基于贝叶斯滤波的股指动态结构特征研究

针对股指波动所具有的动态结构信息特征,在状态空间建模理论的框架下,将服从Markov过程的潜在波动状态变量引入状态方程,同时在观测方程中考虑极值点的影响,构造出一类非高斯Markov随机波动状态空间模型。针对传统的MCMC方法对该类模型估计时效率低下的缺陷,设计了基于序贯Monte Carlo方法的贝叶斯滤波算法进行仿真分析,并且从算法效率和准确性方面对两种方法进行了比较。通过对沪深300股指波动的实证研究表明:对于一类非线性非高斯状态空间模型,贝叶斯滤波算法在保证估计精度的同时较MCMC方法更加有效率,能够有效刻画股指波动的动态结构特征。     

一种新的非线性系统传感器漂移性能退化实时监测方法

随着传感器使用时间的增加,其测量值会发生漂移,且漂移程度会随时间的增加而增大.针对非线性系统中的传感器漂移性退化现象,基于改进的粒子滤波算法,提出了传感器漂移性能退化实时监测方法.该方法通过实时估计漂移量来实现对系统状态的估计,能够检测并跟踪动态系统中传感器性能退化过程,为系统安全运行提供保障.基于三容水箱系统的仿真验证了该方法的有效性.     

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(RELS)得到AR信号参数的局部估值,并利用按矩阵加权线性无偏最小方差最优估计准则得到AR信号参数的融合估值.第二段利用相关函数得到虚拟观测噪声方差、衰减观测随机变量的数学期望和方差的估值.最后,将每时刻辨识的未知参数代入最优滤波算法中,获得分布式加权自校正融合滤波算法.分析了算法的收敛性.仿真验证了算法的有效性.     

具有衰减测量和概率通讯延迟的随机非线性系统的事件触发分布式一致滤波

文章针对传感器网络下一类具有衰减测量和概率通讯延迟的随机时变非线性系统,研究该类系统的分布式一致滤波算法设计问题.首先,考虑到传感器网络的拓扑结构,状态估计信息可在相关节点间进行交换.注意到相邻节点间的信息传输会产生概率通讯延迟现象,提出事件触发传输方案旨在减少交换传感器节点之间误差较大的估计信息.每个传感器节点使用相邻节点发送的信息来修正自身的状态,从而构造相应的分布式一致滤波器.通过最小化滤波误差协方差上界的迹来求出滤波器增益以及一致增益.此外,对滤波误差协方差上界矩阵的单调性进行理论分析,并通过数值仿真验证所提出的滤波算法的可行性和有效性.     

离散时间二型模糊双线性时滞系统的可达集估计与耗散性

文章研究了一类带有时变时滞和外部干扰的非线性系统的可达集估计与耗散控制问题.首先,考虑非线性系统的不确定参数,将非线性系统建模为区间二型模糊双线性时滞系统.其次,通过构造Lyapunov-Krasovskii泛函,提出区间二型模糊状态反馈控制准则,并利用反互凸组合引理界定二、三重时滞差分交叉项,得到保守性较小的区间二型模糊双线性闭环系统的可达集估计条件及系统严格耗散稳定性充分性条件.定理的条件可以保证系统的所有状态都收敛在一个椭圆内,并通过序列线性规划矩阵方法得到模糊控制器.最后,给出数值算例和仿真结果验证所得结论的有效性和正确性.     

一类非线性Schr(o)dinger方程的非协调有限元分析

在半离散格式下研究一类带幂次非线性项的Schr(o)dinger方程的非协调矩形EQrot1元方法.直接利用插值技巧和该单元的两个特殊性质(相容误差比插值误差高一阶及其插值算子与传统的Ritz投影是一致的),给出相应的收敛性分析及误差估计.     

存在有界功率扰动和高斯白噪声的滤波算法

传统滤波算法,如卡尔曼滤波,通常对系统模型具有较高的依赖性,需要精确建模才能达到较高的估计精度.而现实场景中由于未知环境因素与建模误差的存在,往往使得估计品质不尽人意.因此针对离散系统同时受有界功率扰动和高斯白噪声影响的滤波问题,提出了一种新的线性时不变的鲁棒最优滤波方法.该方法在保证鲁棒性的同时还能够保证最优均方估计.为了保证鲁棒最优滤波,基于系统级综合方法,并根据误差动力学的系统响应以及干扰和噪声的参数来描述估计性能的上界.并在此基础上,提出了一种数值可处理的新的滤波器设计算法.最后借助测速算例验证了结果的有效性,仿真表明采用该方法得出的滤波算法相比于其它现有方法,能够实现理想的估计品质.     

利用模糊滑模控制的非线性不确定系统模型到达控制

研究了一类非线性不确定系统的模型到达控制问题。控制机构中采用了动态补偿器和模糊滑模控制律,并且在解模糊中采用了双二次函数插值算法。模糊滑模控制的应用,抑制了抖振,保证了系统的快速性和鲁棒性,模糊数模型和双二次函数插值解模糊算法,大大减少了计算量。仿真验证了本文的方法的有效性。     

相关噪声下多步无序量测状态估计更新算法

在多传感器系统中,由于通信时间的延迟性,常常会出现无序量测情况.为了提高估计精度,系统须对无序量测进行更新估计.状态估计更新算法是处理无序量测问题的一种有效方法.在过程噪声和量测噪声相关条件下,给出了含无序量测的传感器系统状态估计更新算法.仿真计算验证了该算法的有效性.     

基于方根分解形式的带衰减因子UKF算法应用

UKF作为一种新的非线性滤波方法已在目标跟踪问题中得到应用,在状态的时间更新阶段直接使用非线性模型,不引入线性化误差,而且不必计算Jacobians矩阵.提出了一种基于方根分解形式的带有衰减因子的UKF算法(SRDMA-UKF),算法的方根形式增加了数字稳定性和状态协方差的半正定性.通过衰减因子的引入加强对当前测量数据的利用,减小历史数据对滤波的影响.仿真实验结果表明,该算法与UKF算法相比具有更好的滤波性能.     

随机系统的状态与参数估计

本文根据Ｋａｌｍａｎ滤波与时间序列分析的理论，对非线性随机系统，导出了状与参数同时进行估计的递推算法，确定了它们的统计性质。为减少估计误差，用两层估计方法改进了估计精度。这个结果在ＳＩＳＯ系统中得到了证实。     

基于三次样条插值函数的非线性动力系统数值求解

三次样条插值函数具有良好的收敛性、稳定性与二阶光滑性.研究了借助三次样条插值函数构造的非线性动力系统数值求解方法,分析了该方法与已有的非线性动力系统数值求解方法的优缺点,刻画了误差估计且给出了数值算例.结果表明基于三次样条插值函数构造的数值方法比已有的方法收敛速度快、逼近精度高且能够很好地逼近非线性动力系统的解析解.     

基于抛物线插值的Allen-Cahn方程时间两重网格有限元算法

本文运用抛物线插值的时间两重网格(TT-M)有限元(FE)算法求解非线性Allen-Cahn方程.首先,对非线性Allen-Cahn方程,在空间和时间上分别采用有限元方法以及二阶θ格式进行离散.其次,使用抛物线插值的时间两重网格有限元算法求解Allen-Cahn方程.同时,在粗细时间步长上,对数值解进行了稳定性分析和误差估计.最后,通过数值实验验证方法的有效性.     

一类基于输出非线性量测的变量带误差系统的辨识

研究一类基于输出非线性量测的变量带误差系统的辨识.通过对输出量测的截断,在适当的系统假设下,应用扩张截断随机逼近算法给出了系统参数的递推估计,并证明了估计的强一致.辨识算法适用于多种常见的非线性量测.最后给出了一个仿真例子,仿真结果与理论一致.     

利用TD估计目标状态

本文对TD进行了推广,并将其应用于带有噪声的量测信号的滤波,由于这种滤波方法不依赖于目标状态方程,从而比传统滤波方法更适用于对未知目标状态的估计．文中给出了相应的仿真例子,进一步验证了TD的滤波效果．     

一类广义耦合的非线性波动方程组在无界区域上的整体吸引子

该文研究了一类广义耦合的非线性波动方程组在无界区域上的 整体吸引子问题. 利用插值不等式和加权空间, 得到了一系列关于时间的一致先验估计，证 明了整体吸引子的存在性.     

带有控制约束的不确定非线性系统的H_∞控制

研究了一类含有控制约束(饱和执行器)的不确定非线性系统的H_∞最优控制问题.首先,引入非二次型函数来解决控制受限的问题.然后借助二人零和微分对策理论研究H_∞最优控制问题,提出了模型自由的在线学习算法,仅仅通过在线获得的系统的状态信息而无需模型知识就能很好的解决H_∞控制问题.建立了执行网-评价网-扰动网三网络结构完成算法的在线实现.最后,利用李雅普诺夫(Lyapunov)稳定性理论给出了系统的稳定性分析,仿真算例验证了算法的有效性.     

距离空间中插值神经网络的误差估计

研究距离空间中的神经网络插值与逼近问题.首先引进一类广义的激活函数,用比较简洁的方法讨论距离空间中插值神经网络的存在性,然后给出插值神经网络逼近连续函数的误差估计.     

二次损失下Guass-Markov非线性模型系数的Minimax随机优化模型

本文借用线性模型系数的Minimax估计方法,在二次损失函数下运用随机优化理论对Gua.ss-Markov非线性模型的系数进行了研究,建立了非线性模型系数Minimax估计的随机优化模型.     

非零截距线性和非线性回归模型的T-型稳健估计算法

首先给出非零截距线性模型T-型估计的模型与EM算法,其次给出非线性回归模型参数的T-型估计,利用泰勒级数对模型线性化,得到参数估计的迭代算法,最后用数值模拟实验验证了该算法的正确性和证实了T-型估计的稳健性.