厚尾噪声条件下星凸形扩展目标student’s t滤波器

针对非线性非高斯厚尾噪声条件下的不规则形状的扩展目标跟踪问题,提出了基于随机超曲面模型(RHM)的星凸形扩展目标student’s t滤波算法.首先,在带有非高斯厚尾过程噪声和厚尾量测噪声的系统中, 基于student’s t分布给出鲁棒student’s t滤波器.其次,利用随机超曲面模型描述任意星凸形扩展目标的量测源分布, 提出带厚尾噪声的星凸形扩展目标student’s t滤波器.最后通过仿真验证了所提方法的正确性和有效性.     

基于非线性修正策略的空气质量预警系统研究

建立科学、有效的空气质量预警系统,对于保护人们的身体健康和促进社会和谐稳定具有重要的科学价值和实际意义.为此,本文首先利用孤立森林(isolationforest,iForest)算法进行空气质量指数(air quality index,AQI)离群点分析,然后建立了一种空气质量预警系统,该系统由数据预处理模块、优化模块、预测模块和修正模块构成,融合了时变滤波经验模态分解(time varying filtering based empirical mode decomposition,TVF-EMD)、改进的蝴蝶优化算法(modified butterfly optimization algorithm,MBOA)、离群鲁棒极限学习机(outlier robust extreme learning machine,ORELM)和非线性修正策略,该预警系统成功地实现了空气质量的有效预警.同时,以污染程度不同的5个城市作为实验地点对预警效果进行检验,结果表明:1)与经验模态分解(empirical mode decomposition,EMD)相比,TVF-EMD可以更为有效地降低原始数据的非线性和非平稳性特征;2)基于MBOA的误差非线性修正策略比其他误差修正策略更胜一筹,可以显著提高预警系统的性能;3)建立的预警系统的性能要优于其他对比模型,可以对污染程度不同的城市进行有效预警.     

网络控制系统中迭代学习控制算法的鲁棒收敛性分析

针对网络控制系统中受输入扰动和初态干扰的非线性系统，提出了一种迭代学习控制算法，讨论了输出数据丢失情况下系统输出对期望轨迹的跟踪问题。采用一个概率已知的随机贝努利序列来描述网络控制系统中的数据丢失现象，即如果输出数据没有丢失，则利用跟踪误差来修正上一次迭代学习时的控制量，从而获得系统当前控制量；如果存在输出数据丢失现象，则系统当前控制量保持上一次迭代时的控制量不变。给出了保证算法收敛的充分条件。从理论上证明了系统满足给定的收敛条件时，在数据丢失网络环境下具有输入扰动、初态扰动的被控系统随迭代学习次数的增加，系统输出除初始点以外都能够收敛于期望轨迹。通过仿真算例进一步验证了所提方法的有效性。     

基于多变量高斯过程模型的贝叶斯建模与稳健参数设计

针对模型预测偏差和波动的稳健参数设计问题,在多变量高斯过程(multivariate Gaussian process,MGP)建模的框架下,结合质量损失函数和非线性优化约束方法构建一个新的多响应优化模型.首先,利用成对估计方法获得超参数近似值,构建多变量高斯模型;其次,结合MGP模型特征,构造充分考虑响应波动因素的质量损失函数.利用蒙特卡罗模拟方法,获得响应落入指定区间的期望概率;然后,以期望概率为约束,结合本文所提质量损失函数建立优化模型;最后,利用全局优化算法进行寻优,获得考虑响应期望概率的优化结果.实际案例和软件仿真表明,该方法综合权衡了预测偏差和预测波动引起的不确定性对优化结果的影响.获得了兼顾质量损失和期望概率最优均衡解,从而实现稳健参数设计.     

一种高可靠分布计算系统的适应性故障侦测方法

针对高可靠分布计算系统的故障侦测,提出一种适应性故障侦测方法.根据系统计算节点的负载和网络传输时延,动态地估算心跳消息超时时限,协商改变心跳消息的发送周期,以适应系统状态的变化,减少故障侦测服务的错误.模拟实验表明,该方法与通常的故障侦测方法及NFD-E相比,故障侦测出错次数较少,侦测时间较短,并能够适应高可靠分布计算系统状况的变化,在侦测的实时性和正确性上提供较好的平衡.     

航天器非线性鲁棒自适应姿态机动控制律

针对存在未知转动惯量和外部干扰力矩的敏捷航天器快速大角度姿态机动问题,结合非线性反步法和Lyapunovo稳定性分析方法设计控制力矩和转动惯量估计值的非线性鲁棒自适应控制律。在控制力矩控制律中,加入非线性阻尼项对外部干扰力矩进行补偿,证明了系统的全局一致最终有界稳定性。引入非线性动系数增加系统的动态性能,提高了姿态快速机动后的快速稳定能力。在Maltlab/Simulink环境下进行航天器姿态机动控制仿真研究,仿真结果验证了所设计控制器的有效性和可行性。     

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.     

基于惯性权重自适应改变的混沌粒子群算法

粒子群算法是美国学者受鸟类觅食行为启发提出的一种群体优化算法,在迭代后期易早熟收敛.为此利用混沌运动的随机性、规律性和遍历性的特点对粒子群算法进行优化,提出了一种惯性权重自适应改变的混沌粒子群算法.在算法中对惯性权重进行调整加快算法前期收敛速度,而且加入了变异操作以帮助粒子后期跳出局部极小.最后用测试函数进行仿真实验,结果表明该算法收敛快,寻优能力强,寻优精度高.     

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.