基于修正随机梯度的永磁同步电机参数辨识

永磁同步电机为典型的多变量参数时变的非线性系统,为了获取其参数有效信息,以保证控制系统的高效运行,结合永磁同步电机系统电压方程,构建系统回归模型,采用随机梯度辨识算法辨识其模型参数,同时引入收敛指数构建修正随机梯度算法以提高辨识过程的收敛性能。仿真结果表明,收敛指数能有效提高算法辨识收敛的速度和精度。     

自适应频域块LMS算法在抵消干扰方面的研究

分析了无线通信系统中自适应滤波算法中的LMS算法,并提出了利用自适应抵消输入信号中的干扰而获取有用信号的在频域实现的干扰抵消方法,该方法基于时域中的数据块最小均方误差LMS算法和该块LMS算法中存在线性相关和线性卷积的过程,通过1/2重叠保留法的快速傅立叶变换FFT,在频域以直接相乘的计算方式实现快速相关和快速卷积,利用自适应滤波器在频域实现LMS算法.通过实验仿真比较可以看出,该频域块LMS算法不仅保证了与时域自适应滤波算法有相同的收敛性,而且由于利用了快速FFT技术,使运算量大大减少.     

基于星敏感器估计卫星姿态的预测Kalman滤波算法

提出了一种实时的姿态估计算法, 即预测Kalman滤波算法. 该算法能够只利用星敏感器所提供的矢量观测信息来准确地估计卫星的三轴运动姿态, 算法的实现包括力矩模型误差预测和姿态估计两步. 预测Kalman滤波算法具有良好的滤波性能, 不仅估计精度高而且鲁棒性能强,这一点已通过仿真测试得到了验证.     

永磁同步电机多采样率修正随机梯度辨识

结合多项式变换技术,推导永磁同步电机多采样率系统参数回归模型,在随机梯度辨识算法中引入收敛指数ε,提出多采样率系统修正随机梯度辨识算法。随着收敛指数值的减小,该算法使电机多采样率模型参数辨识过程的收敛速度和精度指标均得到提高。仿真和实验结果证明了该算法的有效性。     

不确定性气动弹性系统辨识及鲁棒极限环分析

模型的不确定性直接影响鲁棒颤振和极限环分析的准确性．从基于数据的角度提出考虑非线性环节和模型不确定性的鲁棒极限环分析框架．采用时域方法辨识包含非线性环节的Block—oriented结构的气动弹性系统模型集合的不确定度大小．以在线弹性结构的极点构造正交基底,将不确定性模型集合辨识问题转化为不确定性参数上下界估计的优化问题,通过求解非线性优化得到不确定性模型集合．将辨识后的无记忆非线性算子用正弦输入描述函数表示,利用线性分式变换技术对辨识后的不确定性模型进行重新建模,最后采用结构奇异值（μ）理论对系统集合进行鲁棒极限环分析．采用某二元翼段气动弹性算例验证该辨识和分析框架的准确性．结果表明辨识的不确定性的模型集合能够刻画气动弹性动力学特性．在相同速度下,考虑不确定性的模型集合的鲁棒极限环幅值比标称系统极限环幅值要小．该方法可以应用于鲁棒颤振和极限环预测．     

基于D-S理论的分布交互式多传感器联合概率数据互联算法

为了解决杂波环境下利用分布式多传感器系统跟踪多机动目标的问题，提出了一种分布交互式多传感器联合概率数据互联算法,该算法对每个传感器应用交互式联合概率数据互联法滤波，并将模型概率、状态估计等滤波结果送至融合中心．融合中心首先对各目标进行航迹相关判别并应用D-S证据理论对不同传感器关于同一目标的各模型概率进行融合，然后依此模型概率计算各目标状态估计并反馈至各传感器．最后给出了该算法的分析，仿真结果表明本算法能够很好地解决杂波环境下多传感器多机动目标的跟踪问题．     

GTD模型联合参数估计与定阶的Bayes方法

将基于Bayes原理的参数估计与定阶方法应用于GTD模型，设计并实现了基于RJ-MCMC方法的GTD模型联合参数估计与定阶算法．该算法利用GTD模型的物理约束先验信息，提高了定阶准确率和参数估计精度，同时较好地解决了GTD模型中的混合参量估计问题．通过仿真数据和电磁散射数据对算法的性能进行分析验证，结果表明，该算法能够得到较好的参数估计和定阶结果，在低信噪比、邻近分量、短数据的情形下，优势更为明显．     

时滞线性系统Kalman滤波

研究时滞离散系统的线性最小均方差估计．针对具有即时观测和两个延迟观测的线性系统，通过构造重组新息序列，提出了时滞系统的Kalman滤波的一种新算法．其计算归结为三个与原系统有相同维数的标准Kalman滤波器．该方法具有很大的推广应用价值，可用来解决控制理论中一些疑难问题，如H∞固定时滞平滑估计，预演控制及时滞系统的H∞滤波和控制等．     

基于时频域单源主导区的盲源欠定分离方法

提出时频域上单源主导的概念及其性质,扩充了稀疏性概念涵盖的混叠声源范围,更加接近多声源混叠的客观实际条件．派生的单源主导区间检测准则,在工程实践中具有较强的可操作性．在此基础上提出新的基于时频域单源主导区的盲源欠定分离方法（SSDI-UDBBS）,对声源数目和混叠矩阵的幅值衰减比与时延差同时进行准确地估计,并根据估计得到的声源数目和混叠矩阵,提出采用计算效率高的限制解计算框架求解还原声源的问题．新算法的可应用性在模拟会议室场景下的声源数目未知和传感器数目小于声源数目的盲源欠定分离实验中得到了佐证．     

结构随机响应计算的一种数值方法

摘要应用降维数值积分和C型Gram．Charlier级数展开方法，基于有限元理论讨论了随机结构响应概率分布的计算问题．首先依据正交多项式权函数与随机变量概率密度函数的关系，给出了随机响应统计矩计算的降维数值积分公式；进而应用C型Gram—Charlier级数逼近获得了随机响应的概率密度函数；提出了基于有限元方法求取结构随机响应概率分布的计算流程．数值算例中介绍了平面十杆桁架结构最大位移的概率分布、由随机参数表征的某型车架固有频率计算和弯管结构随机VonMises应力分析问题，所得结果同蒙特卡罗数值模拟结果进行了对比验证．结果表明：文中计算流程能够获得较为准确的随机响应概率分布，特别是对概率分布尾部的估计精度达到10^-44-10^-3数量级，为机械结构安全性分析与设计打下基础；同时，算法的计算效率较高，与传统的数值模拟方法相比通常能够节约计算资源消耗两个数量级以上；第三，算法流程实现简单，不需要计算结构响应对基本随机参数的梯度和二阶灵敏度信息，也不需要对结构有限元矩阵的修改，因此可以充分发挥现有成熟有限元程序的优点，在个人计算机上实现工程随机问题的分析与计算．     

无线传感器网络中一种高效的距离差估计方法

RIPS系统通过测量干涉信号的相位提供了一种精度高、设备简单的无线传感器网络定位方法.但利用相位进行测距和定位的方法不可避免地存在相位模糊问题,RIPS系统采取的方式是在多个频率下对某一距离差进行相位测量,根据各相位测量值来搜索实际距离差.为了避免RIPS系统中这种繁复的搜索过程,文中提出了一种高效的距离差估计方法.该方法基于中国余数定理(CRT)通过闭式一次直接计算得出距离估计值,从而避免了搜索过程,极大地降低了节点运算能耗并且提高了定位系统的实时性.同时,为了克服传统CRT算法对噪声敏感的缺点,利用算法中加权系数具有的一些性质来减小噪声对估计结果的影响,提高了算法的鲁棒性.仿真结果表明该方法鲁棒性好,估计精度高,在无线传感器网络中具有良好的可行性.     

最小迹扩展集员估计

针对扩展Kalman滤波器(EKF)在进行非线性估计时一致性较差的问题,提出了适于一类高阶非线性系统的最小迹扩展集员估计算法(LTESMF).该算法通过引入反馈机制实现观测更新,避免了椭球相交计算.算法用估计误差定界椭球参数矩阵的迹作为优化目标,迭代优化反馈系数.本文还提出用随机状态边界度量的收敛性来评价随机系统稳定性.并用该方法证明了LTESMF的估计误差能收敛到有界区域内.最终仿真结果表明,LTESMF的估计结果的稳态精度接近EKF,计算算效率与EKF相当,估计结果的一致性和收敛速度明显高于EKF.     

自适应混沌克隆进化规划算法

结合混沌和抗体克隆选择学说，提出一种新的人工免疫系统算法——自适应混沌克隆进化规划算法．新算法基于Logistic混沌序列；利用个体质量、进化代数和个体分布情况构造混沌变异算子；通过Logistic混沌序列自适应调整变异尺度，理论分析和仿真实验表明，与标准的遗传算法和采用随机变异的克隆选择算法相比，该算法收敛速度快，求解精度高，稳定性好，并有效抑制了早熟现象。     

弱条件下随机梯度算法性能分析

在弱条件下,利用随机鞅理论详细研究了随机梯度辨识算法的收敛性能.分析表明,只要信息向量是持续激励的(或数据乘积矩矩阵条件数有界),过程噪声是零均值不相关的,那么参数估计一致收敛于真参数.这一结论并不要求一些文献中所作的苛刻假设成立,既没有假设噪声方差和高阶矩存在,又没有假设系统是平稳和各态遍历的,也没有假设强持续激励条件成立.这一贡献放松了随机梯度算法的收敛条件.噪声方差有界和无界时的仿真例子证明了提出的收敛结论.     

非平稳环境激励下模态参数识别的连续时间AR方法

针对受非平稳高斯随机激励下的线性时不变系统,基于连续时间AR模型,提出了一种时域模态识别的新方法,这种方法仅从响应数据就能够识别系统的物理参数．为了对参数进行估计,把结构动力学方程看作一个连续时间AR模型,并给出了它的状态空间形式,其中的状态方程就是一个随机微分方程;接着利用在非常短的时间段内均匀调制函数接近于一个常数矩阵的事实,得到均匀调制函数的估计;然后再利用Girsanov定理,得到物理参数的精确极大似然估计;最后进行特征分析,从而实现线性系统模态参数的识别     

MIMO-OFDM系统中时间-频率双选择性衰落信道的信道估计

数据的高速传输以及终端的高速移动，导致无线通信信道具有时间选择性与频率选择性两个特征，对MIMO-OFDM系统中基于导频的时间-频率双选择性衰落信道的信道估计问题进行了研究。首先，利用复指数基扩展信道模型来表示一个OFDM符号周期内双选择性衰落信道的变化；然后基于该复指数基扩展信道模型，提出了一种有效的MIMO-OFDM双选择性衰落信道的估计方法；最后在该估计算法的基础上，基于信道估计均方误差最小准则，对导频及其参数进行了优化设计，主要包括导频的个数、导频的插入位置以及导频的表达形式等，实验结果表明本文的算法在时间-频率双选择性衰落信道下具有很好的性能，并与理论分析结果相吻合。     

基于时变AR模型的重叠信号分量盲分离方法

提出一种利用时变AR模型对单信道时频重叠的多个信号分量的瞬时频率和瞬时幅度进行估计，从而进行信号分量分离的方法．通过利用长椭球序列作为基函数对时变AR模型系数进行展开，将时变模型转化为时不变模型后利用一种递推方法进行模型系数估计．该方法计算简单，不需要知道信号的先验信息．仿真结果证明了方法的有效性和优异性能。     

基于GSFLA的电力系统谐波估计算法

针对非线性动态负载引起的谐波难于检测的问题,提出了一种新的谐波估计算法。该算法借助蛙跳算法（SFLA）的全局搜索性对未知参数进行优化估计;引入高斯分布估计算法（GEDA）的思想,对蛙群中适应度好的蛙进行分布估计再生,提高收敛速度;结合进化代数改进蛙跳规则以改善局部搜索性能。实验仿真数据显示,与PSO算法相比,振幅平均估计精度提高了5．3％,相角平均估计精度提高了4．7°。研究表明,该算法（GSFLA）用于电力系统的谐波估计有更快的收敛速度和估计精度。     

一个渐近最优的非参数自适应控制器

对一类具有未知非参数非线性结构的离散时间随机控制系统，利用核估计方法和载尾的必然等价原则，设计了一个非参数自适应控制器，并且证明了在不必人为地引进外部激励的情形下，收这个控制器所决定的闭环系统不但是全局稳定的而且是渐近最优的。     

基于进化算法的递归神经网络系统辨识方法

针对传统的递归神经网络学习算法存在的缺陷,本文利用进化算法对递归神经网络进行优化设计,提出了一种基于改进进化算法的递归神经网络系统辨识方法.该方法利用高斯变异和柯西变异相结合的方式进行变异操作,利用个体适应度和种群多样性指标使交叉概率和变异概率进行自适应调整,可以保证变异操作按一定的幅度均匀地分布在整个网络上,提高算法的收敛速度,避免早熟现象.给出了算法的具体步骤,通过仿真实验证明了该算法的有效性.