基于目标高斯分布的定位系统节点最优部署方法

针对三维空间定位系统中目标位置服从高斯先验分布假设条件下节点最优部署问题, 分析了纯方位目标定位算法中估计误差的费希尔信息矩阵, 推导出基于目标先验分布的克拉美罗界(Cramer-Rao bound, CRB)。为了解决目标位置在任意高斯分布时, 协方差矩阵为非对角阵的问题, 提出了基于三维坐标旋转的最大后验概率估计方法, 将协方差矩阵转化为对角阵以实现最小化CRB的迹, 从而得到定位系统中节点的最优部署。最后, 通过梯度下降算法对节点最优部署问题的理论推导进行仿真, 验证了该部署方法的有效性，同时仿真结果中不同节点部署方法的对比也表明了该方法可有效降低定位误差。     

数控机床故障分析与可靠性评价技术的研究

针对传统数控机床可靠性建模时只考虑故障间隔时间而忽略故障性质的现象，提出兼顾机械故障和电气故障的混合威布尔分布模型，进而提高模型准确度.利用最大似然法来确定混合威布尔分布模型参数，用皮尔逊相关系数来确定数控机床各故障时间之间的关系.并通过K-S方法对模型进行检验， 最后确定其符合混合威布尔分布，并运用可靠性评定方法得出数控机床的平均无故障时间.     

基于域适应与分类器差异的滚动轴承跨域故障诊断

基于数据驱动方法诊断滚动轴承故障时，不同工况下的数据特征分布差异会导致模型诊断性能严重下降.针对这一问题，提出了基于域适应与分类器差异的滚动轴承跨域故障诊断方法.首先利用卷积神经网络对带标记的源域样本和无标记的目标域样本进行特征提取;然后通过2个全连接分类器进行故障分类;最后通过分步优化分类损失、域最大平均差异损失和分类器差异损失，实现源域和目标域之间的域分布对齐，从而实现无标记目标域样本的故障诊断.实验结果表明，所提方法与主流的域适应方法相比具有更高故障诊断准确率，验证了该方法的合理性和可行性.     

非负函数积分均值的一个不等式性质

利用Hlder不等式证明有界闭区间上非负连续函数积分均值的一个不等式性质,将其推广到与函数整数次幂的积分有关的序列的单调性,并证明该序列的极限即为函数在积分区间上的最大值.     

极大似然估计方法的直观教学设计

极大似然估计是求解参数点估计的一个重要方法.该方法具有很多优良的统计性质,因而在各个领域中得到广泛的应用.针对该方法计算复杂,学生理解较为困难的问题,对极大似然估计的教学方案进行了设计.通过引入简单实例,讨论了极大似然估计所使用的极大似然原理及其求解方法,让学生形成对新方法的直观理解,在教学中取得了良好的效果.     

磁流变半主动悬架加速度驱动阻尼控制策略仿真分析

加速度驱动阻尼(Acceleration Driven Damper, ADD)控制策略原理简单、易于工程化应用,但其阻尼系数的选择对控制效果有重要的影响。基于理想ADD控制悬架系统模型,分析不同阻尼系数对悬架响应的影响；建立悬架系统综合性能目标函数,仿真得到理想ADD控制策略最优阻尼系数。基于磁流变半主动悬架系统仿真模型,进行ADD控制策略阶跃和随机路面激励仿真。仿真结果表明,在随机激励下,车身加速度可以降低11.83%,但会恶化轮胎动载荷及悬架动挠度指标,使得轮胎动载荷和悬架动挠度分别增加7.98%和15.45%；与被动悬架系统相比,ADD控制磁流变半主动悬架对较高频激振下的车身加速度有较好的抑制作用；同时,ADD控制算法在车身加速度过零时,阻尼力高频切换会引起颤振现象。     

最大度较小的图的线性着色

本文研究了最大度较小的图的线性着色问题。通过分析未着色顶点的邻近顶点的着色情况，扩充图的部分线性着色，利用数学归纳法证明了△（G）≤4的非4正则图G的线性色数有lc（G）≤7和△（G）≤5的非5正则图G的线性色数有lc（G）≤13。     

具变指数的拟线性方程解的最大模估计

考虑p(x)-Laplace方程Dirichlet边值问题的L∞估计,通过改进的迭代引理和De Giorgi迭代,给出了非负不增函数Ak∶=meas{x∈Ω:uk}的估计,并应用迭代引理得到了解的L∞正则性.结果表明:利用这种改进的De Giorgi迭代,在得到解的L∞估计时,也可得到该解对各种指标精确的依赖关系;这种正则性技术可应用到带有退化和奇异低阶项的偏微分方程中.     

多星载光学传感器系统误差极大似然配准算法

针对低轨星座协同探测弹道目标过程中存在系统误差的问题，提出多星载光学传感器系统误差极大似然配准（maximum likehood registration，MLR）算法。通过一阶Taylor近似对非线性量测转换线性化，推导出目标状态的误差协方差与卫星轨道定向、姿态角测量和传感器测量等随机误差的关系，并基于视线交叉获得观测在状态空间中的近似投影，从而将MLR算法扩展到低轨星座多光学传感器的误差配准。通过引入各类测量误差的先验信息对目标状态的误差协方差进行修正，利用期望极大化迭代，实现了对系统误差的无偏有效估计及目标轨迹的融合估计。仿真验证了所提算法的有效性，且配准性能优越。     

基于最大熵方法的鲁棒自适应滤波及其应用

针对过程噪声和量测噪声受到脉冲噪声影响而呈现非高斯分布,且噪声统计特性不精确从而导致估计精度下降的问题,提出一种基于最大熵方法的变分贝叶斯自适应卡尔曼滤波(maximum correntropy variational Bayes adaptive Kalman filter, MCVBAKF)算法,并将其应用于捷联惯导系统(strapdown inertial navigation system, SINS)/全球卫星定位系统(global positioning system, GPS)组合导航系统。首先,使用最大熵鲁棒滤波方法对由脉冲噪声产生的野值问题进行处理;然后,通过改进的变分贝叶斯自适应方法进行后验更新,估计噪声,收敛所估参数的估计值;最后,进行了仿真对比。结果表明, MCVBAKF在复杂环境下可以有效提升滤波精度和稳定性。