结构方程中拟合函数的迭代算法，不同于PLS算法。而是采用BFGS拟牛顿法求解，得出的结果与LISREL软件结果一致. 注：此算法只是针对本人一个模型使用，不同模型要做改动
上传时间： 2014-01-18
上传用户：sxdtlqqjl
采用回溯法，利用动态搜索树的数据结构来构造一棵解树，实现3着色问题。 本程序使用迭代回溯算法
标签： 回溯法
上传时间： 2017-09-26
上传用户：bruce5996
共轭梯度法为求解线性方程组而提出。后来，人们把这种方法用于求解无约束最优化问题， 使之成为一种重要的最优化方法。 共轭梯度法的基本思想是把共轭性与最速下降方法相结合， 利用已知点处的梯度构造一组共 轭方向， 并沿这组方向进行搜索， 求出目标函数的极小点。 根据共轭方向的基本性质， 这种 方法具有二次终止性。 在各种优化算法中， 共轭梯度法是非常重要的一种。 其优点是所需存 储量小，具有步收敛性，稳定性高，而且不需要任何外来参数。 共轭方向 无约束最优化方法的核心问题是选择搜索方向 . 在本次实验中 , 我们运用基于共轭方向的一种 算法 — 共轭梯度法 三．算法流程图： 四．实验结果： (1). 实验函数 f=(3*x1-cos(x2*x3)-1/2)^2+(x1^2-81*(x2+0.1)+sin(x3)+1.06)^2+(exp(-x1*x2)+20*x3+ 1/3*(10*3.14159-3))^2; 给定初始点 (0,0,0) ， k=1 ，最 大迭代次数 n d 确定搜索方向 进 退 法 确 定 搜 索 区 间 分割法确定最 优步长
上传时间： 2016-05-08
上传用户：saren11
function [alpha,N,U]=youxianchafen2(r1,r2,up,under,num,deta) %[alpha,N,U]=youxianchafen2(a,r1,r2,up,under,num,deta) %该函数用有限差分法求解有两种介质的正方形区域的二维拉普拉斯方程的数值解 %函数返回迭代因子、迭代次数以及迭代完成后所求区域内网格节点处的值 %a为正方形求解区域的边长 %r1,r2分别表示两种介质的电导率 %up,under分别为上下边界值 %num表示将区域每边的网格剖分个数 %deta为迭代过程中所允许的相对误差限 n=num+1; %每边节点数 U(n,n)=0; %节点处数值矩阵 N=0; %迭代次数初值 alpha=2/(1+sin(pi/num));%超松弛迭代因子 k=r1/r2; %两介质电导率之比 U(1,1:n)=up; %求解区域上边界第一类边界条件 U(n,1:n)=under; %求解区域下边界第一类边界条件 U(2:num,1)=0;U(2:num,n)=0; for i=2:num U(i,2:num)=up-(up-under)/num*(i-1);%采用线性赋值对上下边界之间的节点赋迭代初值 end G=1; while G>0 %迭代条件：不满足相对误差限要求的节点数目G不为零 Un=U; %完成第n次迭代后所有节点处的值 G=0; %每完成一次迭代将不满足相对误差限要求的节点数目归零 for j=1:n for i=2:num U1=U(i,j); %第n次迭代时网格节点处的值 if j==1 %第n+1次迭代左边界第二类边界条件 U(i,j)=1/4*(2*U(i,j+1)+U(i-1,j)+U(i+1,j)); end if (j>1)&&(j U2=1/4*(U(i,j+1)+ U(i-1,j)+ U(i,j-1)+ U(i+1,j)); U(i,j)=U1+alpha*(U2-U1); %引入超松弛迭代因子后的网格节点处的值 end if i==n+1-j %第n+1次迭代两介质分界面（与网格对角线重合）第二类边界条件 U(i,j)=1/4*(2/(1+k)*(U(i,j+1)+U(i+1,j))+2*k/(1+k)*(U(i-1,j)+U(i,j-1))); end if j==n %第n+1次迭代右边界第二类边界条件 U(i,n)=1/4*(2*U(i,j-1)+U(i-1,j)+U(i+1,j)); end end end N=N+1 %显示迭代次数 Un1=U; %完成第n+1次迭代后所有节点处的值 err=abs((Un1-Un)./Un1);%第n+1次迭代与第n次迭代所有节点值的相对误差 err(1,1:n)=0; %上边界节点相对误差置零 err(n,1:n)=0; %下边界节点相对误差置零 G=sum(sum(err>deta))%显示每次迭代后不满足相对误差限要求的节点数目G end
标签： 有限差分
上传时间： 2018-07-13
上传用户：Kemin
形心法—PD脉冲多普勒测速Matlab仿真，在不同信噪比下，根据脉冲回波计算目标的位置和速度
上传时间： 2019-07-25
上传用户：waiting1616
推挽式变压器的设计分为AP法和KG法两种设计方法，这两种设计方法都是以几何参数进行设计，主要区别在于，KG法是AP的基础上考虑了电压调整率，即加入电压调整率参数。下面是两种方法设计流程
标签： 变压器
上传时间： 2021-12-04
上传用户：
Allegro PCB SI的前仿真 前仿真，顾名思义，就是布局或布线前的仿真，是以优化信号质量、避免信号完整性和电源完整性为目的， 在众多的影响因素中，找到可行的、乃至最优化的解决方案的分析和仿真过程。简单的说，前仿真要做到两件 事：其一是找到解决方案；其二是将解决方案转化成规则指导和控制设计。 一般而言，我们可以通过前仿真确认器件的IO特性参数乃至型号的选择，传输线的阻抗乃至电路板的叠层， 匹配元件的位置和元件值，传输线的拓扑结构和分段长度等。 使用Allegro PCB SI进行前仿真的基本流程如下： ■ 准备仿真模型和其他需求 ■ 仿真前的规划 ■ 关键器件预布局 ■ 模型加载和仿真配置 ■ 方案空间分析 ■ 方案到约束规则的转化 2.1 准备仿真模型和其他需求 在本阶段，我们需要为使用Allegro PCB SI进行前仿真做如下准备工作：PCB 打板，器件代采购，贴片,一站式服务！www.massembly.com 麦斯艾姆，最贴心的研发伙伴！ www.massembly.com 研发样
上传时间： 2022-02-09
上传用户：slq1234567890
建模、控制算法研究以及仿真试验都是燃气轮机研制过程中必不可少的环节，本文针对三者展开研究首先，采用容积惯性法代替牛顿-拉普逊法建立三轴燃气轮机非线性动态模型，并考虑变比热、引气与冷却等环节，通过与试车数据比较验证了所建模型具有良好的仿真精度。采用容积惯性法不但提高了模型的实时性，并且动态过程更接近真实燃气轮机运转状态。分析了容积惯性法建模中低转速阶段仿真时出现的参数振荡现象产生的原因，通过增加低转速特性数据消除了参数振荡，并提出了一种基于指数平衡与样条拟合的外推方法来获得低转速特性数据。通过低压压气机特性数据外推计算与分析，证明了该外推方法具有较好的准确性。然后，针对重型燃气轮机非线性强、惯性大和负载多变等特点，提出了一种基于深度信念网络的自适应控制器。该控制器结合了深度信念网络和传统PD控制器，其中深度信念网络作用是在线调整PID参数，而传统PD控制器负责控制量的计算与输出。通过数字仿真，验证了该控制器满足燃气轮机转速控制的要求，并且具有良好的自适应性，在燃气轮机不同工况下，能够对其转速进行准确控制，使得系统快速响应的同时无超调量。最后，针对燃气轮机硬件在环仿真平台的需要，设计了一种能够采集并模拟多种范围电压、电流与频率信号的接口模拟器。搭建了燃气轮机硬件在环控制平台，在试验前对接口模拟器以及控制器进行了标定与平台的实时性验证。在已有的控制器上，完成了基于RIX作系统的多任务嵌入式控制系统开发。通过硬件在环试验，进一步验证了本文设计的控制器具有良好的控制效果与较强的自适应能力关键词：燃气轮机，容积惯性，建模，仿真，自适应控制，深度信念网络，硬件在环
标签： 自适应控制
上传时间： 2022-03-14
上传用户：
单脉冲雷达在我国航天测控领域具有非常重要的作用。随着新技术的不断研发和投入使用，数字单脉冲雷达技术已经日趋成熟并逐渐走向实用，模拟单脉冲雷达接收机进行数字化改造适应了技术发展的趋势。接收机数字化改造的目的是在设备可靠性增加的基础上，实现雷达跟踪距离的大幅提高。在进行接收机数字化改造前，要进行雷达回波微弱信号检测方法的研究，以达到在数字接收机上实现提高回波信号输出信噪比的目的，从而增加单脉冲雷达的跟踪距离。本文在研究大量国内外微弱信号检测成果的基础上，结合我国单脉冲雷达回波信号处理特点，提出了应用小波多分辨率阀值去噪来实现单脉冲雷达微弱信号检测的方法。阐述了单脉冲雷达微弱信号检测方法的研究背景，并介绍了单脉冲雷达回波微弱信号的采集和提取工作。提出应用小波多分辨率阀值去噪法来进行单脉冲雷达回波微弱信号检测的方法，并通过MATLAB仿真进行了算法验证，在理论和实验上验证了在回波信号去噪效果和波形恢复方面的良好效果，为后续的接收机数字化改造奠定了理论基础和算法模型。本文提出的方法有效地提高了微弱信号检测输出的信噪比，大幅增加了单脉冲雷达的跟踪距离。
上传时间： 2022-06-18
上传用户：jason_vip1
《现代通信系统盲处理技术新进展---基于智能算法》主要由以下8章组成： 第1章简要介绍无线通信系统的结构和发展概况，以及其盲处理算法的相关知识。第2章介绍人工神经网络及相应知识，从BP神经网络若手研究盲处理问题,同时给出复数域BP神经网络的信号盲处理方法和该类方法的优缺点说明。在第3章中介绍智能体的概念，并给出基于多智能体系统的盲处理方法。第4章介绍基于支持向量机框架下的盲处理算法，介绍支持向批机的原理，给出基于ε- 支持向量回归机的信道估计新方法，并介绍基千支持向批回归方法的MPSK和QAM的盲信号处理方法，然后引入星座匹配误差函数，并根据线性支持向搅回归和有序风险最小化原则，由恒模和星座匹配误差函数联合组成的新经验风险项构造一个新的代价函数，进而通过迭代求解优化问题获得均衡器。第5章介绍神经动力学和反馈神经网络的相关知识，特别地从神经动力学角度论述连续反馈神经网络可有效飞作的原因，论述反馈神经网络权值矩阵对吸引子和相轨迹的影响。并给出如何根据系统接收信号与发送信号之间的子空间关系，构造一个适用于现代通信系统中的盲检测的特定性能函数和优化问题。第6章分别展示如何基于连续多阈值神经元Hopfield网络模型实现通信信号盲处理的理论和方法，针对多相制信号的特点给出两种连续相位多阙值激励函数形式，并分析讨论该两类激励函数参数的选择、分别给出连续多阈值神经元 Hopfield 网络工作于同步和异步模式下的新能队函数及其相关证明。介绍采用幅相连续激励法解决稀疏QAM 信号的盲检测思路，并针对 QAM 信号的特点，分别给出连续幅度和相位多阙值激励函数形式，分析讨论该类激励函数的特点。第7章则电在从另一个角度提出采用同相正交振幅连续激励法解决密集QAM信号盲检测方法。介绍如何从激励函数角度分析放大因子选择的范围；给出该特定问题的同步和异步运行模式下的新能量函数形式；并证明和分析所设计的能量函数部分定理；介绍在基于反馈神经网络的信号盲处理方法这一研究课题中发现的几类现象，包括当信号的统计信息缺失或失真情况下，连续多阈值神经元反馈神经网络的盲检测能力：通用高阶QMA的激励函数被使用作为低阶QAM信号盲检测问题时的适用性......
上传时间： 2022-07-09
上传用户：
