简介:介绍非线性方程转化直线性方程和多元线性回归法来分析近代物理实验中塞曼效应分裂干涉圆环多处选点测量的处理过程。
简介:目的:解决考虑模糊环境条件影响下的复杂机械产品并行拆卸路径规划问题,并给出成本和模糊时间最优的拆卸方案。创新点:建立混合模糊模型,引入三角模糊数表示拆卸工序加工时间,提高拆卸路径规划的环境适应性;采用并行加工方法,尽可能地提高生产资源利用效率,缩短加工时间和降低加工成本;使用混合编码方式,用同一条染色体表示拆卸工序和工位信息,简化模型表达和运算;在遗传算法中引入高斯变异方法,提高算法的收敛速度。方法:1.引入一个包含N个工位和L个零部件的拆卸序列规划问题,提出混合模糊拆卸模型实现对此问题的数学描述;2.采用包含高斯变异算子的遗传算法,对结果进行优化计算,以得到最短的模糊加工时间和加工成本;3.将本文所述方法的计算结果与快速搜索随机树算法的运行结果进行比较。结论:在算法分别迭代50次、100次和150次的情况下,本文所述方法得到的最优解均优于快速搜索随机树算法的解,并且运行时间均短于快速搜索随机树算法。
简介:目的:基于支持向量机回归(SVR)模型在非线时间序列的预测能力及经验模态分解(EMD)方法在处理非线性非平稳性的优势,提出一种复合自回归经验模态分解支持向量机回归(AR-EMDSVR)模型,提高非线性非平稳船舶运动极短期预报精度。创新点:1.研究非线性非平稳船舶运动的极短期预报问题,提出一种复合的预报方法;2.基于不同层次的预报模型和模型试验数据,分析非线性非平稳性对极短期预报精度的影响。方法:1.在SVR模型中引入基于自回归(AR)预报端点延拓的EMD方法,形成复合的AR-EMDSVR预报模型;2.基于集装箱船模水池试验运动数据将AR-EMD-SVR模型与AR、SVR和EMD-AR三种模型进行比较,分析非线性非平稳性对极短期预报的影响以及不同模型的预报性能。结论:1.AR-EMD方法能够有效的克服非平稳对极短期预报模型(AR和SVR)在精度上所带来的不良影响;2.基于船模试验数据的预报结果表明:相较于AR、SVR和EMD-AR三种预报模型,基于AR-EMD-SVR模型的非线性非平稳船舶运动极短期预报结果具有更高的精度。