具有状态约束的集员卡尔曼滤波器设计

针对状态约束问题,提出具有状态约束的集员卡尔曼滤波算法.采用最小迹椭球算法对状态向量的椭球域进行更新,同时分别在预测和滤波的两个阶段用投影的方法把没有约束的状态估计投影到有约束的状态估计表面处理约束问题.将所设计的集员卡尔曼滤波器应用到三维追踪实例中,实例仿真结果证明了所提方法的可行性和有效性.     

具有非线性等式约束的故障诊断集员滤波器设计

为了解决具有非线性等式约束的故障诊断问题,提出集员滤波器的设计方法,该方法不仅可以对故障程度进行估计,有效检测出故障,还能解决运行系统中要求的100%包含真实最小域的需要,判定出故障类型.首先对非线性等式约束线性化,通过S-过程方法和线性矩阵不等式方法设计集员滤波器;而后用Finsler引理把非约束状态下的集员滤波投射到约束表面,得到状态约束下的集员滤波器;最后运用递归优化算法对集员滤波器进行优化.数值仿真说明了该方法的可行性和有效性.     

基于集员估计的光电系统目标状态预测方法研究

在光电跟踪系统目标状态估计过程中,噪声统计特性不确定是导致滤波精度下降的主要原因之一。针对该问题,研究了一种基于扩展集员估计的目标状态估计方法,并与扩展卡尔曼滤波算法做了比较。结果表明,在保证滤波精度前提下,基于噪声特性未知但能量有界(Unknown but Bounded-UBB)假设的扩展集员估计方法能有效克服噪声统计特性不确定造成的影响,具有较强的工程实用性。     

离散线性系统的集员辨识

针对含有随机干扰的CAR模型系统，基于系统的输入，输出数据及一定的验前分布已知的条件，应用数理统计中的Bayes方法，对其模型的参数进行集员辨识，从而得到一个以大概率包含参数真值的集合．     

具有状态约束的基因调控网络的集员滤波器研究

针对基因调控网络中切实存在状态约束现象,在考虑一类含时滞、参数不确定、噪声干扰的离散基因调控网络模型基础上设计一种集员滤波器,实现基因调控网络状态的估计.通过假设测量噪声是未知但有界的,采用LMI方法设计集员滤波器,获得滤波器的增益矩阵,运用递归优化算法对集员滤波器进行优化.最后,通过数值仿真证明了所提算法的有效性,实现了基因调控网络中的mRNA和蛋白质浓度的准确估计.     

集员辨识的次最优输入设计

讨论了单输入单输出时不定线性系统参数集员辨识的试验设计问题,在输入信号幅度有界的约束条件下,分别针对一次完成设计和递推设计给出了确定试验输入信号的公式,这种信号能使辨识得到的椭球所包含的范围在一定意义下较小,并且是试验之前的所能做到的最佳选择。     

基于扩展集员估计的气体源定位方法

提出一种基于扩展集员滤波框架的室内气体源分布式定位方法。相对于基于随机模型的统计估计方法(扩展卡尔曼滤波和无迹卡尔曼滤波),此方法只需要知道未知噪声的边界,不考虑噪声的随机性。利用静态湍流模型迭代计算定位误差边界,将位置状态真实值有效地包含在估计范围内,从而能达到的定位可信度。同时引入最小二乘法进行初步定位,以克服扩展集员滤波的初始点选取问题。最后通过基于无线电子鼻的室内定位仿真实验,证明算法的可行性和有效性。     

欺骗攻击下基于集员估计的网络化系统跟踪控制

针对在统计特性未知欺骗攻击下,线性时变参数网络化控制系统（NCS）容易出现跟踪偏差的问题,提出了一种基于集员估计的控制策略,实现了系统状态对参考状态的有效跟踪.与卡尔曼估计等方法相比,无需提前知道攻击的统计特性,利用一种新型的集员估计方法,将传感器到控制器通道和控制器到执行器通道遭受的欺骗攻击建模为未知但有界（UBB）的信号,其中系统真实状态和估计状态都存在于估计集中.该方法提高了估计的准确性,并扩大了适用范围.采用Lyapunov函数,给出了误差闭环系统稳定的充分条件和基于线性矩阵不等式的估计器和控制器的求解算法,并使用凸优化方法获得最佳的估计集.用数值仿真验证所提出方法的可行性.     

离散线性系统的集员辨识

针对含有随机干扰的ＣＡＤ模型系统，基于系统的输入，输出数据及一定的验前分布已知的条件，应用娄理统计中的Ｂａｙｅｓ方法，对其模型的参数进行集员辨识，从而得到一个以大概率包含参数直值的集合。     

基于集员估计的线性MIMO系统故障检测方法

考虑了一类具有未知有界噪声的线性多输入多输出(MIMO)系统的故障检测问题,提出了一种基于集员估计的故障检测方法.通过当前时刻系统状态范围和测量输出值的一致性检验来检测系统是否发生故障.如果系统正常运行,则利用系统测量输出信息校正当前时刻系统状态范围.利用三容水箱系统模型进行了仿真研究,结果表明了所提方法的有效性.     

基于集员滤波的移动机器人动态环境建模

针对移动机器人动态环境建模中动态的障碍物/目标跟踪定位问题,提出了一种采用集员滤波框架来解决动态障碍物/目标跟踪的方法.与传统的概率估计方法相比,该方法无需噪声的概率先验假设,仅要求噪声未知但有界,从而保证了方法的普遍性和实用性,且能够获得动态目标的状态或参数的不确定性偏差边界,有利于与后继路径规划和运动控制的结合,以...     

基于分形理论的汽轮发电机组故障诊断

分析了汽轮机发电机组的几种常见故障及其表现形式，利用传统的频谱分析方法对某汽轮发电机组进行了状态分析，并研究了该发电机组在不同运行状态下的关联维数，给出了利用分形理论对汽轮机发电机组故障实施故障诊断的判据，利用数字量信息-关联维数作为诊断标准有利于计算机对设备的运行状态进行识别与判断，为机械设备的在线监测与故障诊断提供了可靠的工具，该方法为复杂机械的线监测与故障提供了新的思路。     

基于粗糙集神经网络的故障诊断

在神经网络故障诊断模型的基础上,引入粗糙集理论,给出连续属性值的离散化方法.并应用粗糙集对故障诊断决策表进行属性约简,剔除其中不必要的属性.仿真结果表明,该方法可以有效地减少输入层个数,简化神经网络结构,减少网络的训练时间,在故障诊断中有良好的应用前景.     

基于粗糙集的机车电线路故障诊断方法

首先将检测和故障分析需要用的数据和信息存入数据库,经过处理、约简,提取相关属性核,形成相关处理规则。从实验结果可知,基于粗糙集的故障检测方法对处理大型数据非常适合,可以大大减少处理数据的工作量。     

基于EEMD与形态滤波的滚动轴承故障诊断方法研究

为从滚动轴承故障信号中提取出包含故障信息的特征频率,提出集合经验模式分解法(EEMD)与形态滤波相结合的解调方法。该方法首先利用EEMD自适应地将信号分解成多个IMF分量,然后计算各IMF分量与原信号的相关系数,选择合适的IMFs进行信号重构,再对重构后的信号进行形态滤波,滤除脉冲干扰,提取出故障特征信息。将该方法应用于滚动轴承故障诊断实例中,并将分析结果与直接对原信号进行包络谱分析解调的结果进行对比。结果表明,该方法提取故障信息的效果较包络谱分析解调的效果要好。     

基于粗糙集理论的运输机故障诊断与分类

应用粗糙集约简理论,根据煤矿安全规程分析了煤矿胶带运输机的10种安全保护措施和统计的故障样本,提出了一种以决策表作为主要工具,直接从故障样本集中导出诊断规则及其故障分类的方法,并用实际发生的故障检验了该方案的正确性。     

基于粗糙商集的模糊隶属度集值统计算法

模糊隶属度无统一算法,定义存在分歧．根据模糊概念“内涵明确,外延不明确”的特点,定义隶属度为不同外延对内涵的从属程度．在信息系统中,概念的外延用对象表示,内涵由属性表示,由此提出了求解隶属度的新算法：由原始统计数据组成初始信息系统,用粗糙集理论求得其商集并构建集值信息系统;该集值信息系统对应的条件概率空间中的条件概率即为隶属度．广义上信息系统可分为信息系统（无决策属性）和目标信息系统（有决策属性）两类．隶属度也可分为两类：第一类外延对象为内涵属性本身值,如年龄对青年人的隶属度（信息系统）;第二类外延对象为不同于内涵属性的另一属性值,如边坡工程安全系数对稳定状态的隶属度（目标信息系统）．计算以上两个实例,前者与已有结论作对比验证,后者与函数选择、经典统计方法及贝叶斯公理作对比验证,可知结果可靠,算法可行．     

基于交互多模型无味卡尔曼滤波的移动机器人故障诊断

为了快速、准确地诊断出移动机器人的故障,将交互多模型算法和无味卡尔曼滤波(IMM_UKF)结合起来,通过各个故障模型的概率大小来判断故障是否发生。仿真结果证明,IMM_UKF的估计准确度要高于IMM_EKF,能够准确判断故障。