多通道带乘性噪声系统的分部滤波算法

针对多通道观测环境下带乘性噪声系统的最优滤波问题,提出了1种状态最优滤波的分部算法。分部估计方法将状态估计分解为标称滤波估计和余项估计2项相加的形式。该算法在线性最小方差意义下是最优的。仿真实例表明,分部算法的鲁棒性更强,对系统初值的改变具有更强的适应能力。     

带乘性噪声系统的传感器故障检测方法

针对水下目标跟踪和石油地震勘探等领域中传感器故障检测的必要性和复杂性,提出了一种带乘性噪声系统的传感器故障模型。并基于状态估计,给出了故障发生前后新息序列正交性变化的结论及相关证明,由此建立了故障检测指标。该方法摆脱了基于状态估计的故障检测方法中对新息需满足正态分布特性的束缚,同时显著地提高了故障诊断的精度,也在一定程度上实现了对滤波器工作性能的监测及观测数据可靠性的判断。仿真结果表明:该方法能够及时有效的识别出故障发生点。     

基于多传感器观测下的带乘性噪声系统的最优滤波融合算法

多传感器系统由于具有较高的精度及可靠性日益受到研究者的重视。本文针对多传感器观测下的带乘性噪声系统 ,分别给出了集中式与分布式滤波融合算法。这 2种算法在数学上完全等价 ,在线性最小方差意义上均是最优的。但对于工程实际问题 ,分布式的融合策略在计算、可靠性、故障的检测与隔离等方面更具有优势。文中举例验证了这 2种融合算法的有效性。     

CAR模型的阶与时滞的强一致估计

研究随机线性反馈控制系统的结构辨识问题。在已知时滞的下界和模型阶的上界的假定下，通过使修改的Ｂａｙｅｓｉａｎ信息准则最小化，推导出由多输入多输出ＣＡＮ模型描述的系统的未知阶与时滞的估计算法，证明了算法是强一致收敛的，且能在有限步内达到其模型结构参数的真值。讨论了当模型的参数矩阵不满秩时减弱条件Ｈ’ｓ的强一致估计算法。     

发动机排气余热吸附式制冷机性能及其热力学机理的研究(英文)

分析一台以6缸柴油机排气余热为热源的吸附式制冷机的性能和热力机理。研制了一台以CaCl2为吸附剂，NH3为工质的8KW冷量吸附式制冷机。该制冷机的工作特性表明在不变蒸发温度时，制冷机冷量随发动机排气功率变化。对吸附制冷单管的热力试验研究表明；CaCl2介质中的热／质迁移是相互作用的。建立了以非平衡态热力学为基础的数值模型来描述这些热力过程。     

非线性随机系统的参数辨识及动态预报

鉴于含有加性噪声的指数模型描述了一类重要的非线性随机系统。本文给出这类系统的参数递推辨识算法，克服了迭代算法不能在线运行、需反复矩阵求逆的不足。当系统时变时，还采用了虚拟噪声技术来补偿因参数时变引起的建模误差，从而改善动态预报器的性能。应用这种方法，对油田采油井、注水井的套管损坏情况进行了多步动态预报，其精度令人满意     

带乘性噪声系统的最优方差约束鲁棒状态估计算法

带乘性噪声系统由于其广泛的适用性,一直成为研究的热点。针对带乘性噪声系统的鲁棒状态估计算法进行研究,利用线性矩阵不等式的方法,讨论状态方程中含有范数有界不确定性参数的带乘性噪声系统的方差约束鲁棒状态估计器存在的条件,并针对此类带乘性噪声系统推导出1套方差约束鲁棒状态估计算法以及最优方差约束鲁棒状态估计算法。仿真结果验证算法的有效性。     

带乘性噪声广义系统多传感器最优滤波融合算法

研究带乘性噪声广义系统的多传感器信息融合状态估计问题。在系统正则的假设条件下,通过受限等价变换将广义系统变换为2个降阶子系统,进而将针对原系统的信息融合状态估计转化为2个耦合的非广义子系统的多传感器信息融合状态估计,然后分别推导出集中式与分布式滤波融合算法,这2种算法在数学上完全等价,均在线性最小方差意义下最优。考虑到分布式滤波融合算法的优点,重点讨论了该算法,仿真实验验证了该融合算法的有效性。     

带乘性噪声系统双滤器平滑及反褶积算法

在带乘性噪声系统（ＳＭＮ）间接平滑算法的基础上,通过构造一种新的ＳＭＮ逆向信息滤波算法,建立了ＳＭＮ的双滤器平滑和反褶积算法;为解决ＳＭＮ最优估计问题提供了新的方法。     

转移矩阵未知时带乘性噪声系统的自适应滤波算法

针对带乘性噪声系统状态转移矩阵未知的情况,提出1种在线性最小方差意义下的系统参数和状态联合滤波算法。以迭代方式获得模型参数和系统状态的递推估计:首先,利用之前时刻的状态估计值,根据投影定理,对系统未知参数即系统状态转移矩阵作出估计;其次,利用已得到的系统参数估计值,获取当前时刻的状态滤波。计算机仿真结果表明了算法的有效性。