时变系统辨识方法及其收敛定理

介绍了用于辨识方法性能研究的鞅收敛定理和鞅超收敛定理,阐述了其应用范围;讨论了研究辨识算法收敛性的各种激励条件;综述了时变随机系统的各种辨识方法,包括最小二乘类辨识方法(如遗忘因子最小二乘算法、卡尔曼滤波算法、有限数据窗最小二乘算法等)和随机梯度类辨识方法(如遗忘梯度算法、广义投影算法等);同时阐述了时变参数系统辨识领域的一些值得深入研究的课题;最后给出了遗忘梯度算法在不同条件下参数估计误差上界的几个定理,说明数据的平稳性可以改善参数估计精度.     

随机系统多新息辨识在衰减激励下的性能

多新息辨识算法是估计系统参数的一种有效方法 ,其特点是可以克服坏数据对参数估计的影响 ,具有很强的鲁棒性。该文给出了衰减激励信号的定义 ,并在衰减激励条件下 ,利用随机过程理论 ,研究了随机系统多新息辨识算法的性能 ,给出了参数估计误差收敛时 ,衰减指数应满足的条件 ,以及算法中设计参变量的选择方法。分析表明 :若设计参变量选择为 r(t) =O(t2ε(lnt) c) ,(c>0 ) ,衰减指数满足 0≤ ε<1/ 4,则参数估计均方误差以 O 1(lnt) c 速度收敛于零     

广义时变系统的最小二乘辨识方法

根据工程背景 ,提出了广义时变参数系统的概念。广义时变系统是指参数随系统可测扰动量变化的一类时变系统 ,即参数是系统可测扰动量函数的时变系统 ,提炼出这类时变系统的数学描述模型。根据最优化技术 ,导出了这类模型的两种辨识方法 ,即最小二乘型算法和随机梯度型算法 ,并应用鞅超收敛定理分析了算法的收敛性。分析表明 :由于该方法同时还利用了系统扰动量所含的信息 ,因而可以给出时变参数的一致估计。数字仿真验证了提出方法用于估计广义时变系统的参数是有效的。     

战役性联合压制作战远程支援干扰部署优化

远程支援干扰编队是空中压制集群中用于支援火力压制编队突防的“首波”电子干扰力量,对其进行优化部署将有助于提高空中压制集群在其突击航路“前段”的突防效能。然而当前研究成果普遍存在缺乏战术背景及对空中压制集群作战筹划规程不明的问题。缺乏战术背景，致使研究结论出现偏颇或错误;对空中压制集群作战筹划规程不明使得在建模过程中对相关约束把握不全、不准,致使研究结论实用性不强。本文从空中压制集群作战实际出发,依据防空预警雷达网的空情融合规则建立了雷达探测威胁模型;以突防航路被敌雷达网探测的威胁总量为目标函数，建立了远程支援干扰编队部署决策模型;为解决几何解析难以进行模型解算及对广域多参函数进行二进制编码将出现计算效率低等问题，设计了基于二值图像封闭区域检测的实数遗传算法;最后通过实例仿真验证了所构模型的有效性及正确性。     

AlSiC电子封装材料的凝胶注模法制备

文章将凝胶注模技术与铝合金无压熔渗技术相结合,采用3种颗粒级配填隙制备出SiC体积分数大于60X%的AlSiC复合材料.研究结果表明,凝胶注模制备的SiC预制件粗细颗粒分布均匀;含粗颗粒SiC浆料中引入质量分数约为2%的高温黏结剂,在1 050℃煅烧1 h即可使预制件具有满足后续工艺要求的强度,而且整个过程中坯体尺寸稳...     

多中心社区居家养老服务调度与服务网络优化

针对随机环境下的复杂多中心社区居家养老服务问题,以最小化总运营时间为目标,建立带机会约束的随机规划模型.设计改进的混合牧羊人优化算法,通过引入交叉算子,使新的步长更新仍基于当前和其他个体的位置信息,让算法能够用于解决具有离散特点的社区居家养老服务问题.最后,通过不同规模的算例试验和算法比较,验证了所提算法的有效性.     

基于RLS的自回归滑动平均模型的两阶段辨识方法

提出了基于递推最小二乘(RLS)的自回归滑动平均模型的两阶段辨识方法.仿真结果表明,方法给出的参数估计精度比递推增广最小二乘算法高.     

CARMA模型多新息增广随机梯度参数估计算法的收敛性

将多新息辨识理论用于研究CARMA模型的参数估计问题。首先用估计残差来代替信息向量中的不可测噪声项,导出了CARMA模型的增广随机梯度算法,进一步把标量新息推广为新息向量,导出了相应的多新息增广随机梯度辨识算法,并利用鞅收敛定理分析了多新息增广随机梯度算法的收敛性。最后的仿真结果验证了该算法的有效性。     

对光电精确制导武器的区域电子防空干扰目标分配方法

精确制导武器是区域电子防空的首要作战对象,以红外、电视、激光为制导方式的光电制导武器占据绝大比例。干扰目标分配作为对抗过程中的关键环节,其准确性和合理性直接决定能否实现对敌有效干扰,确保己方重点目标的安全。在分析区域电子防空目标特征、对抗能力和决策难点的基础上,确立了基于多层防御的干扰分配思路。针对目标分配的前提威胁评估问题,提出了目标环境不确定条件下基于知识推理的威胁等级判定方法。依据威胁评估结果,建立以干扰效能指数最大化为目标的干扰分配数学模型,解决不同作战对手、对抗手段、力量配置情况下的分配决策问题。仿真实例表明,所提方法能够积极响应战场态势变化,在实时分配、精确干扰和主动调整上满足实战要求。     

自回归模型的多新息随机梯度和多新息最小二乘辨识方法

将多新息辨识理论用于研究自回归模型的参数辨识问题,通过把标量新息扩展为向量新息(即多新患),扩展信患向量到信患矩阵和构成堆积系统输出,从而提出了自回归模型的多新息随机梯度辨识算法和多新息最小二乘辨识算法.仿真结果验证了提出算法的有效性.