不确定大时延下遥操作对象模型的在线修正方法

基于预测模型的遥操作是消减通信大时延的有效方法,预测精度直接影响操作品质。分析了遥操作中的不确定大时延及有限带宽对模型修正的影响,针对模型参数的不确定性,提出了一种新的模型在线修正方法。该方法采用时标标识、同态模型、数据平滑等策略,有效克服了实测信息错配、反馈修正与实时预测过程异步以及变采样步长问题,实现了模型的精确在线修正,提高了预测精度和系统的鲁棒性。通过仿真实验验证了该方法的有效性。     

具有可变抽样区间的二维EWMA控制图

对二维EWMA控制图进行了可变抽样区间设计,利用Markov chain方法计算出了过程的平均报警时间,数据结果显示,所设计的控制图较常规的固定抽样区间控制图能更快更准确地发现过程的变化.     

基于动态时间弯曲的区间值时间序列匹配算法

结合vague集的优点,将区间值的思想应用于时间序列研究,定义了基于区间值的时间序列.同时,在综合分析了不同的vague值(区间值)的相似度量的缺点后,提出了一种新的基于vague值的相似度量,并结合动态时间弯曲的思想,给出了一个基于动态时间弯曲的区间值时间序列的相似性匹配算法.     

一种基于最大保障时间的战时装备维修任务调度

针对目前装备优化保障研究中存在的约束条件过于简单,评价指标过于单一,不能突出我军装备维修任务调度的特点等问题,分析了战时维修任务调度的特点,建立了基于最大保障时间的维修任务静态调度模型,并给出了相应的模型求解方法。利用本方法在满足作战单元最大保障时间前提下,可使得装备维修效益最大。有效地解决了战时维修任务调度问题。     

TDMA体制下的移动自组织网时隙同步方法

在TDMA体制下的移动网状自组织网络中,为了解决网络时隙同步问题,提出了一种不依赖GPS授时的网络时隙互同步算法。各节点通过计算相邻节点的时隙偏差,通过加权计算并调整本节点的时隙位置,使网内各节点的时隙起始都调整到同一位置上,达到时隙的互同步。通过仿真和实验,分析并验证了移动自组织网络时隙互同步的收敛性能和抗干扰性能。     

基于最邻近聚类和向量模糊c-均值的混沌预测

针对混沌时间序列难预测的问题,提出一种新的基于最邻近聚类和向量模糊c-均值(FCMV)聚类算法的模糊建模方法。其前提参数辨识分两步,首先用最近邻聚类法初始划分输入空间,得到规则数及初始聚类中心,再用FCMV把具有相同收敛向量的聚类中心归到同一个区域来优化前一步得到的聚类中心,得到前提参数;采用递推最小二乘算法辨识模型的结论参数。最后通过对Mackey-Glass混沌时间序列的建模和预测验证了该方法的有效性与实用性。     

风险资本最优IPO时机选择模型研究

借助实物期权和最优停时的方法对风险资本的退出方式之一:IPO退出方式进行了退出时机的研究.通过假定项目的利润流服从几何布朗运动,并在有卖空限制以及假定乐观投资者的数量服从一个泊松跳过程的情况下,借用实物期权的方法和最优停时定理,建立了退出时机选择的模型,并推导出了最优停时的临界值阀值,最后得到结论:如果当乐观投资者和项目的利润流之比大于临界值阀值时,风险投资家是同意公司上市,因为此时为他们安全退出的最优时机.     

一种混合建模方法在陀螺漂移预测中的应用研究

陀螺仪作为惯性导航系统的核心惯性器件,其漂移性能直接影响导航的精确性,分析陀螺漂移的变化趋势并预测由漂移所引发的陀螺故障具有重要的意义。提出一种基于灰色理论和平稳时间序列分析的混合建模方法,并将其用于预测陀螺漂移。实验结果表明该混合建模预测方法能够精确地预测陀螺的漂移,从而为陀螺的性能分析和故障预报提供依据。同时与单一预测方法相比,该混合方法具有较强的预测能力。     

相空间重构的一种新方法研究

通过分析非线性动力学系统的特性,讨论了鞍点与混沌产生的关系,并通过仿真证实了吸引子上存在特征点对和特征距离。根据特征距离的2个重要性质提出了一种新的相空间重构方法。结果表明该方法是有效的。在数据量较少以及信号中存在噪声的情况下,该方法有较好的稳健性。     

PEAK COVARIANCE STABILITY OF A RANDOM RICCATI EQUATION ARISING FROM KALMAN FILTERING WITH OBSERVATION LOSSES

We consider the stability of a random Riccati equation with a Markovian binary jump coefficient. More specifically, we are concerned with the boundedness of the solution of a random Riccati difference equation arising from Kalman filtering with measurement losses. A sufficient condition for the peak covariance stability is obtained which has a simpler form and is shown to be less conservative in some cases than a very recent result in existing literature. Furthermore, we show that a known sufficient condition is also necessary when the observability index equals one.