离散混沌系统参数估计的生物地理学优化算法（英文）

基于混沌控制的方法,建立了离散混沌系统参数估计问题的非线性方程组模型.将此方程组模型转化为多峰连续函数优化问题并设计相应的生物地理学优化算法进行求解.通过对两个典型的离散混沌系统进行仿真实验,数值结果表明该方法具有测量数据少、参数估计精度高的优点.     

叙述性偏好法实验的有效样本量模型框架

叙述性偏好法(SP)是一种通过实验设计研究人们偏好的方法,通常结合离散选择模型估计参数.针对SP实验设计缺乏足以得到准确参数估计的有效样本量的问题,提出一个易于操作、更加全面的SP实验有效样本量估计方法框架,实现通过一个线性模型来估计实验所需的有效样本量.应用该框架开展实证研究,发现要素的数量、要素水平的数量、参数的尺度、样本量以及实验设计策略都对参数的准确性产生显著的影响,得到3种设计策略下的有效样本量估计模型.以此为基础,提出SP实验设计的实践原则.     

汽车电控液压制动系统动力学建模及性能研究

为提高估计电控液压制动系统的压力估计精度,针对其工作特性提出一种基于粒子群优化的UKF算法的汽车电控液压制动系统动力学建模方法.该算法根据液压制动系统的工作特性将压力估计问题转化为多维参数优化的问题,应用UKF对汽车电控液压制动系统进行压力估计,根据该液压系统的强非线性及时变系统特性引入液压系统指数参数,压力变化参数差,及测量轮缸压力作为状态量,引入粒子群算法根据目标函数,对UKF中的参数及观测噪声,过程噪声进行迭代寻优.实验数据对比,验证该算法参数估计的精确性及实时性.研究结果对液压制动系统以及整个液压系统的研究都具有指导意义.     

基于压缩感知的高分辨距离像散射中心参数估计

提出利用压缩感知理论实现高分辨距离像散射中心参数估计。该方法首先将散射中心参数估计转化为信号的稀疏表示,然后重点研究测量矩阵的设计和稀疏参数的选取。为了提高解的鲁棒性,在构造字典矩阵时将采用位置错开以降低测量矩阵原子之间的互相关性。在算法求解过程中,采用贝叶斯信息准则确定模型阶次和稀疏参数。数据实验表明,算法能够稳定精确地估计散射中心参数。     

基于云和高斯过程的网联车辆协同式道路参数估计

近年来智能网联汽车发展迅速,云端预先存储的道路参数信息对于提升网联汽车的悬架控制以及检测路面不规则度至关重要。目前关于道路参数估计的工作大多在单个车辆上完成,此类算法对于车辆模型不确定性以及测量误差较敏感。针对该问题,提出了一种新的协同式估计架构,该架构能够充分利用多个同质的网联汽车的测量信息以提高估计精度。首先,在云端利用前方行驶的全部车辆的数据对高斯过程模型进行训练以通过众包方式获取道路参数的估计结果。然后,该结果以未测量的方式发送到后方相邻车辆,后方单个车辆结合自车车载传感器（如加速度计、横摆角速度以及侧倾角速度）和由云端获取的基于众包高斯过程估计结果,使用卡尔曼滤波对该估计结果进一步优化。进而估计结果被发送到云端以更新高斯过程模型。大量的仿真实验结果表明,以该种方式使用云端估计的道路参数作为额外的未测量信息能够提高道路参数的估计精度,验证了该算法的有效性。     

基于Jaynes-Cummings模型的量子参数估计与初态优化

参数估计理论是根据实验测量数据推断物理模型中未知参数的重要理论工具.Jaynes-Cumming模型是量子光学中广泛使用的模型,描述了二能级原子和单模量子光场之间的相互作用.利用参数估计理论系统地研究了该模型中光-原子耦合强度g的估计精度,并找到了可达到最高估计精度的初态.该结果可以提高基于Jaynes-Cumming模型的量子精密测量的精度,该研究方法也可用于其他基于混合量子系统的量子度量学研究.     

基于坐标下降邻域选择的高斯图模型结构并行估计

在许多机器学习问题中,往往需要研究高维数据中各个特征之间的统计相关性.稀疏高斯图模型作为解决这一问题的有效方法之一,广泛应用于数据挖掘、生物信息、金融分析等应用问题中.由于模型参数量是数据维度的平方量级,基于高维数据的稀疏高斯图模型的参数估计一直是统计机器学习研究中的挑战性问题之一.提出了一种新颖的基于坐标下降优化的稀疏高斯图模型并行估计算法,其核心思想是根据高斯图模型结构估计等价于每个变量的稀疏近邻选择这一基本结论,采用坐标下降来求解每个近邻选择子问题.通过将样本矩阵进行分布式存储,在MPI(Message-Passing Interface)框架下实现了这些子问题的并行求解.实验结果表明,该算法具有良好的并行运算性能,在保证结构估计精度的同时,能够大幅度提升运算速度.     

基于神经网络的一类非线性系统参数估计

基于Ｈｏｐｆｉｅｌｄ神经网络的神经计算原理，提出了一类非线性系统的参数估计方法：首先将系统参数估计问题转化为以系统模型残差平方和为目标函数的优化计算问题，然后利用连续Ｈｏｐｆｉｅｌｄ神经网络的神经计算估计待辨识参数．数字仿真结果表明，该方法不仅算法简单，而且估计精度高．     

具有不确定测量的非线性随机退化系统剩余寿命预测

提出了一类同时考虑不确定测量和非线性随机退化的退化建模方法,通过Kalman滤波技术对受不确定测量影响的潜在退化状态进行实时估计;基于此,通过首达时间的概念得到了同时考虑退化非线性特征、退化状态不确定性及测量不确定性的剩余寿命分布;此外,提出了一种基于极大似然方法的退化模型参数估计方法,并通过陀螺仪的退化测量数据验证了所提方法可以提高剩余寿命估计的准确性.     

多径CD3S信号的混合卡尔曼滤波解调

提出了一种基于混合卡尔曼滤波的CD3S信号解调算法,在多径衰落信道下,采用状态估计的方法解调混沌直接序列扩频(CD3S)信号.根据混沌系统映射方程建立了混沌码同步问题的状态空间模型,并利用无损卡尔曼滤波器实现了混沌码同步;根据信道参数与信息码相对于混沌码的慢变特性,建立了信道参数估计与信息码估计问题的状态空间模型,并利用两个卡尔曼滤波器分别估计信道参数与信息码.三个滤波器均把彼此的估计结果作为系统参数,交替工作,通过联合估计实现信息码解调.仿真结果表明:无论多径信道是时不变的还是时变的,算法均可以提高混沌码同步精度,降低CD3S通信系统误码率.     

定性信号在混合状态与参数估计中的应用

为了利用实际工程中常可获得的各种测量信号,该文分析定性信号的特点,在某些时刻提取出定量信息,给出将所提取出的定量信息与连续测量信号共同用于混合系统状态估计的方法.同时,针对用于状态估计的模型难以避免误差的情形,在定性信号提取出的定量信息帮助状态估计的前提下,提出一种基于进化粒子滤波的方法,估计模型中存在误差的参数.仿真结果表明,该文提出的混合状态与参数估计方法是有效的,可以充分利用所获得的定性信号.     

活性污泥模型碳氧化过程参数的呼吸法估计

以自行开发的混合呼吸仪对异养茵好氧降解有机物过程进行呼吸测量,结合数学拟合分别对实验室污泥和污水处理厂污泥碳氧化过程模型参数进行了识别与估计.结果表明,2种污泥各自3个组合参数估计值的变动系数CV分别在13%以内和8%以内,单参数估计值的CV分别在25%以内和10%以内,混合呼吸仪高的测试频率和测量精度能够改善参数估计精度.呼吸测量实验初始基质浓度和污泥浓度通过影响呼吸速率曲线特性(信息含量)而影响参数估计的精度,是此类实验中需要重点优化的条件.     

混合系数线性模型的一类有偏估计

研究了连续测量数据情况下的混合系数线性模型的参数估计问题.利用压缩估计方法给出了该模型的一类有偏估计,并讨论了该估计的一些优良性质和压缩系数的选取问题.     

鞅在分层比例风险模型中的应用

用极大似然估计的方法确定带有右删失数据的具有Cox强度的时间相依协变量分层比例风险模型的参数估计形式,并采用鞅方法得出该模型的参数估计是相合的且是渐近正态的.由此得出,在临床试验中该模型的参数采用极大似然法来估计是可行的.     

基于空间球的三维激光扫描仪标定算法

针对三维激光扫描仪测量模型参数的估计问题,提出一种基于空间球的模型参数标定算法。该算法根据球状标定物上各激光扫描点与标定球球心的距离约束条件,建立三维激光扫描仪模型参数和标定球参数的非线性目标函数;综合采用入侵性杂草优化算法和Levenberg-Marquardt算法优化该目标函数,以实现激光扫描仪模型参数标定;通过增加标定球上的扫描点数,能够减弱激光扫描仪测量噪声对标定精度的影响,从而提高文中算法的模型参数标定精度。实验结果表明,该算法的标定精度高,模型参数估计的一致性好,且能有效抑制测量噪声对标定结果的影响。     

考虑稳态和动态数据的S-型生化系统参数估计方法

针对具有稳态实验数据和动态实验数据的一类S-型生化系统的参数估计问题,以浓度误差、斜率误差与稳态误差之和为极小化目标,构建了一种参数估计优化模型。为了求解参数估计问题,利用四阶龙格库塔离散化格式,将优化问题中的微分方程转化为代数方程,同时将所构建的优化模型转化为稳态约束条件下的非线性规划问题。为了求解上述非线性规划问题,应用样条插值估计实验值的速率。为了说明算法的有效性可行性,将建立的优化模型与求解方法应用到已有的S-型生化系统中,并绘制了仿真结果的图像。与已有方法比较,数值结果表明,加入稳态误差优化与稳态约束后,可获得更为精确的参数估计结果。     

基于贝叶斯估计理论的再入飞行器气动辨识方法

当再入飞行器进行大幅机动或大攻角飞行时,常用于配平情况下小幅机动的气动辨识方法将不再适用.为解决上述问题,本文首先针对目标区间,利用原始气动数据库建立先验气动模型并估计得到模型参数作为先验信息.然后,为获得更准确的参数估计值,提出应用贝叶斯估计理论将气动数据库数据与多次飞行试验数据同时用于辨识的方法,得到融合了飞行试验信息与先验信息的最优参数估计,进而完成对气动模型的更新.本文还提出利用傅里叶平滑分析的方法对含有噪声的数据进行平滑,以避免测量噪声影响.采用上述方法对再入飞行器试验数据进行气动辨识,辨识结果表明该方法得到的气动系数能够较好地反映再入飞行器大幅机动条件下的气动特性,且具有良好的气动特性预测能力.     

平面二自由度并联机器人运动学参数的快速估计方法

以闭链约束方程为基础,建立了平面二自由度并联机器人的运动学误差模型,并进一步提出了基于两步迭代的运动学参数校准方法.通过先估计被动关节角度误差和运动学参数误差,实现了对并联机器人运动学参数的估计.该方法通过对并联机器人12个运动学参数的校准仿真实验,对所提参数估计方法进行了验证,得到了准确的参数估计结果.     

基于贝叶斯单指标回归模型的计算机CPU性能影响因素分析

在贝叶斯理论框架下探讨单指标回归模型的参数估计问题,通过Gibbs-MH算法对满条件分布进行抽样,以得到指标函数和模型参数的贝叶斯估计.模拟验证了该方法能够很好地识别出指标函数且估计偏差小.最后运用该模型对计算机CPU性能数据进行实证分析,进一步说明了此方法的有效性和实用性.     

基于有限测量信息的加权最小二乘法在配电网状态估计中的应用

为了适应测量装置数量受限的配电网控制的需要,提出一种基于有限测量信息的配电网状态估计方法.模型中将区域配电网节点电压幅值和相角作为状态变量,测量节点电量、负荷规划数据分别作为实际测量量和伪测量量,利用加权最小二乘法权重参数的合理配置保证模型的合理性并求解.通过对英国某区域配电网实例仿真计算,结果表明:本文状态估计模型能够根据有限测量量进行网络全节点的状态估计,且平均估计误差满足实际应用要求;同时,定性描述了测量点数量、估计初值与状态估计误差的关系,为进一步探索测量点优化配置和最优状态估计求解奠定基础.