具有LTS稳健初值的点云平面拟合算法

针对粗差含量较高的点云平面拟合,提出具有最小截断二乘（LTS）稳健初值的拟合算法.首先采用随机抽样的方法计算平面方程系数的LTS估值,选择稳健的绝对偏差中位数作为初始单位权中误差,然后再进行选权迭代.这样既保证了选权迭代法较高的估计效率,又可以保持LTS方法的稳健性.实验结果表明,具有LTS稳健初值的选权迭代法对于粗差含量较高的点云数据仍然稳健,可以得到准确的平面方程.     

针对结构易损场景监测的传感器优化布置方法

基于结构易损性指数和结构体系的损伤系数定义了结构失效指标,该指标可用来判断易损场景发生后结构体系的失效状态.在特征向量灵敏度分析的基础上推导了该指标在模态参数不确定性影响下的估计方差,并且以所有易损场景下指标的方差和最小为优化目标,提出了以监测结构易损场景为目的的传感器优化布置模型,以及基于凸规划的求解算法.采用该方法对一个平面桁架结构的数值模型进行了传感器布置,并且根据模拟的受损结构的模态数据,计算了不同传感器布置方案下结构失效指标的均值和方差.结果表明,与传统方法相比,该方法可以提高对易损场景发生后结构失效状态的评估精度.     

Wiener过程性能退化产品可靠性评估新Bayes方法

针对Wiener过程性能退化产品的可靠性评估问题,通过分析先验分布和损失函数两个因素,提出一种新的Bayes方法.假定Wiener过程参数服从共轭先验分布,对求解参数的后验分布进行理论分析;基于平方损失、绝对损失、0-1损失3种损失函数,分别求得Bayes估计结果;对航空发动机可靠性评估进行了实例分析.相对于已有方法,该方法在求解参数的后验分布时具有更广泛的适用性,并且运算过程更简单.对于民航发动机可靠性评估这一特定应用,3种损失函数中选取绝对损失函数时参数估计的拟合程度最优.     

一种基于鲁棒残差生成器的故障估计方法

针对具有加性执行器或元部件故障的线性系统,在独立故障的个数大于独立测量个数的情况下,提出了一种基于鲁棒残差生成器的故障估计方法.该故障估计方法是基于鲁棒残差生成器实现的,不需要额外设计动态的故障估计器.故障估计的实现需要:设计编码集;基于编码集设计鲁棒残差生成器;利用编码集和鲁棒残差生成器的输出实现故障分离和故障的渐近估计.给出了本方法的适用的充分条件,并证明了故障估计误差的渐近收敛性.最后,针对具有加性执行器故障的线性系统,基于几何方法设计鲁棒残差生成器,并进行了故障检测、故障分离和故障估计的仿真.仿真结果验证了本故障估计方法的有效性.     

三次B样条曲线形状调整方法

分析了某种带局部形状调整参数的B样条曲线的构造,提出用带调整参数的变换矩阵方法生成控制点进而生成所要求的带形状参数的三次B样条曲线的方法.研究了参数变化对曲线的影响,以及该方法下所生成样条曲线在拼接点处的连续性条件.     

缺失数据下线性EV模型的稳健参数估计

给出了多元线性EV模型下协变量具有随机缺失(MAR)时参数的稳健估计方法,并证明了估计的渐近正态性.模拟研究表明估计量在有限样本下具有很好的效果.     

高维半线性双曲型偏微分方程的边界观测问题

本文研究了高维半线性双曲型偏微分方程的边界观测问题, 并在此基础上给出了该观测问题的一种近似算法.     

基于自适应平方根UKF的微机械传感器融合航姿估计

提出一种新的基于自适应平方根UKF的微机械传感器组合姿态测量系统.该系统采用3轴微机械陀螺积分得到姿态角,采用3轴微机械加速度计测量重力矢量得到俯仰角和横滚角,分别校正俯仰漂移和横滚陀螺漂移;采用磁强计得到航向角,并与陀螺积分角度融合校正航向陀螺漂移.跑车实验结果表明,基于自适应平方根UKF算法可实时估计机动加速度干扰,并在融合滤波器中进行补偿,能够有效去除车辆机动加速度干扰,姿态角估计精度在±0.6°以内.     

基于贝叶斯测距和迭代最小二乘RSS的定位算法

针对基于接收信号强度(received signal strength,RSS)测距定位框架,提出基于贝叶斯测距和迭代最小二乘定位的RSS的定位算法.在测距阶段,先利用贝叶斯概率模型处理测距过程,并采用最小均方误差(minimum mean square error,MMSE)估计距离;在定位阶段,利用迭代最小二乘(iterative least square,ILS)估计节点的位置,最后重点对其定位性能做了理论分析和对比实验.仿真结果表明,提出的MMSE+ILS定位的方案极大地提高了定位精度,并降低了计算复杂度,但运行时间略有提高.     

双单叶星形和凸函数的系数边界

通过限定单叶函数及其逆分别从属于不同的对象,定义了两类一般化的双单叶星形族S*(a1,b1,a2,b2,α1,α2)和凸族K*(a1,b1,a2,b2,α1,α2).讨论得到它们泰勒展式中前两项系数的边界估计值.