基于递推规范变量分析的时变过程故障检测

由于规范变量分析(CVA)不适应过程的时变特性,容易把正常的过程改变识别为故障.因此,针对时变过程提出一种故障检测方法是十分必要的.采用指数权重滑动平均来更新过去观测矢量的协方差矩阵.递推CVA有较高的计算负荷是需要解决的关键问题.通过引入一阶干扰理论来递推更新Hankel矩阵的奇异值分解(SVD).与普通奇异值分解相比,显著降低了递推算法的计算负荷.将提出的基于一阶干扰理论的递推规范变量分析(RCVA-FOP)应用于田纳西伊斯曼化工过程中.仿真结果表明,所提出方法不仅能有效适应过程的时变特性,而且可以有效检测到两种类型的故障.     

一种求复数矩阵逆的迭代方法

将复数矩阵的虚部矩阵应用矩阵的初等变换不改变其秩的理论,分解成两个向量乘积之和分解式.把复数矩阵写成实部矩阵与虚部矩阵分解式之和形式,利用摄动矩阵求逆公式,建立了本文给出的复数矩阵求逆的迭代公式.     

实矩阵降维的稀疏贝叶斯跳频信号DOA估计

提出一种基于实数域矩阵降维的稀疏贝叶斯跳频信号到达角(DOA)估计算法.该算法通过酉矩阵变换将复数域信号稀疏表示转换至实数域,利用奇异值分解对实数域数据矩阵进行降维,降低了计算复杂度;通过改进稀疏贝叶斯算法中预设阈值的比较方式和噪声方差初始值的设置方法,减少算法迭代次数.仿真结果表明:在低信噪比或低快拍数条件下,该算法DOA估计精度优于传统的稀疏贝叶斯学习算法,所需计算时间更少,且不受跳频信源相干性影响.     

一种基于复数变量求偏导的随机有限元可靠度法

提出一种基于复数变量求偏导的随机有限元可靠度法.将工程中的随机因素设置为复数变量,通过复数函数的泰勒级数展式得到一阶导数的近似计算式.这种求导方法效率高,精度高,应用简单方便,只需在复数空间进行有限元计算,无需对有限元方程进行偏导计算,便可求出响应量的偏导数,进而求得响应量的方差.在随机有限元一次二阶矩的迭代格式中,取复数空间有限元计算结果的实部作为响应量的值,这样在求可靠度系数的迭代过程中,无需再在实数空间进行计算.复数变量法大大简化了随机有限元(SFEM)和随机有限元可靠度(SFEMR)的计算和编程过程,为工程应用提供了一种现实可行的途径.     

n阶排列中相同逆序数的排列个数递推算法

用生成函数(母函数)讨论了n阶排除中具有相同逆序数k的排列个数d(n,k)的新递推公式,将d(n,k)的计算转化成其生成函数的计算,从而得到一个可以用计算机完成的算法.     

矩阵之和Moore-Penrose逆的一个恒等式

设A_1,A_2,…,A_k为复数域上k个m×n矩阵。在本文中我们引入了这k个矩阵之和的Moore-Penrose逆(简称M—P逆)与由这k个矩阵组成的一个分块矩阵的M-P逆之间所满足的一个恒等式,结果如下。定理矩阵A_1,A_2,…,A_k之和sum from i=1 to k A_i的M-P逆满足如下恒等式     

惯导初对准中的平方根无轨迹卡尔曼滤波

针对无轨迹卡尔曼滤波(UKF)在递推过程中,有些情况下出现状态协方差逐渐失去正定性,导致计算发散现象,对状态协方差进行矩阵分解,在滤波中用其平方根进行计算,保证其正定性.采用平方根无轨迹卡尔曼滤波(SRUKF)对大失准角情况下惯性导航系统初始对准非线性ψ角模型进行估计.蒙特卡罗仿真结果表明,SRUKF与UKF在滤波精度和收敛速度上基本一致,SRUKF的数值稳定性优于UKF.     

有关正整数的一类分拆数的计算

讨论了正整数n的一些带约束条件的分拆问题.给出了计算其中三类分拆数的递推关系:一类为将n分拆成l个不同的分部(项),且分部量不超过正整数k的分拆数的递推关系;另一类为将n分拆成各分部量互不相同且分部量不超过k的分拆数的递推关系,进而给出了计算这类分拆数的一种计算方法;第三类为将正整数分拆成分部量不超过k且互不相同的奇偶分拆数的递推关系.     

一种求复数矩阵逆的迭代方法

将复数矩阵的虚部矩阵应用矩阵的初等变换不改变其秩的理论,分解成两个向量乘积之和分解式。把复数矩阵写成实部矩阵与虚部矩阵分解式之和形式,利用摄动矩阵求逆公式,建立了本文给出的复数矩阵求逆的迭代公式。     

二阶矩阵代数上保持强k-交换性映射的刻画

记M_2(F)为实或复数域F上的二阶矩阵代数。对于给定的正整数k≥1,A与B的k-交换子递推地定义为[A,B]k=[[A,B]k-1,B],其中[A,B]0=A,[A,B]1=[A,B]=AB-BA.设Φ是M_2(F)上值域包含所有一秩矩阵的映射。本文证明了Φ满足[Φ(A),Φ(B)]k=[A,B]k对任意A∈M_2(F)都成立的充要条件是存在一个泛函h∶M_2(F)→F和1的k+1次根λ∈F,使得Φ(A)=λA+h(A)I对任意A∈M_2(F)都成立。     

扩展卡尔曼粒子滤波算法的一种修正方法

针对扩展卡尔曼粒子滤波（EKF-PF）算法滤波精度较低的缺点，提出对其建议分布进行高阶修正的新算法．该算法针对非线性系统方程，基于二阶泰勒级数展开，利用高阶项对一阶扩展卡尔曼滤波（EKF）的状态估计向量及协方差阵做出适当修正，同时考虑到协方差阵计算中存在矩阵相减运算、计算误差以及参数不匹配等因素的影响，采用矩阵QR分解技术保证了协方差阵的正定性．新算法在一定程度上减小了局部线形化的截断误差，提高了建议分布的逼近程度．仿真实验表明，新算法在计算量增加不多的情况下，滤波精度有明显的提高．     

时间渐消递推最小二乘估计的矩阵QR分解方法

给出了当数据一步更新时,利用矩阵QR分解进行最小二乘估计的直接递推形式。与利用Givens旋转变换进行参数递推估计的方法相比,该方法直接表征了被辨识参数的递推计算关系,因而可直接判定递推估计算法的收敛性。     

降秩正态线性模型参数的无偏估计

降秩正态线性模型的参数是不可估的。针对这一情况,在可识别性约束条件下,证明了降秩正态线性模型正规方程系数矩阵的逆是原模型正规方程系数矩阵的一个广义逆,进而得出可估函数的最小二乘估计是最优无偏估计的结论。同时,推导了一般协方差分析模型的参数估计的公式,举例证明单协变量两向协方差分析的一般解算方法。     

阶次未知系统的递推算法和自校正控制

基于Ｕ－Ｄ分解法，提出了一种新的递推算法，它能同时在线辨识受控系统的 阶次和参数，因而，可用于阶次未知的系统的自校正控制。文中给出了这种算法的设计 原理和实验结果。     

一种系统在线辨识算法的改进研究

研究了线性单输入单输出系统在线辨识的递推算法．为确保复杂的智能控制有更充裕的时间，在保证辨识精度的情况下，提出了减少参数辨识运算量的变步长递推算法．传统的递推最小二乘法采用的方式是每获得一组新观测数据就修正一次参数估计值，而变步长递推算法增加了改变每次修正参数估计值前获得新观测数据的组数，合并了一些重复的运算．对该算法进行了推导，并给出了参数误差的差分方程，在理论上证明了算法的收敛性．仿真和实验表明，该算法的运算量有明显减少，而收敛速度和辨识精度几乎没降低．     

基于递推总体最小二乘的机载单站无源定位算法

对于机载单站无源定位中观测向量和系数矩阵均存在噪声的情况,采用经典的最小二乘(LS)算法会导致估计结果有偏,而一般的批处理算法运算量大,不满足定位的实时性要求.为此提出一种递推总体最小二乘定位(RTLS)算法.在建立机载无源测向定位模型的基础上,引入由系数矩阵和观测向量构成的增广矩阵,利用矩阵分解的性质建立了增广自相关逆矩阵和最右奇异向量的递推方程,从而推导出RTLS定位算法.仿真结果表明,RTLS算法的收敛速度和定位精度优于RLS算法和TWDRLS算法,并且实现了TLS算法对目标位置的实时估计,能够定位需求.     

整体最小二乘参数估计的并行算法

基于递推最小二乘的逆ＱＲ分解方法,给出一种整体最小二乘参数估计的递推算法,并利用已获得的并行实现方法进行并行实现,最后给出了仿真结果．文中给出的并行计算方法使得在实际中应用整体最小二乘进行参数估计变得可行．     

Resetting AUDI Algorithm Used in Rapid Time-varying MIMO System Identification

Augmented UD identification (AUDI) technique is derived from the traditional recursive leastsquares (RLS) algorithm and has been developed rapidly during the last decade. AUDI is a cluster of identification algorithms based on matrix factorization methods (such as QR and LDL) and thus shows its stable performance in system identification applications. An AUDI algorithm with resetting strategy (RAUDI) has much ability in rapid time-varying SISO system identification. In this paper, an endeavor to expand the RAUDI in MIMO system identification is made and a comparative experiement is done to exhibit its good ability in rapidly changing parameter estimate in MIMO system.     

带有色观测噪声的ARMA模型参数估计的三段算法

提出了带有色观测噪声的自回归滑动平均（ARMA）模型参数估计的三段算法。第一段用递推增广最小二乘法（RELS）估计自回归（AR）参数;第二段用Gevers-Wouters算法估计伴随滑动平均（MA）模型参数;第三段用求不相容线性方程组的最小二乘解得到原始MA参数估值。一个仿真例子说明了其有效性。     

改进的递推增广最小二乘参数估计方法

基于用递推最小二乘(RLS)法拟合高阶自回归(AR)模型得到的白噪声估值,提出了自回归滑动平均(ARMA)模型参数估计的一种改进的递推增广最小二乘法。它由两段RLS算法组成,可在线实现,具有快的收敛速度。一个仿真例子说明了其有效性。