基于自回归时序盲辩识的机械故障诊断

提出了一种自回归(AR)模型的盲辨识的算法，该算法与传统AR模型的辨识算法的区别在于它可同时确定AR模型的阶次和参数，而不需事先确定AR模型的阶次或假定AR模型的阶次已知，其特点是计算量小，具有很好的收敛性，并在此基础上将AR模型的盲辨识方法应用到机械故障诊断中．     

分数阶系统的一种频域辨识算法

研究了利用频率响应数据辨识分数阶传递函数的问题.根据分数阶传递函数模型中,公因子阶次和分母系数是非线性参数,而分子系数则是线性参数,给出了一种频域辨识算法:利用模拟退火算法估计公因子阶次和分母系数,相应的分子系数通过求解线性最小二乘问题得到.该算法可以估计出包括公因子阶次在内的所有模型参数.无噪声和有噪声频率响应数据2种情况下的仿真算例验证了算法的有效性.     

区间有理Bézier曲线的降多阶逼近

通过分析有理多项式的约束不等式,把区间有理Bézier曲线的降阶转化为多项式的保上界降阶逼近问题,得到两种降阶算法:拟线性规划法和拟最优逼近法。前者可一次降多阶,后者可一次降一阶或降二阶且具有显式的计算公式。给出了两种算法降一阶时的误差上界估计。数值实例验证了两种算法的有效性。     

基于Borges差分的RMSprop算法及在卷积神经网络参数训练中的应用

针对RMSprop算法存在梯度消失和局部最优的问题，本文提出了一种基于Borges差分的RMSprop算法并应用到卷积神经网络参数训练方法.根据Borges分形导数的定义，本文给出了Borges差分的定义；将Borges差分与RMSprop算法相结合，提出了基于Borges差分的RMSprop优化算法，提高了图像识别的精度和学习收敛速度；给出了一种基于梯度信息的自适应的调整阶次的方法.本文以Fashion-MNIST数据集为例，分析了阶次对网络参数训练结果的影响，验证了本文提出的算法提高卷积神经网络的识别精度和学习收敛速度的有效性.     

热传导方程二阶并行区域分解差分算法

提出了一类新的计算热传导方程数值解的并行差分算法. 算法基于区域分解和子区域校正，在每个子区域上进行残量修正，各子域之间可以并行计算. 证明了算法的收敛性，并且理论分析表明，在每一时间步，只需校正一次或两次，即可达到最优的收敛阶. 数值试验表明了算法的有效性和优越性.     

基于奇异谱分析的混沌序列降噪

基于奇异谱分析的基本思想，提出一种降低混沌信号中噪声的算法及一种基于噪声奇异谱特性的最佳重构阶次选择方法．对一个混沌时间序列进行奇异谱分析，得到各主分量和经验正交函数，选择合适阶次重构信号，即可得到降噪后的混沌时间序列．数值仿真证实了该算法的有效性．     

分数阶系统的迭代最小二乘辨识算法

针对等比例阶次的分数阶系统的特点,提出了一种分数阶系统频域辨识的迭代最小二乘算法,并将运算数据的实部和虚部分离计算引入辨识过程,简化了计算的复杂度。此算法是整数阶系统辨识频域最小二乘算法的推广。通过无噪声和有噪声两种情况下的仿真实验,证明了该算法的有效性。     

基于全参数在线辨识的鲁棒自校正控制

受控系统中，模型结构参数（模型时延及模型阶次）和模型参数是自适应类控制的基础，采样这些参数，并即时送给控制器，是实现自适应控制的前提，也是优化该类算法的重要依据。笔者给出了对上述自适应控制的有关参数的在线辩识方法，并基于此，改进了经典的自适应类控制算法，算法中引入了对结构参数（模型阶次）的智能辩识方法和鲁棒极点配置原理，从而构成了鲁棒自校正控制，使算法得以进一步优化，整个控制方案给出了自适应类控制的新模式。     

基于改进粒子群算法的分数阶系统辨识方法

为获取精确的分数阶系统模型,本文利用惯性权值自适应律来改进基本粒子群算法,基于所改进的粒子群算法提出了一种分数阶系统辨识方法,并选取实际系统与辨识系统的输出误差平方和为目标函数,实现了分数阶模型参数和阶次的同时辨识,适用于成比例和不成比例分数阶系统辨识。仿真结果表明了算法的有效性,辨识结果精度较高。     

关于m次齐次多项式偏导数的一个算法原理

提出求ｍ次齐次多项式Ｐ（Ｘ）偏导数的一个算法原理，并给出了直接由Ｋ阶导数计算ｍ－Ｋ阶导数的计算方法。     

一种分数阶卡尔曼滤波器

传统卡尔曼滤波器一般适用于整数阶系统,为了使卡尔曼滤波器的应用由整数阶系统扩展到分数阶系统,将分数阶系统与卡尔曼滤波算法相结合——将离散分数阶微积分定义的状态空间表达式融入传统卡尔曼滤波器的表达形式中,推导得到一种基于分数阶系统的卡尔曼滤波器算法.仿真实验将输出量与两个状态量分别作为研究对象,利用MATLAB设计了分数阶卡尔曼滤波器算法模块,通过对象的输入和受到噪声污染的输出最优估计出对象的状态,证明了本文提出的分数阶卡尔曼滤波器具有良好的滤波和状态估测力.     

OFDM系统信道盲估计的子空间算法

利用循环前缀(CP)引入的信息冗余,提出一种利用接收信号的二阶统计特性实现正交频分复用(OFDM)系统信道盲估计的子空间算法.由于OFDM传输方程不能直接推导子空间算法,故首先给出一种新的方法对OFDM传输方程作矩阵变换,从而得到一个结构简单的新方程,基于此推导出信道估计子空间算法.该算法不需要改变OFDM系统结构,不受信道零点位置的限制,在信道过估计的情况下也适用.     

一种增广的Laguerre模型自适应预测控制算法

论文在简述基于Laguerre函数近似模型的自适应预测控制原理、算法的基础上,将现有的仅适用于开环稳定系统的预测控制算法进行扩展,提出一种增广的Laguerre函数模型自适应预测控制算法。该算法对于开环不稳定系统和非最小相位系统同样适用。仿真结果表明基于Laguerre函数模型的预测控制方法对控制变时延、变阶次对象具有较好的鲁棒性。     

基于串联型自抗扰控制器的逐次求精法

利用模型补偿自抗扰控制器辨识系统参数,对于低阶系统取得了满意的辨识效果。但在用上述方法进行高阶系统参数的辨识时,还存在扩张状态观测器参数不易调整的问题。笔者将串联型扩张状态观测器构成的自抗扰控制器运用于参数辨识的逐次求精法,能有效地辨识出系统的参数。特别是在辨识高阶系统参数时,具有扩张状态观测器在数易调的优点。     

OFDM系统的盲信道估计

正交频分复用(OFDM)系统中的盲信道估计对能否正确恢复信号起决定性作用,现有的算法存在计算复杂度高、精度低的缺点.为此提出了一种新算法,该算法充分利用时域和频域信息,其计算复杂度从指数次幂降到多项式,即使信道阶数未知也可获得较高的估计精度.本算法既适用于CP-OFDM中又适用ZP-OFDM中,并保证信道可辨识性不受信道位置影响.仿真表明,本文算法的性能优于子空间算法.     

关联白噪声驱动系统的数值模拟算法

采用常规积分算法和随机等价方法分别导出了关联白噪声驱动随机系统的近似的一阶算法和二阶近似算法．与常规算法比较，等价方法避免了一阶非高斯项的出现带来的困难，有效地提高了多噪声驱动系统的数值模拟算法的精度，为关联白噪声驱动随机系统的各种统计性质的研究提供了一种行之有效的途径．     

基于BPSO算法电力系统故障可观的PMU配置

针对电力系统故障可观状态下的PMU最优配置,提出了使用二进制粒子群优化算法(BPSO)进行处理.为了使用最少的PMU数目找到电力系统网络任一支路的故障,首先使用线性整数规划(ILP)对系统进行建模,再将BPSO算法引入进行优化,最后将该算法应用到IEEE-14,30和57节点标准测试系统,其优化过程亦考虑了零注入节点的影响.结果表明:该算法快速有效,适应用电力系统各种问题的优化.     

基于粒子群优化算法的的分数阶系统二次型最优控制算法

目前,利用分数阶变分法和分数阶非变分法,解决分数阶系统的二次型最优控制问题时,存在数值算法的收敛效果不够好,近似化的步骤过于繁琐,且计算耗时长,以及在使用传统的梯度迭代优化算法解决分数阶系统的二次型最优控制问题时,对于优化函数要求较高等问题。本文针对一类Caputo定义下的确定性线性分数阶系统,首先,设计一种状态反馈控制器,考虑从优化角度去解决分数阶系统的二次型最优控制问题,然后,利用PSO求二次型性能指标的最优值,即系统的最优控制增益,最终,得到系统的最优控制律。仿真结果表明,PSO比传统的梯度迭代优化算法收敛效果更佳,通用性更好,获得的性能指标更小,验证了该算法有效可行。     

Subspace.Based Blind Channel Estimation Method for MIMO-OFDM Systems

A subspace-based blind channel estimation algorithm for MIMO-OFDM systems is proposed. This algorithm exploits the eyclostationarity introduced by cyclic prefix of OFDM to estimate the channel parameters. The proposed new algorithm is found to be outperforming the other algorithm with respect to convergence rate and achievable mean square error and robustness to channel order over determination.     

单载波频域均衡中的信道估计技术研究

为了克服频率选择性信道中符号间干扰带来的影响,研究了单载波频域均衡系统中的信道估计技术。研究了最小二乘(Least Squre,LS)算法及离散傅里叶变换(Discrete Forurier Transform,DFT)改进算法,并将高斯白噪声信道中的信噪比估计方法引入到单载波频域均衡系统中。仿真结果表明基于DFT的改进算法可以有效提升估计精度,二,四阶矩(2,4-ordermoment,M2 M4)等高斯信道中的信噪比算法可以应用到单载波频域均衡系统当中。