离散随机系统输出反馈协方差配置

于由协主差配置理论可以比传统的控制设计方法更直接地将闭环系统状态协方差配置到指定值,因此该理论成为近年来人们研究的一个热点。然而,在已有的基于输出反馈的离散系统协方差控制文献中均未考虑测量噪声的影响。为此,该文研究含测量噪声的线性离散随机系统的输出反馈协方差控制问题,即设计输出反馈控制器,使闭环系统达到预先给定的稳态状态协方差。基于矩阵分解技巧和广义逆理论,文中导出了期望控制器存在的充要条件及其解     

连续模糊随机系统的输出反馈控制器设计

在具有范数有界不确定性的T-S连续模糊随机系统中,针对整个闭环模糊系统全局渐近稳定性以及每个模糊子系统的稳态状态协方差如何不超过给定上界性能指标约束的输出反馈鲁棒方差控制律设计问题进行了研究。不同于已有的基于线性矩阵不等式(LMI)的设计方法,文章基于协方差配置理论与矩阵的广义逆理论,给出满足要求的输出反馈控制器的设计方案。     

模糊随机向量及其模糊概率特征

应用模糊数学的基本理论，给出了模糊随机向量的协方差的定义，并讨论了模糊协方差的有关性质。     

不确定离散随机系统协方差的定界研究

协方差的定界研究在随机系统的稳定性分析，模型简化的协方差等价实现及约束方差配置理论中起着重要的先导作用。该文在系统矩阵和噪声输入矩阵均存在参数摄动的情形下，研究其协方差的定界估计问题。     

二阶矩模糊随机过程协方差函数的性质

应用随机过程、模糊数学和模糊随机过程的基本理论，给出了二阶矩模糊随机过程的定义，讨论了二阶矩模糊随机过程协方差函数的有关性质。     

方向随机效果模型及其协方差结构

定义了方向随机效果模型(DREM)．这个模型是由随机效果Rasch模型发展而来．当连接函数是多项式或指数函数时，给出了DREM的协方差结构．当连接函数为一般形式时，给出了DREM的近似协方差结构．这些协方差结构和近似协方差结构与线性随机效果模型的协方差结构有相似的形式。     

基于等效平差因子的方差-协方差分量估计

充分挖掘观测量的信息,利用矩阵变换将随机模型的方差-协方差分量估计转化为函数模型的均值参数的估计,借助最小二乘理论得到方差-协方差的最小二乘估计.进一步通过矩阵的正交变换引入等效平差因子,然后通过二次型定理提出了基于等效平差因子的方差-协方差分量估计的新方法.算例表明,基于等效平差因子的方差分量估计的效果要优于最小二乘方差分量估计.     

连续模糊随机系统的方差约束控制

对一类基于T-S模糊模型描述的连续随机系统,研究了不仅使整个闭环模糊系统全局渐近稳定,而且每个闭环模糊子系统的稳态状态方差满足给定上界性能指标约束的状态反馈控制器设计问题。首先,基于协方差配置理论,配置了一个公共的正定协方差矩阵,导出使整个闭环模糊系统全局渐近稳定的充分条件;进而利用广义逆理论,给出满足性能指标约束的状态反馈控制器的参数化表达形式。     

基于随机矩阵理论的链路流量监测

全网链路流量监测对流量工程和网络攻击监测都有重要意义但是一直很难实现。该文提出了一种基于随机矩阵理论(RMT)的监测方法,利用流量协方差矩阵和随机矩阵理论预测结果进行比较,从两者差异中提取流量的时间相关信息。在网络中布置少量观测点,利用协方差矩阵的最大特征值能够准确的获取高速和低速链路的流量信息,并且通过最小特征值监测到观测点是否工作。该方法节省存储资源,计算时间短,获取信息多,是一种高效的监测方法。     

基于随机F-矩阵的高维双样本协方差矩阵相等性检验

用高维随机矩阵理论, 对高维双样本协方差矩阵相等性的检验给出一种新方法. 结果表明, 利用高维随机F-矩阵线性谱统计量的中心 极限定理给出检验统计量的极限分布, 不仅适用于高维数据, 而且对于非正态的情形仍有效.     

功能原理和能量守恒定律的协变性

从内力在系统的能量传递和传化中的作用出发，充分运用物体作功的概念，计算和分析了由两个物体组成的系统在不同参照系中的具体过程，明确地揭示出功能原理和能量守恒定律的协变性。     

观测滞后系统协方差交叉融合Kalman滤波器

对观测滞后和带未知互协方差的两传感器线性离散定常随机系统,提出了一种协方差交叉(CI)融合稳态Kalman滤波器。它给出了不依赖于未知互协方差的实际融合误差方差阵的一个公共的上界,因而具有一致性和鲁棒性。证明了其精度高于每个局部Kalman滤波器的精度,且低于当互协方差已知时的最优矩阵加权融合Kalman滤波器的精度。一个跟踪系统的Monte Carlo仿真例子说明了其有效性。     

离散系统动态协方差配置中的有限拍控制

大量的随机控制系统的性能指标可直接刻划为系统稳态状态协方差的形式。在离散系统的动态协方差控制器设计过程中存在着相当的自由度,该文利用这些自由度使系统达到期望的有限拍特性,即设计动态控制器,使闭环系统的状态协方差在有限拍内配置到指定值。文中表明,只要使系统的闭环矩阵具有期望的特征结构且其最大奇异值满足一定的约束条件就可达到设计目的。文中研究了使闭环矩阵具有期望的特征结构的条件,并给出了满足要求的控制器的存在条件及解析表达式。     

随机系统最优脉冲控制的最大值原理

讨论了随机系统的最优脉冲控制记叙 扩散项系统数既可以依赖状态变量,也可以退经,在适当的条件下给出了最优脉冲控制的最大值原理。     

多传感器分布式协方差信息融合Kalman滤波理论

对于带多传感器和带相关噪声的线性离散时变随机控制系统,基于按矩阵加权、按对角阵加权和按标量加权的三种最优信息融合规则,提出了相应的三种分布式最优信息融合Kalman估值器,可统一处理融合滤波、预报和平滑问题。为了计算最优加权,提出了计算局部估计误差协方差公式。作为特殊情形,还提出了定常系统的稳态最优信息融合Kalman估值器,其中用解Lyapunov方程计算局部估计误差协方差。同集中融合Kalman估值器相比,可减小计算负担。同单传感器Kalman估值器相比,可提高精度。它们构成了统一和通用的分布式协方差信息融合Kalman滤波理论。     

逆协方差交叉融合鲁棒Kalman滤波器

分布式状态估计系统通过将多个传感器状态融合以得到更精确的融合结果,当传感器之间的协方差未知时,常采用保守估计的策略,但结果精确度较差。为了在传感器之间互协方差未知时得到更精确的融合结果,引入了逆协方差交叉算法,将其与局部稳态Kalman滤波器相结合,提出逆协方差交叉融合鲁棒Kalman滤波器。它克服了协方差交叉融合（CI）算法保守的缺点,证明了ICI的精度高于CI的精度,并基于协方差椭圆给出ICI、CI和局部传感器精度的几何解释。通过两传感器系统的蒙特卡洛仿真例子表明,其实际精度相比于CI融合鲁棒稳态Kalman滤波器更接近于带已知互协方差的最优融合器的精度。     

随机2-D离散系统的统计特性

随机系统在研究方法上不同于确定性系统。目前，对存在随机干扰的2－D状态空间模型的研究较为少见。该文针对2－D随机多输入多输出线性时变系统的状态变量表达式，讨论了系统状态的统计特性，给出了系统的状态均值、方差和协方差阵的计算公式，并举例说明了该计算法。这些结果对进一步展开对随机2－D系统的状态估计，最优控制和其它方面的研究都具有重要意义。     

随机离散线性系统的满意鲁棒控制

将随机线性离散系统不同环节中出现的结构不确定性 ,描述成由不相关扰动参数矩阵决定的新形式。利用线性矩阵不等式 (LMI)方法 ,设计满意鲁棒控制器使闭环系统同时满足期望的扇形区域极点配置指标和稳态输出协方差指标。满意控制器设计可以完全转化为线性矩阵不等式的求解问题 ,不需要人工干预选择参数。用一个例子说明了该文方法的有效性。