离散分散系统的次优状态估计

在参考文献[1,2]中已经讨论过离散时间随机分散系统的状态估计问题,但没有分析分散估计器的稳定性.本文研究了离散时间随机分散时变系统的次优分散状态估计的递推算法,并借助于离散时间系统的李雅普诺夫定理,在一定条件下证明了分散估计器的全局一致渐近稳定性.已知由 N 个子系统组成的分散系统为     

基于主成份分析的递推子空间辨识

研究了多输入多输出系统的状态空间模型的递推子空间辨识问题.针对只有输出量测噪声的线性时不变系统,提出了基于随机逼近-主成份分析(SA-PCA)的估计扩张能观矩阵的递推算法.同时利用递推最小二乘在线估计系统矩阵.最后通过仿真例子说明算法的收敛速度和估计效果.     

有约束条件时混合线性模型的最优估计量公式

在数理统计中研究了线性模型的回归系数(未知参量)的估计问题,在滤波问题中研究的是利用量测值(随机向量)去估计系统的状态(随机向量)。然而在实际问题中,一些系统的量测值不仅依赖于系统的状态(随机向量),而且还依赖于其它的一些因素,其参数(回归系数)是未知的,因而其量测值含有未知参量,我们的目的是需要利用这种含有未知     

量测方程中含有未知参向量的线性离散时间系统的最优控制

对于线性离散时间系统的最优控制问题已经有了很好的结果，在其中它们的状态方程与量测方程中是不含未知参向量的。然而在实际问题中有这样一种情况，量测方程中含有未知参向量。比如在研究一河流某处“来水予报”的数学模型时，就遇到建立含有参向量的随机系统模型，ｋ时刻的来水量（系统ｋ时刻的状态Ｘｋ），不仅依赖于ｋ－１时刻的来水量（系统ｋ－１时刻的状态Ｘｋ－１），而且还依赖于其它的因素（降雨量、蒸发量、积雪深度……     

基于三次卷积插值的贝叶斯滤波方法研究

针对一类二维空间系统的状态估计模型,提出了一种用三次卷积插值方法递推估计的非线性滤波算法.仿真实例采用一个常用的非线性模型,并与粒子滤波算法进行对比分析,仿真结果表明三次卷积插值方法提高滤波估计精度,从而验证其估计一类状态估计模型解析解的可行性,其插值算法还可以推广到多维空间系统.     

含有色乘积噪声的线性随机系统的滤波

首先利用新息分析法给出了含乘积噪声系统状态的最优预测和估计公式，然后证明了较为一般的条件下其最优线性递推滤波是不存在的，最后考虑到实际应用的方便，给出了一个简单的近似递推滤波算法。     

含参广义向量均衡问题有效解的稳定性

在不需要映射的单调性和解映射信息的条件下,本文讨论了一类含参广义向量均衡问题有效解映射的下半连续性和Hausdorff上半连续性.利用映射的严格C-凹性和C-似凸性,本文得到了该类含参广义向量均衡问题有效解映射的下半连续性.进一步,利用标量化方法,证明了该类含参广义向量均衡问题有效解映射的Hausdorff上半连续性.     

变量带误差系统的递推辨识:从线性到非线性系统

介绍变量带误差(EIV)系统的递推辨识方法.在引言中扼要介绍了EIV系统辨识的现状后,分别对多变量线性EIV系统及EIV Hammerstein系统给出了递推辨识算法,并给出条件使这些估计以概率1收敛到真值.最后提出了一些值得进一步研究的问题.     

子系统为ARMA和分段线性函数的Wiener系统的参数辨识

本文研究ARMA线性子系统串联分段线性函数的Wiener系统的递推辨识问题.利用相关分析法和Yule-Walker方程给出线性部分参数的递推辨识算法,而对非线性部分参数用递推的最小二乘(LS)算法给出估计,并证明了这些算法都以概率1收敛到真值.     

带衰减观测和随机传感器偏差的多传感器AR信号融合辨识与估计

研究了带衰减观测和随机传感器偏差的多传感器AR信号融合辨识与估计问题.首先,将AR模型转换为状态空间模型,将状态和传感器偏差进行增广得到一个等价的状态空间模型,给出了当系统模型精确已知下的最优滤波算法.然后,当AR信号参数、衰减观测随机变量的数学期望和方差未知时,提出了两段辨识算法.第一段采用递推增广最小二乘法(REL...     

一类拟线性椭圆型方程的奇摄动

本文讨论了一类二阶拟线性椭圆型方程的奇摄动问题,给出了外部解和边界层项的N阶递推方程,并对余项进行了估计,从而导得了解的渐近展开式和摄动问题解的存在唯一性.     

一类时滞非线性系统的自适应模糊控制

对于一类SISO输入时滞已知,状态时滞不确定但有上界的能采用后推设计方法的非线性系统提出一种基于后推设计、自适应模糊控制和滑模控制的控制方案.通过状态变换,把输入时滞系统转化为无输入时滞的系统.用模糊系统来估计系统的未知连续函数,对转化后的新系统设计自适应滑模控制器,使得新系统的状态有界,通过递推证得原系统的状态半全局一致有界.     

几类典型随机非线性系统的辨识

考察实际中常见的三类典型随机非线性系统(即Wiener、Hammerstein和NARX系统)的辨识,首先概述了现有的递推和非递推辨识算法,然后介绍这三类系统的一个统一辨识框架:利用系统所确定的过程的马氏性及混合型,将辨识转化为求函数零点的问题,基于扩张截尾的随机逼近算法,得到了递推、强一致的辨识结果,并给出了数值模拟验证辨识算法收敛到真值.     

含参原始与对偶弱向量近似平衡问题的稳定性北大核心CSCD

借助于标量化技巧讨论了含参原始与对偶弱向量近似平衡问题的稳定性.首先,在邻近C-次似凸性假设下获得原始平衡问题近似解集的连通性和近似解集映射的Hausdorff上(下)半连续性.然后,利用标量化方法,在较弱假设下获得了含参对偶弱向量平衡问题近似解集的连通性及近似解集映射的Hausdorff连续性的充分性条件.最后,给出了在向量优化问题中的一个应用.所得结果推广和改进了已有文献中相应结论.     

含参原始与对偶弱向量近似平衡问题的稳定性

借助于标量化技巧讨论了含参原始与对偶弱向量近似平衡问题的稳定性.首先,在邻近C-次似凸性假设下获得原始平衡问题近似解集的连通性和近似解集映射的Hausdorff上(下)半连续性.然后,利用标量化方法,在较弱假设下获得了含参对偶弱向量平衡问题近似解集的连通性及近似解集映射的Hausdorff连续性的充分性条件.最后,给出了在向量优化问题中的一个应用.所得结果推广和改进了已有文献中相应结论.     

一类可积非Hamilton系统的Abel积分的零点估计

讨论了一类含参可积非Hamilton系统在一般二次多项式扰动下的Abel积分的零点,得出了不同参数范围下的Abel积分的零点数目的估计.     

线性模型中两步估计的分解式及其应用

本文讨论广义线性模型中均值向量和回归系数的两步估计，给出了均值向量两步估计的分解式及均值向量两步估计与其最佳线性无偏估计一致的充分条件，并把结果应用到两阶段抽样回归模型及误差相关回归模型中。     

含参广义向量均衡问题近似解集的连通性

主要研究了含参广义向量均衡问题的几类近似解.在C-次似凸性的条件下,建立了该类含参广义向量均衡问题ε-弱近似解的标量化特征,并得到该类含参广义向量均衡问题两类近似解集的连通性.通过举例说明了所得结果的正确性.     

LQG量测反馈最优控制的精细积分

对于线性二次型高斯(LQG)量测反馈最优控制问题,提出了精细积分解法。根据分离性原理,LQG控制问题可以分成为最优状态反馈控制问题以及最优状态估计问题,即:离线计算的两套黎卡提微分方程的求解以及状态向量的时变微分方程的在线积分解。该算法不仅适用于求解二点边值问题及其相应的黎卡提微分方程,也适用于求解状态估计的时变微分方程。精细积分高精度的特点,对控制和估计都是有利的。数值算例表明了算法的高精度及有效性。     

基于增秩Kalman滤波的动态荷载识别和结构响应重构

针对传统的荷载识别方法受不适定性问题影响导致识别误差较大,且受传感器数上的限制也无法监测所有结构易损伤位置处振动响应的问题,提出了一种基于增秩Kalman滤波（augmented Kalman filter, AKF）算法的动态荷载识别和结构响应重构方法.基于结构状态空间方程,形成由荷载向量和状态向量组成的增秩状态向量（augmented-rank state vector,ASV）,利用Kalman滤波算法获得增秩状态向量的最小方差无偏（minimum variance unbiased, MVU）估计,实现了状态和荷载向量的同时识别.结合最优状态估计和观测矩阵,实现了未布置传感器处的结构动力响应重构.通过三个有限元案例,初步验证了该方法的可行性和有效性.结果表明,当荷载位置固定或移动时,所提方法均能有效地识别荷载和重构响应,精度较高且对测量噪声不敏感.传感器的种类、数量和布置位置对荷载识别和响应重构精度会有一定影响.