一类基于神经网络非线性随机系统自适应滤波

给出非线性MIMO随机系统可观性定义和条件，将非线性SISO确定性系统局部可观性理论拓展到非线性MIMO随机系统，基于这一理论在系统模型和噪声统计未知情况下，提出一类基于神经网络的非线性离散随机系统自适应滤波器的设计方法，考虑过程方程的动态特性和输出方程的静态特性，设计了动态神经网络作为系统的滤波器，前馈神经网络作为系统的输出预报器，充分利用已知观测信息训练两个神经网络，从而提高了状态估计的精度，该方法克服了扩展Kalman滤波要求模型和统计特性精确已知的不足，仿真例子验证了所提出的估计方法的有效性。     

基于神经网络方法的船舶姿态运动极短期预报与仿真

根据动态神经网络具有通过学习能以任意精度逼近非线性函数的特性，建立了用于船舶运动极短期预报对角回归网络（DRNN）模型及算法，并将该算法所取得的结果与自回归预报法和周期图预报法的结果相比较，说明了该算法的可行性。     

H∞自适应滤波的理论分析及其在导航系统中的应用研究

由于双星系统的误差模型未知，且稳定性较差，采用Kalman滤波实现惯导／双星组合导航时，其滤波特性较差。而H^∞自适应估计对模型的不定性和干扰信号的统计信息不需做任何假设，而使它在工程实践中有广泛的应用。本文研究了H^∞自适应滤波，并将其应用到惯导／双星组合导航系统中。该方法是通过从输入干扰信号到估计误差间的最大能量增益的最小化找到一种H^∞最优估计策略来保证滤波器的鲁棒性。利用双星和惯导的实测数据进行仿真实验，并和递推最小二乘法、最小均方法进行比较。仿真结果表明，H^∞自适应滤波的鲁棒性优于其它两种算法。     

抗差自适应UKF算法在地基光学跟踪空间目标中的应用

滤波过程中若噪声的统计特性发生时变,则会引起传统无迹卡尔曼滤波(unscented Kalman filter,UKF)的滤波精度快速降低、滤波收敛性不定甚至发散,针对这个问题提出了具有鲁棒性的UKF算法。首先根据极大后验估计(maximum a posterior estimate,MAPE)原理,推导出无偏的近似最优MAPE常值噪声统计特性的滤波估计公式,并给出了时变噪声统计估计器相关参数的一整套递推公式。考虑到观测数据粗差的存在,将可以在线估计时变噪声特性的方法和具有鲁棒特性的滤波因子相结合,以有效抑制观测数据的粗差值对滤波稳定性和收敛性的影响。最后,以地面站对空间非合作目标的光学测角跟踪为应用背景的仿真实例表明,该算法在噪声统计特性未知或不准确且过程噪声矩阵时变、观测数据存在个别粗差情况下,滤波依然收敛,其滤波精度及稳定性提高较为明显。     

基于参数学习的GARCH动态无穷活动率Lévy过程的欧式期权定价

在股票价格中引入漂移率、波动率和随机跳跃三种状态， 建立动态状态空间模型， 并通过局部风险中性定价关系（RNVR）推导无套利定价模型. 以非高斯条件ARMA-NGARCH为基准模型， 构建S&P500指数的离散动态Lévy过程， 并基于序贯贝叶斯的参数学习方法， 进行模型估计和期权定价研究. 结果表明： 动态Lévy过程能够联合刻画时变漂移率、条件波动率和无穷活动率等特征， 且贝叶斯方法的引入提高了期权隐含波动率的定价精度. 同时， 无穷活动率模型在期权定价方面具有显著优势. 在五类滤波中， 无损粒子滤波估计精度最高， 速降调和稳态过程（RDTS）的期权定价误差最小， 而非高斯模型在收益率预测方面没有表现出显著的差异.     

随机模拟方法在地区干旱频率分析中的应用

地区干旱历时和干旱程度等特征量的频率特性分析是区域水安全管理的重要基础工作，目前适用的分析方法主要是随机模拟技术，其中的关键问题是建立合适的降雨过程随机模型。考虑到实测降雨序列本身就包含有降雨的地区特性、连续时段雨量的变化特性等重要信息，以随机分析原理和计算机数值模拟为基础，对年降雨量过程进行统计特性分析，建立了面向实用性的P-Ⅲ型分布All（1）模型并通过了检验。应用结果表明，所建立的模型较为满意。该模型可用于生成大量的年降雨量模拟序列作为地区干旱指标序列，从而可对所研究地区干旱特征量的频率特性进行估计，对已发生的历史干旱事件的重现期进行识别。图2，表2，参8。     

H~∞自适应滤波的理论分析及其在导航系统中的应用研究

由于双星系统的误差模型未知,且稳定性较差,采用Kalman滤波实现惯导/双星组合导航时,其滤波特性较差。而H自适应估计对模型的不定性和干扰信号的统计信息不需做任何假设,而使它在工程实践中有广泛的应用。本文研究了H自适应滤波,并将其应用到惯导/双星组合导航系统中。该方法是通过从输入干扰信号到估计误差间的最大能量增益的最小化找到一种H最优估计策略来保证滤波器的鲁棒性。利用双星和惯导的实测数据进行仿真实验,并和递推最小二乘法、最小均方法进行比较。仿真结果表明,H自适应滤波的鲁棒性优于其它两种算法。     

鲁棒自适应输出跟踪控制在船舶操纵中的应用

针对带有未知控制增益、常参数不确定性以及外部扰动的船舶运动非线性模型，将自适应逆推技术与Nussbaum增益方法相结合，提出一种新的非线性自适应鲁棒控制策略，实现了船舶运动航向渐近跟踪控制。在所得控制器作用下的系统性能不仅能够通过设计参数而得到保证，且可克服控制器奇异值问题。设计过程及数字仿真结果均表明，所设计的自适应非线性跟踪控制器对不确定性具有良好的适应性及鲁棒性。     

基于奇异值分解的鲁棒滑模观测器设计与仿真

在Edwards滑模观测器设计思想的基础上,提出具有未知输入干扰的鲁棒滑模观测器设计方法,采用奇异值分解技术,设计鲁棒滑模观测器以及优化滑模策略,给出严格论证,保证对系统不确定性以及外界干扰具有鲁棒性:采用Lyapunov函数作为稳定观测器的判别条件,使设计的观测器一致收敛,状态估计达到预期的指标:通过VTOL直升飞机的动态数学模型仿真示例验证了研究方法的有效性,并与一般的Luenberger观测器进行比较,证明设计的滑模观测器具有很好的跟踪性,以及对未知输入扰动良好的鲁棒性.     

带非线性观测器的欠驱动船舶自适应动态面输出反馈轨迹跟踪控制

针对船速与艏摇角速度均不可测的三自由度欠驱动船舶轨迹跟踪问题,考虑在海洋环境扰动未知,提出一种带非线性观测器的动态面自适应输出反馈控制方法。该方法通过对系统模型进行坐标变换,设计非线性观测器估计船舶的速度向量;采用动态面技术可处理反演法对虚拟控制量求导导致的“微分膨胀”问题,减少计算量;同时采用自适应律估计海洋环境干扰的界值,从而防止参数漂移。利用Lyapunov函数证明该控制律可保证船舶轨迹跟踪误差的一致最终有界性,仿真结果证明了所提出控制方法的有效性。     

某突击步枪自动机数值仿真研究

枪械自动机是枪械主要组成部分,其动力学特性分析是自动机设计的关键技术。将Solidworks和ADAMS软件联合构建一个虚拟样机平台,建立了某突击步枪自动机多体动力学仿真模型,进行了数值仿真分析,仿真分析的结果与实验结果相比吻合很好,表明了该平台的正确性。构建的平台与方法可以得到自动机中任意构件的运动学和动力学特性,大大缩短了枪械设计周期并提高了设计准确性,为枪械自动机设计提供了定量依据,为枪械的研制提供了新的分析方法。     

Trajectory Tracking Control of Euler-Lagrange Systems with ISS-Like Robustness to Actuator Noises

This paper studies global robust tracking of uncertain Euler-Lagrange systems with input disturbances. The authors develop a robust regulation-based approach for the problem. Specifically, by introducing a novel nonlinear internal model, the authors solve global asymptotic trajectory tracking with disturbance rejection of multiple step/sinusoidal signals with unknown amplitudes, frequencies,and phases. Moreover, the authors show that a robustness property to actuator noises can be guaranteed in ...     

分解炉虚拟样机的开发

以水泥生产过程中的分解炉为对象，分析了分解炉内具体的物理化学过程，同时开发了反映分解炉工作过程(流体力学、燃烧学、分解动力学、颗粒动力学)的数学模型，借助数值模拟方法进行了分解炉虚拟样机的开发，为分解炉的设计与开发提供了试验平台。     

屏蔽数据下软件可靠性的极大似然估计

屏蔽数据是指引起系统失效的真实原因不得而知,即失效原因可能是系统组件的某个子集。一般地,屏蔽数据下非齐次泊松过程 (non-homogeneous Poisson process, NHPP)类软件可靠性叠加模型中参数的极大似然估计比较复杂,因为叠加模型不能分解成几个简单的NHPP模型。本文主要研究基于屏蔽数据下叠加模型中参数的极大似然估计,评估软件系统的可靠性。最后通过一组模拟数据,说明极大似然估计效果良好。     

Robust data envelopment analysis based MCDM with the consideration of uncertain data

The application of data envelopment analysis (DEA) as a multiple criteria decision making (MCDM) technique has been gaining more and more attention in recent research. In the practice of applying DEA approach, the appearance of uncertainties on input and output data of decision making unit (DMU) might make the nominal solution infeasible and lead to the efficiency scores meaningless from practical view. This paper analyzes the impact of data uncertainty on the evaluation results of DEA, and proposes several robust DEA models based on the adaptation of recently developed robust optimization approaches, which would be immune against input and output data uncertainties. The robust DEA models developed are based on input-oriented and outputoriented CCR model, respectively, when the uncertainties appear in output data and input data separately. Furthermore, the robust DEA models could deal with random symmetric uncertainty and unknown-but-bounded uncertainty, in both of which the distributions of the random data entries are permitted to be unknown. The robust DEA models are implemented in a numerical example and the efficiency scores and rankings of these models are compared. The results indicate that the robust DEA approach could be a more reliable method for efficiency evaluation and ranking in MCDM problems.     

基于自适应调节的人类动力学模型

近期人类动力学的研究揭示:大量人类行为的时间间隔分布具有标度性.尽管最近建立的人类动力学的排队论模型在解释这种非泊松特性的成因方面取得了很大成功,但还有大量存在标度性的人类行为不能用排队论模型描述.基于人类对自身行为的兴趣或活性的自适应调节现象,提出了一个非排队论的人类动力学模型,并对其进行了数值模拟和解析研究.该模型可以获得指数为-1的幂律形式的时间间隔分布,与一些实证结果相吻合.这一结果表明,自适应调节的兴趣或活性也是人类行为的非泊松特性的成因之一.     

Robust estimation of parameters in nonlinear ordinary differential equation models

Ordinary differential equation (ODE) models are widely used to model dynamic processes in many scientific fields. Parameter estimation is usually a challenging problem, especially in nonlinear ODE models. The most popular method, nonlinear least square estimation, is shown to be strongly sensitive to outliers. In this paper, robust estimation of parameters using M-estimators is proposed, and their asymptotic properties are obtained under some regular conditions. The authors also provide a method to adjust Huber parameter automatically according to the observations. Moreover, a method is presented to estimate the initial values of parameters and state variables. The efficiency and robustness are well balanced in Huber estimators, which is demonstrated via numerical simulations and chlorides data analysis.     

马氏转移高敏感跳扩散CKLS模型的解及金融应用

将马氏转移切换机制和泊松过程引入到CKLS短期利率模型中,构建马氏转移跳扩散CKLS模型.理论方面,利用Lyapunov函数方法证明了马氏转移跳扩散CKLS模型存在唯一的全局正解并给出了该解的分析性质(包括一阶矩二阶矩的有界性,随机有界性和路径估计);用欧拉离散化方法得到马氏转移跳扩散CKLS模型的欧拉数值解,证明了其依概率收敛于解析解.应用方面,以债券定价和障碍期权的期望收益为例给出了马氏转移跳扩散CKLS模型数值解的收敛性在金融领域中的应用.基于7天Shibor利率的实证分析,说明了马氏转移跳扩散CKLS模型对我国金融市场中动态利率建模更加合理和有效.     

一种基于RLC互连线系统的串扰仿真方法研究

提出了一种基于均匀RLC耦合互连线系统的串扰噪声仿真方法.该方法将耦合互连线模型在线元分析阶段即进行复频域解耦,使原本复杂的耦合互连线元模型转化为独立互连线元模型,进而简化之后的串扰噪声的仿真分析过程.最后运用数值方法得到均匀RLC互连线串扰噪声的时域估计表达式.仿真实验结果相较于PSPICE结果的误差小于5%,表明了该方法可以对均匀RLC互连线串扰噪声进行有效的仿真和评估.     

新型六旋翼飞行器的轨迹跟踪控制

针对新型六旋翼飞行器,提出一种轨迹跟踪控制策略。首先,给出了六旋翼飞行器的运动学模型和动力学模型,同时给出存在复合干扰情况下的运动学模型,并提出了一种新的复合干扰估计算法,该算法是由干扰估计误差驱动而非传统的状态跟踪或者预测误差。随后,设计了飞行器动力学和运动学模型的backstepping控制器,在动力学模型的控制器设计中将指令滤波和线性跟踪微分器用于其中,以提高系统对控制指令的响应速度。最后,通过仿真验证实验,验证了所提干扰估计算法和轨迹跟踪策略的正确性和有效性。