动态非线性模型参数多层递阶估计法

针对目前通用的动态系统状态预报方法的不足,提出关于动态非线性模型参数估计的多层递阶估计法,并对预报误差的原因进行分析,使预报精度得到提高。     

基于改进微粒群算法的非线性系统模型参数估计

将改进微粒群优化算法用于非线性系统模型参数估计,并通过对三种典型的非线性系统模型参数估计进行验证。实验结果表明:改进微粒群优化算法参数估计精度高,是一种有效的参数估计方法。     

带有未知参数的非线性系统递阶模型跟踪控制器的设计

从参数估计与最优控制双目标优化的观点出发,采用大系统中分解-协调的方法,给出了一种对非线性系统四级递阶模型跟踪控制的算法,并用于求解带未知参数的同步电机励磁控制问题。仿真结果表明,此算法计算简便、结构分明,能达到较好的参数估计精度,而且能使非线性对象很好地跟踪模型。     

基于二阶段自适应多模型的聚合釜温度控制

针对丙烯腈聚合过程的强时滞和较大参数不确定等特性,该文提出一种基于二阶段自适应多模型的广义预测控制方法。该方法首先根据系统的参数范围,建立多个自适应模型,应用最小二乘算法分别进行参数估计。再利用各自适应模型的参数估计值和预报误差计算模型的权值,将各参数估计值加权求和得到最终参数估计值。将该参数估计值作为参数的真值,利用广义预测控制算法确定各时刻的控制作用。仿真结果显示:该方法能使系统未知参数快速收敛到真值,同时系统的动态性能和对理想温度的跟踪精度较常规多模型自适应控制有明显的提高。     

非均匀采样Hammerstein系统的梯度迭代辨识算法

为了解决Hammerstein非线性系统在非均匀采样条件下的辨识问题,该文提出了1种能够用于在线参数估计的梯度迭代算法。通过引入时变后移算子,推导了非均匀采样Hammerstein系统的离散时间模型。采用关键项分离技术将系统参数化为1个线性回归模型。基于辅助模型辨识思想对未知中间变量进行重构,并利用负梯度搜索原理获得模型参数的迭代估计。仿真结果表明,该文方法是有效的,且比辅助模型随机梯度算法具有更快的收敛速度,参数估计精度提高近40倍。     

基于Jaynes-Cummings模型的量子参数估计与初态优化

参数估计理论是根据实验测量数据推断物理模型中未知参数的重要理论工具.Jaynes-Cumming模型是量子光学中广泛使用的模型,描述了二能级原子和单模量子光场之间的相互作用.利用参数估计理论系统地研究了该模型中光-原子耦合强度g的估计精度,并找到了可达到最高估计精度的初态.该结果可以提高基于Jaynes-Cumming模型的量子精密测量的精度,该研究方法也可用于其他基于混合量子系统的量子度量学研究.     

广义阶层线性模型下铆题存在DIF时的测验等值研究

利用广义阶层线性模型研究具有DIF铆题时的测验等值,在进行等值时能有效地控制DIF效应,并与传统方法--有DIF铆题但等值时忽视DIF的存在下等值进行比较,从DIF效应值大小、铆题中DIF项目数和被试数等3个因素来考察两种方法对参数的估计或等值精度的影响.模拟研究发现采用广义阶层线性模型较传统方法参数估计或等值精度要高,除了DIF项目数和DIF效应值外,被试数也是影响参数估计精度的-重要因素.     

随机模拟中模型与参数不确定性影响的分析

以长江支流乌江武隆站所建立的洪水随机模型为原型,应用统计试验方法初步研究了随机模拟中模型及参数不确定性对推求设计防洪库容精度的影响,所考虑的模型有解集模型及季节性ＡＲ（Ｉ）模型,模型参数估计有矩法及概率重矩法,样本容量ｎ＝３０,１００两种,设计防加容精度采用不偏性及有效性两种指标,根据１６个试验方案结果,对不同的模型、参数估计方法及样本容量对设计防洪库容精度的影响作了分析,得出一些初步结论。     

改进的差分自回归移动平均模型的共轭梯度参数估计法

为了提高差分自回归移动平均模型的拟合精度,本文结合已有的文献,借助无约束优化方法来解决此模型中的参数估计问题。主要提出了一种改进的差分自回归移动平均模型参数的优化估计法,并对提出的算法进行详细说明,在强Wolfe条件下对全局收敛性进行了证明。该方法保证了迭代计算的收敛性,并且提高了收敛的速度。数值试验结果说明:该算法是一种较为有效的方法,与其他方法比较,参数估计值更为显著,提高了预测精度。     

比估计方法下Eichhorn and Hayre模型的参数估计

研究了比估计方法下Eichhorn and Hayre模型的参数估计,通过效率比较,证明了比估计方法下Eichhorn and Hayre模型的参数估计精度优于Eichhorn and Hayre模型的估计精度.     

多点法圆度及轴系误差分离方法的若干问题

目的 论述多测头圆度及轴系测量误差分离方法的一般原理,测量误差的传播规律以及测圆精度与测头数目的关系。方法 在满足误差分离条件的前提下,增加测头和引入冗余测量方程以减小测头的读数及角位置误差对测圆精度的影响,通过误差分析及实验考察了测圆精度与测头数目的关系。     

锂离子电池荷电状态的在线融合估计方法

为提高安时积分法对荷电状态估计的精度,解决其估计误差随时间不断增大的问题,采用极限学习机算法建立了安时积分法的误差预测模型,该模型以电池工作电流作为输入,对应的安时积分法荷电状态估计误差作为输出,将误差预测模型与安时积分法进行融合,对安时积分法的荷电状态估计值进行校正,形成了安时积分法和极限学习机方法融合的锂离子电池荷电状态在线估计方法.仿真分析结果表明,相比安时积分法,融合方法可有效减小荷电状态估计误差,克服安时积分法估计误差随时间不断增大的问题.     

一种精确的前向散射雷达三维目标跟踪方法

针对一般测量精度下初始状态估计误差大,导致滤波易发散的问题,提出了一种基于解析推导和Leven-berg-Marquardt算法的初始状态估计方法,能够在目标参数测量精度不高的情况下获得比较精确的初始值;针对滤波过程计算量太大、收敛速度慢的问题,结合精确的初始状态估计值和扩展卡尔曼滤波(EKF)实现了前向散射雷达三维目标的精确跟踪.通过仿真和比较分析表明,EKF算法跟踪精度高,收敛速度快,且计算量小.     

一种合成宽带数字波束形成相控阵通道幅相误差的校准方法

在对相控阵雷达数字化单脉冲和差波束形成原理研究的基础上,给出了单脉冲比的提取模型。对通道幅相误差与角度估计精度的关系进行了分析,结果表明通道幅相误差将导致和波束主瓣畸变,增益降低,进而影响角度测量的精度;在利用合成宽带信号进行距离高分辨成像时,通道的幅相误差将会导致高分辨距离像的畸变。针对通道误差的校准提出了一种不需要注入参考信号的盲自适应校准方法,利用接收信号作为参考信号,采用改进的NLMS算法求取校准权值,在校准过程中进行通道延迟的补偿。仿真结果证明了该方法的有效性。     

一种导航宽带抗干扰中的阵列幅相误差校正算法

针对复杂电磁环境下抗干扰导航接收机中存在的幅相误差问题,提出一种幅相误差有源校正的导航接收机抗干扰算法;该算法通过干扰和幅相误差构建阵列幅相误差数学模型;然后基于加权子空间拟合原理和最小二乘的方法估计阵列幅相误差系数;最后利用线性约束最小方差(LCMV)算法对修正的之后的接收数据进行干扰的抑制;并明确提出了导航抗干扰接收机的通道修正的解决方案。理论分析和仿真实验表明,估计的幅相误差系数与实际幅相误差非常接近;此方法可以准确在干扰方向上形成零陷并保留导航信号;信噪比在-10 d B的时候,幅相误差估计值逐渐收敛于真实值;并且随着信噪比的增加幅相误差估计精度也逐渐提高。所提算法能有效提高存在幅相误差通道的抗干扰的性能。     

厂级监控系统中数据校正算法模型研究

探讨厂级监控系统中实时数据的校正算法及其应用技术.介绍了测量数据误差的相关概念;基于多元统计分析基本原理,建立了数据校正的基本模型;基于信号处理原理,重点研究了数字滤波方法在数据协调中的应用;结合火电机组厂级监控系统的应用特点,提出了数据分级的概念,建立了基于设备特性的数据误差识别及其修补的关联模型.应用上述关联模型,在冗余检验和数字滤波等技术的支持下,建立并实现了数据显著误差检验与数据协调相互统一的数据校正方法.应用结果表明,该方法具有算法简单,概念清晰,保证了实时分析结果的有效性.     

基于采样交通量与卡尔曼滤波的增程式电动汽车续航里程估算研究

为了提高增程式电动汽车续驶里程估算精度,消除驾驶员因电动汽车续驶里程估计不准确产生的忧虑心理,提出一种新的基于采样交通量与卡尔曼滤波的增程式电动汽车里程估算方法。依据不同道路等级,通过指数回归模型对增程式电动汽车交通量进行估算。介绍了卡尔曼滤波原理,给出卡尔曼滤波方法状态方程与观测方程,利用最小二乘法对卡尔曼滤波公式进行推导,获取状态向量预测值和状态向量测试方差矩阵。介绍了单位能耗行驶里程计算方法。结合采样交通量和剩余续驶里程计算结果,通过卡尔曼滤波方法获取下一时刻增程式电动汽车的续驶里程,实现对增程式电动汽车续驶里程的估算。经实验验证,所提方法估算准确性高。     

Improved Square-Root UKF Algorithm for State Estimation of Nonlinear Systems

The square-root unscented Kalman filter (SR-UKF) for state estimation probably encounters the problem that Cholesky factor update of the covariance matrices can't be implemented when the zero'th weight of sigma points is negative or the numerical computation error becomes large during the filtering procedure.Consequently the filter becomes invalid.An improved SR-UKF algorithm (ISR-UKF) is presented for state estimation of arbitrary nonlinear systems with linear measurements.It adopts a modified form of predicted covariance matrices,and modifies the Cholesky factor calculation of the updated covariance matrix originating from the square-root covariance filtering method.Discussions have been given on how to avoid the filter invalidation and further error accumulation.The comparison between the ISR-UKF and the SR-UKF by simulation also shows both have the same accuracy for state estimation.Finally the performance of the improved filter is evaluated under the impact of model mismatch.The error behavior shows that the ISR-UKF can overcome the impact of model mismatch to a certain extent and has excellent trace capability.     

无线OFDM系统中基于导频信道估计方法的性能比较

从实用的角度对无线OFDM系统中基于离散导频的几种信道估计方法进行了阐述,并进行了性能仿真、分析和比较。同时,给出了导频设计的基本原则和宽平稳非相干散射(WSSUS)移动无线信道仿真模型。在介绍线性内插、高斯内插、Cubicspline内插和低通滤波方法的基础上,重点对2-D和分离的2×1-D维纳内插滤波方法进行了介绍。维纳内插滤波是线性最小均方误差(MMSE)意义下的最佳内插滤波方法,其性能在所讨论的几种实用信道估计方法中是最优的。     

区间卡尔曼滤波算法在组合导航数据融合中的应用

传统卡尔曼滤波算法在系统参数不确切已知或随时间变化时无法直接应用。本文通过将参数变化的系统建立成区间模型,给出了一种处理系统参数不确定性的区间卡尔曼滤波算法,该算法运用一种较为简单的区间矩阵求逆方案,在统计最优性能及迭代形式方面与标准卡尔曼滤波算法相当,仿真验证了该算法在低成本INS/GPS组合导航数据融合中应用的可行性。