响。结果表明:在松弛问题中,应力可行解和应变可行解关于m的线性收敛比分别为1/(1+m2)和m2/(1+m2),而r的增大则会使二者的收敛速率均降低。分配的数据点在原优化问题中受整型约束的限制,在相邻迭代步间变化率越小,算法早熟收敛现象越显著。r等于0时,数据点在相空间内沿直线路径逼近精确解,在m取1时有着最小的渐进线性收敛比;当r不为0时,数据点的迭代路径不再保持为直线。对于收敛速率较慢的分量,迭代终止时与参考解的偏差幅度增大。精确解附近的数据点密度能够很好保障算法的计算精度,从而降低计算结果对平衡因子取值的敏感性。

摘要： 协方差自适应进化策略(covariance matrix adaptation-evolution strategy,CMA-ES)作为一种并行搜索算法,可以很好地处理病态条件下高维复杂问题,针对求解过程中存在着局部搜索能力弱、易于陷入局部最优、收敛速度不够快等问题,提出了一种融合于随机因子的协方差自适应进化策略(random-factor CMA-ES,RFCMA-ES),在更新步长方向上引入第三方随机项,更好地保持协方差沿梯度下降的速度,加强了算法的搜索能力,克服了传统迭代公式中根据种群寻优和个体解更新过程中易陷入局部最优的现象.使用改进算法在6个多维多峰测试函数上进行200次重复实验寻优,结果表明:RFCMA-ES的全局寻优能力更强,收敛速度较原始算法平均提高了36.256%,且在寻优过程中也具有更强的稳定性.

摘要： 鲸鱼优化算法是一种新兴的智能优化算法,针对其全局搜索能力差,易陷入局部最优等问题,提出了对标准鲸鱼优化算法改进的办法,然后对BP神经网络进行优化,得到一种新型的电力负荷短期预测模型(LWOABP),并通过收集到的电力负荷数据数据对本文建立的预测模型进行训练验证。研究结果表明,改进后的鲸鱼优化算法的预测模型的平均误差为:0.0181,标准鲸鱼算法优化BP神经网络得到的预测模型平均误差为:0.0275,其中前者的最大误差为:0.0272。综上所述,在对传统鲸鱼算法优化后,对于全局搜索能力和收敛性能都有显著的改善;且本文建立的新型电力负荷短期预测模型不仅收敛速度更快,预测结果也更加准确。

摘要： 针对鲸群优化算法在处理高维问题时存在收敛速度慢、容易陷入局部最优和收敛精度低等问题,提出一种基于对数惯性权重和高斯差分变异的鲸群优化算法.通过高斯差分变异对鲸鱼位置更新方程进行变异,增加了种群多样性,提高了鲸群算法的全局搜索能力,防止早熟现象发生;将对数惯性权重引入搜寻猎物阶段,平衡全局搜索和局部开发能力,提高了算法寻优精度.通过测试函数优化实验对算法进行测试,实验结果表明,改进算法具有更高的寻优精度和更快的收敛速度.

摘要： 针对混联机械臂轨迹控制偏差大、难度高的问题,提出一种基于深度学习的容错算法.在笛卡尔空间内基于非线性函数确定关节向量间的相关性,并改善轨迹容错纠偏的收敛性能;基于DBNs模型训练混联机械臂动态位置移动信息,在全局范围内搜索最优解;根据每个关节空间移动轨迹特征和深度学习容错机制,保证机械臂系统闭环操作的稳定性和适用性.仿真结果表明:采用提出的容错算法,6个关节实际移动曲线与期望曲线的偏差程度较小,算法的复杂程度更低.

摘要： 为实现地铁运维平台的智能化,需要将分散在各个专业系统、各个站点的"数据孤岛"打通,实现数据共享和数据融合.本文针对智能运维平台的应用,提出了3种不同的基于ERPS协议的环网架构,分析并计算其可靠性水平;通过实验室测试,对比每种环网架构的收敛性能指标,给出3种环网架构在地铁建设中的适用场合.

摘要： 针对现有数字通信过程中信号调制处理的缺陷和不足,提出基于改进Adaboost-SVM分类器的信号调制算法.首先预处理原始信号并提取信号的基本特征,利用小波算法捕捉完整的信号细节特征.其次改进Adaboost算法和SVM分类器的基础性能,汇总弱分类器并生成强分类器,准确确定原始数据集的权重比例关系,剔除负样本集合的干扰,并降低算法的复杂度.最后用测试结果证明,所提信号调制分类算法的收敛性能和消噪效果更好,在相同的信噪比区间内拥有更高的分类识别准确率.

摘要： 针对花粉算法(FPA)易陷入局部最优,收敛速度慢,收敛精度不高等缺陷,将蝙蝠算法(BA)引入到花粉算法中,优化花粉配子初始位置,建立基于蝙蝠算法的花粉算法(BA-FPA).为了验证改进后的BA-FPA算法收敛性能优于基本FPA算法和BA算法,任意选取6个标准测试函数进行测试.结果表明,BA-FPA的收敛速度、收敛精度等性能都优于标准FPA和BA.

摘要： 为了解决花粉算法(FPA)收敛速度慢,收敛精度不高,易陷入局部极小点等缺陷,将随机惯性权重学习机制引入花粉全局搜索更新机制,并将转换概率调整为随迭代次数自适应变化,以平衡算法的全局搜索和局部开发能力,建立了基于随机惯性权重的自适应花粉优化算法.为了测试改进后算法的收敛性能,任意选取8个标准测试函数进行测试.结果表明:改进后FPA的收敛速度、收敛精度等性能都优于标准FPA.

摘要： 本文将近期提出的HDF方法与任意阶的Timoshenko梁函数相结合,构造出了8结点24自由度的高阶Mindlin板单元,该板单元展现出了优异的性能.相较于低阶单元,高阶单元的强收敛性能够更加精确地捕捉在自由边界或SS1边界附近较小区域内部分内力的峰值以及剧烈变化,更有效的解决板的边界效应问题.

摘要： 本文利用改进的多带结构子带自适应滤波(IMSAF)算法辨识具有稀疏特性的未知系统.代价函数引入加权的l1范数作为附加约束,并结合次梯度分析方法推导出新的更新方程.根据加权矩阵选取的不同,提出了两个l1范数约束的IMSAF算法:l1-IMSAF和l1-RIMSAF.仿真结果表明,在未知系统具备稀疏特性的条件下,相较于传统的IMSAF算法,两个新算法的收敛性能具有显著提高.

摘要： 本文研究约瑟夫森结特性，将Patrick Crotty提出的用约瑟夫森结组成的超导电路来模拟生物神经元与量子计算相结合，提出了一种约瑟夫森结量子神经元模型及其学习算法。实验结果表明，约瑟夫森结量子神经元具有较好的收敛性能。应用量子计算方法分析该量子神经元模型的量子逻辑运算功能，分析证明单个约瑟夫森结量子神经元能够实现单个经典神经元无法实现的XOR函数。

摘要： 本文使用仿射内点过滤算法解决非线性等式约束规划,搜索方向由一阶必要性条件和双边校正约Hessian阵法产生.并采用了二阶校正步,客服了Maratos效应影响.局部和全局收敛性能在一定条件下证明.

摘要： 本文提出一种针对联合积分方程(CFIE)的对称稀疏近似逆(SAI)预处理技术。首先将联合积分方程中的非对称矩阵改造成对称矩阵,然后使用Cholesky分解构造出联合积分方程的对称SAI(S-SAI)预处理器。数值实验表明,S-SAI预处理器的收敛性能与非对称SAI(A-SAI)相似,但是其构造时间却比A-SAI的减少很多。

摘要： 针对BTT(Bank-to-Turn)导弹的传统模型,建立过载跟踪模型,并基于模型中的强耦合问题,设计自抗扰解耦控制器.对于耦合通道,用自抗扰解耦控制器进行解耦,加入非奇异终端滑模控制器;对于无耦合通道,设计非奇异终端滑模控制器.实验仿真结果表明,新的控制策略结合了自抗扰的强鲁棒性与非奇异终端滑模的有限时间收敛能力,具有较好的动态性能和稳态性能,对指令进行有效的跟踪控制.

摘要： 针对BTT(Bank-to-Turn)导弹的传统模型,建立过载跟踪模型,并基于模型中的强耦合问题,设计自抗扰解耦控制器.对于耦合通道,用自抗扰解耦控制器进行解耦,加入非奇异终端滑模控制器;对于无耦合通道,设计非奇异终端滑模控制器.实验仿真结果表明,新的控制策略结合了自抗扰的强鲁棒性与非奇异终端滑模的有限时间收敛能力,具有较好的动态性能和稳态性能,对指令进行有效的跟踪控制.

摘要： 针对BTT(Bank-to-Turn)导弹的传统模型,建立过载跟踪模型,并基于模型中的强耦合问题,设计自抗扰解耦控制器.对于耦合通道,用自抗扰解耦控制器进行解耦,加入非奇异终端滑模控制器;对于无耦合通道,设计非奇异终端滑模控制器.实验仿真结果表明,新的控制策略结合了自抗扰的强鲁棒性与非奇异终端滑模的有限时间收敛能力,具有较好的动态性能和稳态性能,对指令进行有效的跟踪控制.

摘要： 针对BTT(Bank-to-Turn)导弹的传统模型,建立过载跟踪模型,并基于模型中的强耦合问题,设计自抗扰解耦控制器.对于耦合通道,用自抗扰解耦控制器进行解耦,加入非奇异终端滑模控制器;对于无耦合通道,设计非奇异终端滑模控制器.实验仿真结果表明,新的控制策略结合了自抗扰的强鲁棒性与非奇异终端滑模的有限时间收敛能力,具有较好的动态性能和稳态性能,对指令进行有效的跟踪控制.

摘要： 本文主要针对指派问题进行研究分析,提出了基于改进遗传算法的求解算法.该算法通过在交叉过程中引进锦标赛思想,并在变异过程中保持染色体的完整性和先进性,经过对指派问题进行求解并与现有算法进行横向比较,该算法在求解较大规模的指派问题过程中表现出快速收敛的特点,在一定程度上要优于经典的匈牙利算法以及其他一些进化算法,其时间复杂度为O(n2).最后给出具体算例对其可行性和稳定性加以验证.

摘要： 本发明公开了一种基于深度强化学习和级联图神经网络的潮流收敛性调整方法，采用级联图神经网络，通过该网络的数据拟合当前潮流数据与潮流收敛概率的非线性映射关系，同时利用该网络所得的潮流收敛概率作为深度强化学习的奖赏函数设计参照之一。强化学习可通过不断进行动作(潮流调整动作)与环境(当前潮流参数)的交互，通过环境的对于动作的奖赏学习到可调整的动作策略，并利用深度学习构建当前环境下不同动作与动作最终价值之间的非线性映射关系。本方法将前述级联图神经网络得到的潮流收敛概率作为奖赏函数的设计参考之一，最终得到潮流收敛性调整策略，对保障电力系统安全稳定运行有着重要意义。

摘要： 本发明公开了一种机械臂时间收敛性的控制方法及其7DOF机械臂，属于自动化控制技术领域。本发明的控制方法为首先建立7‑DOF机械臂系统的数学模型；接着设计RBF神经网络自适应控制器，利用神经网络训练求出权重，设计控制律，建立李雅普诺夫函数方程和不对称项推导其收敛性；最后设计约束状态下的神经网络自适应；设计范围参数，以遗传算法优化。通过所设计控制律在保证控制精度的条件下，验证时间收敛性是否增快。本发明通过带有时变约束状态的神经网络来进行自适应控制，并利用遗传算法在保证控制精度的条件下，选取参数优化时间收敛性，用以处理机械臂末端轨迹会产生明显偏差，精度降低的问题。

摘要： 本发明公开一种具有改进的收敛性能的多用户串行干扰删除接收机及方法。该接收机中，干扰删除单元将上一迭代级中对应用户的重构信号与串连在前面的各干扰删除单元从接收信号中去除干扰后得到的残差信号相加，检测相加后的数据信号并利用检测到的数据生成该用户数据的估计值，从该相加后的数据信号中减去由该用户数据估计值生成的重构信号，得到残差信号并传送给后一干扰删除单元，而且，对由该用户数据估计值生成的重构信号进行逐级迭代，并将最后一级迭代得到的该用户数据的估计值输入判决单元进行判决，得到该用户的恢复信号。该干扰删除单元包括非线性处理模块，根据当前所检测的用户数据的可信度确定该用户数据的估计值，使得接收机迅速收敛。

摘要： 本发明公开了一种提高弹性分组环收敛性能的方法，涉及通信技术领域，解决现有技术中因为发送和接收多余报文而增加RPR的收敛时间的缺陷。本发明首先源节点在有边侧发送生存时间和生存时间初始值都为1的拓扑和保护报文，然后目的节点接收所述报文，最后目的节点进行保护升级。本发明能够减少RPR上需要发送和接收的TP报文，从而减少RPR的收敛时间；并且，本发明能够对边后节点的保护升级状态进行预测、快速保护升级，从而提高RPR的收敛性能。

摘要： 本申请提供一种链路汇聚收敛性能测试方法及系统。该测试系统包括待测设备、辅测设备以及测试仪，待测设备与辅测设备之间通过聚合链路通信；待测设备包括待测成员端口，辅测设备包括辅测成员端口，聚合链路包括连接待测成员端口与辅测成员端口的通信链路；待测设备还包括第一端口以及第二端口，待测成员端口发出的流量依次经第一端口以及第二端口发送给辅测成员端口。测试仪响应第一端口与待测成员端口之间的断开事件，获得待测设备对断开事件的收敛性能。由于第一端口与待测成员端口同属于待测设备，使得所述待测设备能够及时感知第一端口与待测成员端口之间的断开事件，以够获得待测设备更为真实的收敛性能。

摘要： 本发明公开了一种能够提高全局收敛性能的复杂网络社区检测方法，具体包括：提高差分进化算法的全局收敛性能的步骤，该步骤具体是：(一)分类自适应差分类变异策略；(二)动态自适应参数调整；(三)基于历史信息的进行差分选择操作。基于分类的自适应变异将作用于每一代种群中所有个体直到进化结束，因此每个个体的变异都能够得到有针对性的调整。一方面，可以加强优秀个体的探索能力，以增加在其邻域发现全局最优的可能性；另一方面，能够加强较差个体的开采能力，以加快其向全局最优化的搜索速度。

摘要： 本发明公开一种具有改进的收敛性能的多用户串行干扰删除接收机及方法。该接收机中，干扰删除单元将上一迭代级中对应用户的重构信号与串连在前面的各干扰删除单元从接收信号中去除干扰后得到的残差信号相加，检测相加后的数据信号并利用检测到的数据生成该用户数据的估计值，从该相加后的数据信号中减去由该用户数据估计值生成的重构信号，得到残差信号并传送给后一干扰删除单元，而且，对由该用户数据估计值生成的重构信号进行逐级迭代，并将最后一级迭代得到的该用户数据的估计值输入判决单元进行判决，得到该用户的恢复信号。该干扰删除单元包括非线性处理模块，根据当前所检测的用户数据的可信度确定该用户数据的估计值，使得接收机迅速收敛。

摘要： 本发明公开了一种提高弹性分组环收敛性能的方法，涉及通信技术领域，解决现有技术中因为发送和接收多余报文而增加RPR的收敛时间的缺陷。本发明首先源节点在有边侧发送生存时间和生存时间初始值都为1的拓扑和保护报文，然后目的节点接收所述报文，最后目的节点进行保护升级。本发明能够减少RPR上需要发送和接收的TP报文，从而减少RPR的收敛时间；并且，本发明能够对边后节点的保护升级状态进行预测、快速保护升级，从而提高RPR的收敛性能。

摘要： 自治系统网络路由收敛性能测试方法属于网络测试技术领域，其特征在于所述方法分别对OSPF和iBGP网络路由收敛性能进行测量。首先构建测试场景，在网络中选择两个路由器节点，并分别放置流量发生器和流量捕获器；在iBGP路由收敛测试中，流量捕获器同时充当路由仿真器。在引入网络链路、节点失效事件或BGP仿真路由振荡的同时，测量网络数据平面的传输性能指标，根据流量发生器和流量捕获器发送和接收的报文数，即可对路由控制平面的收敛时间进行估算。本发明提出的方法对于测试设备要求不高，实施简单方便。

摘要： 本发明提出了一种信道衰落干扰下迭代学习控制系统的收敛性保障方法，联合利用比例型迭代学习控制器的学习过程与信道衰落干扰下输入信号和输出信号的传输过程，在执行器端建立用于对控制器端更新输入进行估计的滤波模型，设计一个线性最小方差意义下的最优滤波器，在传感器到控制器和控制器到执行器两侧信道均存在随机衰落干扰下，在迭代域对滤波模型中的状态信号进行最优估计，并以估计的状态信号中的控制输入分量驱动系统的执行器，从而改善信道衰落干扰下迭代学习控制系统的收敛性能。本发明能够同时处理传感器到控制器和控制器到执行器两侧信道随机衰落干扰的影响，适用于无线衰落信道下采用比例型迭代学习控制器进行远程控制的所有对象。