受扰线性系统的前馈-反馈最优控制

针对具有外部持续扰动的线性系统，研究前馈-反馈最优控制律的设计问题。给出了最优控制律的存在唯一性条件。并提出了最优控制律的设计算法。利用滤波器解决了前馈控制的物理不可实现问题。仿真结果表明，此算法易于实现，与传统的反馈最优控制相比对抑制外部扰动具有较强的鲁棒性。     

中国土壤湿度的时空变化特征

基于中国155个农业气象观测站1981-2010年逐旬土壤湿度资料,分析了全国和12个气候区域0~50 cm逐层的土壤湿度时空分布规律,采用趋势分析和Cramér-von Mises（CVM）方法探究了土壤湿度的变化趋势及突变性。结果表明：西南、江淮、东北、江南、江汉、黄淮和华南地区各层土壤湿度均高于全国平均值,内蒙古地区最低;随着深度增加,西南地区土壤湿度增加最明显,仅青藏高原地区土壤湿度减小。不同区域0~50 cm各层土壤湿度年变化和季节变化差异明显,并具有阶段性特征,大部地区深层土壤湿度高于浅层;总体上,新疆、华南、华北、青藏高原、东北、黄淮地区1981-2010年土壤湿度减小趋势显著,其中新疆地区减小最为明显。除江淮地区外,各区域土壤湿度均存在较为明显的年际差异,突变时段主要集中在20世纪80年代后期至90年代初期、90年代后期两个时间段。     

基于改进的线性调频Z变换的高精度地震波速干涉测量

地震波信号走时差的精确估计是了解地壳介质性质变化及其过程的关键,鉴于互相关的时延检测方法受相关窗口长度和信号信噪比影响较大,将改进的线性调频Z变换谱细化和相关峰精确插值引入到陆地大容量气枪主动源观测中的波速干涉测量中,介绍了一种能够获得高精度走时差的短时窗时延估计方法。模拟实验和实际数据分析表明:本文方法可以获得高精度的信号时延估计值,提高地震信号波速变化计算的精度。     

自回归总径流线性响应模型在洪水预报中的应用

采用自回归总径流线性响应(ATLR)模型建立淮河王家坝站洪水预报方案和海河流域南运河水系洪水预报调度方案.自回归TLR模型与TLR模型加误差自回归实时校正模型的结构相同,但前者计算简捷,预报精度也有所提高.     

地形对不同反演的影响

[摘 要]根据观测数据和模型参数之间的关系,将求误差函数的最优问题的方法通常分为线性反演和非线性反演; 线性反演要求有相当准确的背景介质模型的条件,这和地球物理问题中的实际情况相矛盾。特殊情况下,线性反演甚至出现发散的情况。而非线性反演不用求目标函数的偏导数,全局随机搜索模型空间的最优解的办法,避免了问题的线性化,在山区复杂地形条件下,通过对比论证,非线性反演能够获取更合理的真实地电模型,从而说明由于非线性反演适应性较强、精度较高已被广泛的应用于地球物理的各个领域。     

线性度方法在前兆观测数据分析处理中的应用

利用空间线性度方法，对前兆场中不同台站，不同学科的前兆观测数据从总体形态上进行综合分析，得到关于描述前兆场的新的特征量ａ（空间线性度）本文给出了空间线性度的具体计算方法，并以华北地区为例，分析处理了区内１９７０～１９９４年部分地电阻率和地下水位观测资料，所得结果表明，新的前兆特征量ａ在中强地震之前一年左右时间内有异常显示。     

数字高程模型生成中的高程序同构

通过揭示三维地面严密的高程有序性,揭示并定义了数字高程模型(DEM)生成中的高程序同构特性。在此基础上论证了DEM的高程序同构的必需条件——内插生成过程中与地面的拓扑对应和变换的“高处仍高,低处仍低”的数量特性,并据此论证了在DEM生成中三种主要内插方法的高程序同构特性。     

用于地震观测的瞬态滤波研究

目前,地震数据采集器使用的最后两级数字滤波器相位有最小相位和线性相位两种,相位特性直接影响着记录的地震数据波形质量.最小相位滤波的优点是:地震波形没有“前缀”波形出现,不会干扰分析人员对震相的判读;其缺点是:通带边沿频率附近不同频率分量群时延差异较大,导致最小相位滤波会带来波形失真,对初动半周期的波形影响显著.     

新疆玛纳斯灌区水面蒸发量主成分分析

对新疆玛纳斯灌区水面蒸发气象影响因子进行了主成分分析.第一主成分代表空气冷热状况;第二主成分代表空气动力条件和日照条件;第三主成分代表相对湿度.前3个主成分累计贡献率已达97.7%,故提取3个主成分已能满足要求.经过检验,利用2个主成分建立二元一次回归方程,并与应用所有气象影响因子建立的多元线性回归方程相比较,结果显示,主成.分分析方法建立的回归方程的偏回归系数均通过t检验,达到极显著水平,多元线性回归方程虽拟合效果稍优于主成分分析方法,但偏回归系数b均未通过t检验,系数显著性水平不如主成分分析法.     

面向带电作业的手臂末端输出力评估方法

为了解决带电作业时手臂末端输出力的准确控制,提出一种基于表面肌电信号（sEMG信号）和支持向量机回归（SVR）实现对手臂末端施力的评估方法.通过手握机械手臂末端的手柄,做往复推拉运动,记录此时手柄处的力传感器的数据F,同时利用3组肌电信号传感器同步采集手臂的肌电信号.将肌电信号提取特征后,与力F组合成样本集合S,在样本集合中随机抽取50%的样本数据作为训练集,分别训练BP神经网络、GRNN神经网络以及SVR神经网络.最后用训练好的神经网络对整个样本集中的力F进行预测,并用均方根误差和相关系数评估模型的预测效果.结果显示,SVR神经网络的预测效果较好,其均方根误差为3.074 0,相关系数为0.951 7.