基于KLD采样的自适应UPF非线性状态估计方法

针对标准UPF算法存在的计算量大、实时性差的问题,设计了一种利用KLD采样在线实时改变粒子个数的自适应UPF算法.该算法的核心思想是利用KLD采样原理,根据预测粒子在状态空间中的分布情况来在线实时的确定下一次滤波迭代所需的粒子个数,减少对滤波算法没有帮助的粒子,仅保留保证滤波估计精度所需的最少粒子个数,从而有效减小算法的运算量,提高算法的实时处理能力.最后,将自适应UPF算法与粒子滤波、标准UPF算法进行了仿真比较,仿真结果表明在保持高精度估计能力的同时,自适应UPF算法比标准UPF算法具有更好的实时性,是解决非线性非高斯系统状态估计问题的一种有效方法.     

基于压缩型EKF的SLAM改进算法

针对基于压缩型扩展卡尔曼滤波(CEKF)的SLAM算法在状态增广和地图管理两方面的不足,提出了一种改进算法(ICEKF算法).读算法通过增广辅助系数矩阵即可快速完成状态增广,计算复杂度由O(N2)降低为O(NA),其中N和NA分别为全局和局部地图中的路标数.在地图管理上,ICEKF算法采用一种基于欧氏距离的局部地图动态选择方法,避免了CEKF算法对全局地图进行预先划分带来的路标分配等问题.仿真表明ICEKF算法在估计结果上与EKF算法具有一致的最优性,与CEKF算法相比计算量大大降低.     

群体中Agent基于内部状态的行为选择

以自然鱼群为原型,研究它们的行为选择机制,提出了一种群体环境中基于内部状态的Agent行为选择方法.建立分布式行为模型,赋予Agent感知、交互能力;用R-A模型描述Agent 之间的相互作用;定义Agent的自然能力限制为硬约束,定义Agent间相互作用为软约束;采用基于约束满足的随机搜索算法模拟Agent的交互与行为选择,运用Breakout思想确保算法跳出局部最小;通过对Agent内部状态值的调节改变搜索参数,达到内部状态控制行为选择的目的.     

基于卡尔曼滤波的磁浮列车悬浮控制算法研究

在磁浮列车悬浮控制系统设计中,间隙传感器信号的滤波处理是影响控制效果的重要因素之一.针对磁悬浮系统电磁干扰大,控制实时性要求高的特点,提出了应用卡尔曼滤波的方法处理间隙传感器信号.控制算法中无法直接测量的反馈量,一般都需要构造相应的观测器.而卡尔曼滤波器可以在滤除系统中存在的随机电磁干扰的同时实时估计出控制所需的所有状态信息,有效简化了算法设计提高了控制性能.计算机仿真分析和实验样车的工程实际应用表明,此方法获得了较理想的控制效果.     

基于弹道平面性的有源假目标鉴别算法

针对弹道导弹突防过程中的有源假目标欺骗干扰,提出了一种基于弹道平面性的有源假目标鉴别算法.分析了自由段真目标和有源假目标的轨迹几何特性,真目标轨迹的所有点迹的地心矢径都在同一个平面内,而有源假目标的轨迹上所有点迹的地心矢径不在同一个平面内.利用真假目标航迹的这种平面性差异,提出了一种基于滤波航迹拟合平面的自适应双门限鉴别算法.计算机仿真实验验证了本文所提的鉴别算法的有效性和可行性.     

基于非线性内电位构造函数的抗伪状态联想记忆

针对传统Hopfield神经网络在联想记忆中存在的大量伪状态,设计出一种以非线性内电位函数构造为核心的抗伪状态方案,以取代传统的Hebb规则及其外积法,建立了一种抗伪状态的联想记忆网络(ASS-SSNN),并通过吸引域的变化研究抗伪状态方案的正确性和有效性.仿真结果表明:ASS-SSNN比采用传统Hebb规则及其外积法的Hopfield联想记忆网络(HNN)在容错性上更优,记忆状态的吸引域明显增大,存储容量也有所增加.     

卡尔曼滤波在非寿险未决赔款准备金估算中的应用

在历史数据缺乏和数据质量较低的情况下,非寿险公司应用传统的准备金估计方法常存在估计精度不高的问题.本文通过状态空间来描述非寿险赔付过程,应用卡尔曼滤波来估计状态空间的转换参数,并分别预测损失频率和损失程度从而动态地估计未决赔款准备金.实证分析表明,在历史数据较少争存在错误数据的情况下,本方法对改善未决赔款准备金的估计是有效的.     

基于数量柔性契约与Markov链的应急物资采购模型

突发灾害是以一定概率发生的随机事件,其状态总是不断发生转移,使政府已采购的应急物资在状态好转时易造成浪费,在状态持续恶化时难以满足突发需求,因此考虑突发灾害状态转移的应急物资采购策略对提升政府应急物资保障能力至关重要.本文将突发灾害状态转移过程视为一个有限次的齐次Markov链,构建了基于数量柔性契约的应急物资采购模型,分析了政企达成合作的条件与双方最优决策策略.采用数值计算与敏感性分析验证该模型的有效性,讨论了若干外生变量对政企最优决策策略与双方成本收益的影响,提出了重要的管理启示.结果表明,突发灾害状态转移情形下的应急物资采购模型既能提高政府应急物资保障能力,又可以保障企业合理收益与控制政府成本.     

基于粗糙集和证据理论的设备状态评估方法

为准确判定复杂设备健康状态,提出一种基于粗糙集理论和证据理论的健康状态评估方法。鉴于粗糙集只能处理离散指标,首先提出一种基于动态模糊C-均值聚类算法的连续型评估指标的离散化方法;再通过基于互信息的属性约简算法对复杂设备健康状态评估指标进行约简;然后对约简的评估决策表进行处理,构建基本信度分配函数;最后利用D-S合成规则进行多指标合成得到健康状态,进一步挖掘评估指标与健康状态间的关系。实例研究及对比分析表明该方法能有效提高决策可信度,减少评估的不确定性。     

基于故障风险标尺的复杂装备健康状态分类模型

针对复杂装备故障呈现出多重性、相关性及模糊性的特点,本文分析了装备健康状态演化规律,利用自适应模糊神经网络、故障模式、影响及危害性分析构建故障风险标尺,实现了对复杂装备故障风险程度的定量化描述及装备健康状态的分类。通过实验分析,本文提出的模型相比于传统的故障预测以及故障风险程度定量方法具有显著优势,实现了对装备从设计生产、部署使用以及退役报废全寿命周期的动态反馈,对提高复杂装备综合保障能力具有重要意义。