在UBBE框架下考虑不肯定的上界的估计方法

对目前的ＵＢＢＥ模型进行了适当的推广，使在解决估计问题时可以考虑那些可能是误差上界的数值，并在此基础上提出了一种方法，能够通过对估计精度和可靠性进行合理的权衡确定所需估计值，实际案例研究结果表明所提方法能够较好地解决估计精度和可靠性之间的矛盾。     

Langlie试验的Bayes估计

该文通过Ｂａｙｅｓ统计的理论和方法,解决了Ｌａｎｇｌｉｅ试验的Ｂａｙｅｓ估计问题。该方法利用验前信息,对Ｌａｎｇｌｉｅ试验的数据进行了处理,均值和标准差的估计精度、尤其是对标准差的估计精度,得到显著的改善。     

系统可靠性综合评估的BAYES方法

本文利用Ｂａｙｅｓａｐｐｒｏａｃｈ给出了系统可靠性综合评估的方法。对一个复杂系统，其可靠性的最大似然估计很难得到，为此给出一个渐近有效的估计十分必要。很多可靠性试验费用比较昂贵。因而观测数据比较少，且多为不完全数据，为能充分利用数据信息，达到一定精度，本文针对成败模型给出的Ｂａｙｅｓ近似很有效。本方法不仅对该模型有效，且是一个一般性的方法。     

ACDKF在SINS大方位失准角初始对准中的应用

将可以估计系统参数、噪声统计特性和修正滤波增益的自适应估计方法引入到CDKF算法中,并将其应用到SINS大方位失准角初始对准中,实现SINS大方位失准角初始对准,解决了噪声特性不准确的非线性问题,避免了线性化误差对滤波精度的影响,克服了噪声统计特性不准确的局限性,进一步提高了导航精度.采用自适应中心差分卡尔曼滤波(ACDKF)进行初始对准,提高了CDKF算法的收敛性和系统的稳定性.仿真结果表明:ACDKF能够克服噪声统计模型不准确对滤波结果的影响,对失准角的估计精度优于CDKF,进一步提高了系统的精度和可靠性.     

BP网络及其应用

基函数选取和系数求解是函数逼近中的两个关键问题，目前广泛应用的回归分析或其它映射方法均有局限性。采用人工神经网络中的ＢＰ网较好地解决了这两个问题，对理论和实际的数据进行了比较与验证。结果表明，ＢＰ网络有助于提高数据处理的可靠性与预测的精度。     

基于滑模自适应的永磁同步电动机无传感器控制

在永磁同步电动机控制系统中如采用传统机械式编码器检测转子位置和速度,存在着成本高、易受干扰、系统的可靠性低且难以在复杂环境中应用等问题,为了有效解决这些问题,采用了一种新型的基于滑模自适应的速度估计方法,以改善速度估计精度,提高系统鲁棒性,从而实现无传感器的电机控制。仿真结果表明:该方法可以避免传统机械式编码器带来的限制,在突加负载时,能够准确估计转子的速度和位置角。     

基于噪声预测的二维卡尔曼跟踪算法在经纬仪航迹测量中的研究

针对卡尔曼滤波涉及到过程噪声协方差矩阵Q和量测噪声协方差矩阵R,实际情况中,Q和R未知或仅知道近似值,在最优滤波器的性能因素中需要考虑到Q和R的误差因素,大多数算法能够很好的辨识R,但在辨识Q时遇到了困难问题。为了能够更精确的获得输出矢量,提出了一种估计Q和R的方法,并对该方法的可靠性进行了实验仿真。同时采用扩展卡尔曼算法对输出的A、E和R进行预测和扩展,然后进行数据处理获得飞行器空间轨迹坐标,最后对计算的结果和文献对比。理论分析和实验仿真表明,算法能够获得更高的跟踪精度和更高的测量精度,验证了其有效性和可靠性。     

基于主动学习的复杂机械结构的可靠性分析

为了提高复杂机械结构的可靠性分析效率，结合自适应学习函数VF和k-means聚类分析方法，提出一种新的主动学习方法AK-MCS-K，该方法兼顾了失效概率的估计精度和计算效率.AK-MCS-K方法实现了并行计算，即采用多台计算机在每次迭代的同时进行多个样本的模拟仿真.在评估仿真耗时、功能函数为隐式的复杂结构的可靠性时，迭代次数的减少可以有效地节省时间，提高计算效率.与其他算法相比，AK-MCS-K方法在满足精度的条件下具有更高的计算效率.最后以某一类型刚柔耦合火炮协调器简化模型为例，对火炮协调器的定位精度可靠性进行了分析.     

基于改进无迹卡尔曼滤波的多径估计算法

【目的】在导航定位系统中，基于卡尔曼滤波框架的多径误差抑制算法是提高定位精度的有效方法。但是，在算法的过程噪声和观测噪声协方差初值的选取不当时，会导致估计结果误差很大甚至发散。另外，由于此类算法是基于最小均方误差准则，算法在受到非高斯噪声干扰时尤其是重尾非高斯噪声，会出现估计精度显著下降的问题。【方法】为了在高斯噪声和非高斯噪声下都能够保持较好的多径估计结果提高定位精度，本文提出一种自适应最大相关熵无迹卡尔曼滤波(adaptive maximum correntropy unscented kalman filter, AMCUKF)多径估计算法，算法在观测更新过程中引入最大相关熵作为优化准则，以解决在非高斯噪声下的估计精度下降的问题，在噪声协方差更新过程中用观测量的残差序列对噪声协方差矩阵进行递归更新，取代过程噪声和观测噪声协方差初值的选取。【结果】在高斯噪声和非高斯噪声下分别进行了仿真实验，通过与两种基于卡尔曼滤波框架的估计算法进行对比表明，AMCUKF多径算法不仅能够在高斯噪声下保持较好的多径估计结果，而且在非高斯噪声下也能够保持更高的多径估计精度，有效抑制非高斯噪声的干扰。     

点S平面运动机械手的位置精度可靠度

为开发大臂回转中心在原点，手部(简化为点S)做平面运动且有位置精度可靠度要求的关节式机器人时实控制系统，用矢量算法取代D—H矩阵变换导出了该机器人位置和关节变量计算式，提出了位置精度可靠度概念，探讨了用概率设计方程解决其可靠性设计问题，用泰勒级数估计了有关函数离差系数，通过实例说明了该方法的应用。     

Vague集在软件成本估算中的应用

类比估算方法是软件成本估算的常用方法之一,而估算中选择的相似度函数则是估算结果准确有效的关键.由于Vague集可以较好地处理数据中的未知信息与不确定性,因此可使用Vague集来提高软件成本估算的准确性,为项目管理人员提供更加科学的预算保障.为此充分考虑未知度的因素,提出了一个新的基于未知度的Vague集相似度量方法,结合Vague集模糊熵与熵值法来确定不同指标的权重,以获取不同项目之间的相似度.最后将该方法应用在Desharnais数据集进行成本估算,实验结果表明,该相似度量方式较现有方法能够进一步降低估计过程中产生的误差.     

MIMO-OFDM中稀疏度自适应的信道估计方法

将压缩感知应用在稀疏度未知的多天线正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing,MIM0-OFDM)系统信道估计中,提出一种2级阈值的变步长自适应匹配追踪(variable step size adaptive matching pursuit,VssAMP)算法,利用残差值确定第1级阈值调整稀疏度步长,提高信道稀疏度的估计精确度,利用噪声能量和信噪比(signal to noise ratio,SNR)确定第2级阈值控制算法迭代条件,降低小信噪比时信道重构误差.理论分析和仿真结果表明,该算法减小了初始步长对信道稀疏度估计精确度的影响,解决了VssAMP算法阈值难以确定的问题,相比原算法提高了信道估计精确度.     

输出过采样闭环系统辨识方法中最优过采样率的选择

提出了一种基于输出过采样技术的线性离散时间闭环系统辨识方法 ,通过对输出端施加过采样 ,将原闭环系统模型转化为过采样模型 .对于输出端白噪声、有色噪声干扰 ,分别利用最小二乘辨识算法和误差预报算法辨识出过采样模型 ,进而计算出原闭环系统的模型参数 .辨识结果中模型参数的估计误差服从均值为0的正态分布 ,方差由过采样率决定 ,据此推导出了使参数估计误差最小化的最优过采样率的计算方法 .该方法实现简单 ,运算量小 ,估计精度高 .仿真实验表明 ,当信噪比大于 15dB时 ,该方法的估计精度可达98% ;当过采样率为 15～ 2 0时 ,算法具有最优的辨识精度     

具有未知控制方向的自适应神经网络控制

讨论了一类具有未知死区模型和未知函数控制增益的SISO非线性系统的自适应神经网络控制问题.根据滑模控制原理,并利用Nussbaum函数的性质,提出了一种自适应神经网络控制器的设计方案.该方案取消了函数控制增益符号已知和死区模型参数上界、下界已知的条件.通过引入逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响.理论分析证明了闭环系统是半全局一致终结有界,且跟踪误差收敛到零.     

欺骗攻击下基于集员估计的网络化系统跟踪控制

针对在统计特性未知欺骗攻击下,线性时变参数网络化控制系统（NCS）容易出现跟踪偏差的问题,提出了一种基于集员估计的控制策略,实现了系统状态对参考状态的有效跟踪.与卡尔曼估计等方法相比,无需提前知道攻击的统计特性,利用一种新型的集员估计方法,将传感器到控制器通道和控制器到执行器通道遭受的欺骗攻击建模为未知但有界（UBB）的信号,其中系统真实状态和估计状态都存在于估计集中.该方法提高了估计的准确性,并扩大了适用范围.采用Lyapunov函数,给出了误差闭环系统稳定的充分条件和基于线性矩阵不等式的估计器和控制器的求解算法,并使用凸优化方法获得最佳的估计集.用数值仿真验证所提出方法的可行性.     

一种多个粗差的定位与估值的方法

首先分析真误差与残差的关系．并以此关系为基础,提出一种新的、有特色的多维粗差探测与定位方法．该法采用传统的最小二乘平差,对最小二乘平差的残差进行统计检验．如果存在粗差,则可以通过新的估计公式对粗差及未知参数进行估计．该法可以准确地进行多维粗差的定位和估值,而且能严密评定估值的精度．最后,通过一个算例加以说明．     

基于集成神经网络的信道估计方法研究

为解决噪声以及信号干扰等因素严重影响接收端信道估计的问题,提出一种基于集成神经网络的信道估计方法,利用多个改进后的神经网络来提取带噪导频信号与原始导频信号之间的非线性关系模型,根据其输出误差来计算差异度值,并结合差异度对其进行集成,得到训练完成的集成神经网络模型,通过集成神经网络模型来获取信道估计结果;与最小二乘(least squares,LS)估计方法相比,该方法不仅可以提高通信的可靠性,而且还能减少导频开销提高通信有效性;在不同的调制方式下,当误码率相同时,算法所需的信噪比LS算法均要更低;基于正交频分复用(orthogonal frequency division multiple,OFDM)通信系统进行仿真,结果证明,该方法具有优良的性能。     

数控机床可靠性评估中的边界强度过程

基于Akaike 信息准则(AIC)、Bayesian 信息准则(BIC)及故障数据拟合的均方根误差(RMSE),提出了可修系统可靠性分析的非齐次泊松过程模型的选择方法,利用最大似然估计的渐近对数正态分布特性,用Fisher信息矩阵法给出了边界强度过程模型参数及系统可靠性指标的点估计及区间估计,分析了多台数控机床时间截尾的故障过程.结果表明,对于维修频繁的性能恶化数控机床,边界强度故障模型适合于其可靠性评估.     

Panel数据模型中两步估计的改进

研究只含一个随机效应的Panel数据模型中未知参数的估计问题.在均方误差矩阵意义下,给出了两步估计优于Within估计的一个简单的充分条件.在此基础上改进了两步估计,并给出了改进后估计的协方差矩阵.     

一种非合作超宽带信道盲估计算法

为了解决非合作多通道室内通信环境中的超宽带信道先验信息难以获得、信道稀疏度弱的问题,提出了基于盲压缩感知的信道估计方法,以求进一步改善超宽带信道估计性能。盲压缩估计过程不依赖信道先验信息,采用稀疏编码与正交基更新交替迭代来获得稀疏矩阵和正交基;然后通过优化乘积得到重构信道,实现非合作超宽带系统信道估计。相对于传统方法,盲压缩感知理论提高了信道估计精度及模数转换速率,并且具有较好的抗噪声干扰能力。通过实验结果可知,该方法有效地克服了噪声干扰,降低了均方误差,在理想环境下,重构误差接近10~(-11)。