基于双状态Χ~2检测和快速强跟踪AUKF的组合导航算法

针对GNSS/SINS/摄影测量组合导航中某个子系统发生故障时,整个导航系统易受到故障数据污染的问题,提出了一种基于快速强跟踪AUKF的双状态卡方(Χ~2)检测数据融合方法。首先,采用快速强跟踪AUKF算法进行滤波;然后,引入卡方检验通过检测UKF子滤波器输出的状态向量来定位故障参数;最后,采用强跟踪滤波准确跟踪状态矢量突变以增强系统鲁棒性,并根据自适应因子实时调整预测协方差阵以修正增益矩阵,使滤波结果不受异常信息的干扰。将提出的改进算法与常规算法分别应用于无人机着陆导航系统,结果显示:与传统UKF相比,提出的算法得到的位置误差减少了62.6%以上;与强跟踪UKF相比,导航误差也至少减小了32.6%。     

空间机器人捕获航天器后基于无源性理论的鲁棒镇定控制

研究了漂浮基空间机器人捕获非合作航天器过程对系统产生的冲击效应及其后联合体系统镇定运动的控制问题。为此,利用拉格朗日方法及牛顿-欧拉法分别获得了捕获前空间机器人及目标航天器的动力学模型;结合动量守恒定律、系统运动几何关系及力的传递规律,分析了捕获过程相互碰撞所产生的冲击效应,建立了捕获完成后两者联合体的系统动力学模型。在此基础上,针对同时存在不确定参数及外部扰动的联合体系统,设计了基于无源性理论的镇定运动神经网络H_∞鲁棒控制算法。本文提出的基于无源性理论设计的鲁棒控制算法具有良好的动态特性及较强的鲁棒性,可快速完成系统的镇定控制,实现轨迹的精确跟踪。系统数值模拟仿真验证了本文控制方案的正确性。     

基于sieve方法的响应变量为当前状态数据的部 分函数型线性模型的估计

利用sieve方法研究响应变量为当前状态数据的部分函数型线性模型的估计.在一定的条件下,证明了该估计的强相合性和渐近正态性,得到了该估计的收敛速度,并且非参数部分达到最优收敛速度.最后通过一个数值模拟来研究该估计的有限样本性质.     

不确定环境下基于时间、费用及鲁棒性权衡的多目标项目调度优化

项目调度中的时间和费用是两个重要的指标,而在不确定环境下进度计划的鲁棒性则是保证项目平稳实施的关键。本文研究不确定环境下的多目标项目调度优化问题,以优化项目的工期、鲁棒值和成本为目标安排各活动的开始时间。基于此,作者构建多目标项目调度优化模型,将模型分解为三个子模型分析目标间的权衡关系,然后设计非劣排序遗传算法进行求解,应用精英保留策略和基于子模型权衡关系的优化策略优化算法,进行算法测试和算例参数敏感性分析。最后,应用上述方法研究一个项目实例,计算得到非劣解集,实例的敏感性分析结果进一步验证了三个目标间的权衡关系,据此提出资源的有效利用策略。本文的研究可以为多目标项目调度制定进度计划提供定量化决策支持。     

含分布时滞的时滞微分系统多步龙格-库塔方法的时滞相关稳定性

本文研究了一类含分布时滞的时滞微分系统的多步龙格-库塔方法的稳定性.基于辐角原理，本文给出了多步龙格-库塔方法弱时滞相关稳定性的充分条件，并通过数值算例验证了理论结果的有效性.     

政府购买公共服务的三边匹配决策模型

针对政府购买公共服务中供应商及评估方的选择决策问题,从政府服务购买、服务供应、监管评估三方的匹配视域,利用三边匹配决策与多属性决策方法,构建基于各方评价的三边匹配模型.首先,对政府购买公共服务的三边匹配问题进行了描述,并给出了三边匹配的相关概念.然后,在三边主体多属性评价信息的基础上,定义匹配效用函数,给出了标准加权效用矩阵的计算方法.进一步地,在考虑三方加权匹配效用最优的基础上,建立了累加最优效用三边匹配模型.最后,对模型进行了算例应用及分析,研究表明模型对政府选择服务供应商及监管评估机构有实践的指导意义.     

基于自编码器的荧光分子断层成像快速重建

多激发点荧光分子断层成像(FMT)重建过程中生成的系统矩阵规模较大,导致计算复杂度高,重建时间长。为了加快重建速度并保证其准确性,基于人工神经网络理论,通过降低系统矩阵规模,提出了一种快速FMT重建方法。具体来说,采用的降维方法是自编码器,即一种典型的人工神经网络,训练数据为由系统矩阵和表面荧光测量值组成的矩阵,然后使用自编码器网络的编码部分得到原始矩阵在低维空间上的表示。为了测试所提方法的性能,设计了一系列数值模拟实验,包括非匀质圆柱体实验和数字鼠实验。实验结果表明,该方法能有效缩短重建时间,得到较高的重建精度。