复杂工程系统基于随机分布的FDD优化算法

随着传感器、图像和数据处理等技术的发展,在炼钢、造纸和化工过程中,反馈量测信息是系统的在线随机输出分布,而并非输出变量在样本时刻的量值.不同于传统的故障检测和诊断(fault detection and diagnosis,FDD)问题,对于一类复杂随机工程系统,基于随机分布函数研究了一种新的优化FDD方法.利用B-样条逼近将输出概率密度函数(PDF)转化成动态权系数,进而建立了带有时滞的非线性不确定性权动态模型,将相应的FDD问题转化成一类非线性不确定时滞系统的FDD问题,基于线性矩阵不等式得到了可行的优化故障检测方法和广义自适应故障诊断算法.仿真实例也表明了该算法的有效性.     

随机分布系统基于广义H∞控制的PDF跟踪控制

针对非高斯随机系统,提出了基于线性B样条逼近的广义系统建模方法;讨论了这类广义系统基于H∞状态反馈控制器的设计,解决了非高斯随机系统输出概率密度函数（PDF）跟踪控制和干扰抑制问题;基于线性矩阵不等式,得到了该问题H∞状态反馈控制器存在的充分必要条件。最后,运用仿真验证了所提出方法的有效性。     

基于神经网络的大跨度屋盖非高斯风压场模拟方法

采用径向基函数神经网络(Radical Basis Function Neutral Networks,简称RBF神经网络)来模拟大跨度结构的非高斯风压场.根据某大跨度结构的形式特点,将结构风场看成是屋面位置和时间的函数,将风压场分解为一系列径向基函数.再利用单调非线性无记忆转换映射和RBF中获得的风场函数定义向量过程,从而将非高斯场的模拟转换为互相关高斯过程的模拟.将RBF神经网络应用于一大跨度屋盖的非高斯场模拟,得到结构上非高斯风压场的分布.结果对比表明,RBF神经网络模拟非高斯风压场具有较高的准确性.该方法可直接利用RBF神经网络的输出结果,避免推导高斯过程和非高斯过程的关系式,因此具有较高的效率.RBF神经网络模拟非高斯风压场在准确性和效率上均具有显著优势.     

基于Toeplitz矩阵初值的协方差估计方法

随着雷达分辨率的提高海杂波的分布已经不符合高斯分布,传统的检测器在非高斯环境下的性能也大幅下降.通过非高斯海杂波概率密度函数的似然函数推导出一个海杂波协方差矩阵的原始构型,通过解该协方差矩阵,提出了在非高斯海杂波环境下采用初值为Toeplitz矩阵的固定点协方差矩阵估计方法(T-FP),经过实测海杂波数据下的性能仿真结...     

q-高斯的SOM神经网络在雷达抗干扰效能评估中的应用

为了扩大邻域函数的输出空间和增强神经元的邻域合作,提出基于q-高斯的SOM(self-organizing mapping)神经网络评估雷达抗干扰效能.采用q-高斯函数作为SOM神经网络的邻域函数,选取较大的非广延熵指数q扩大了q-高斯函数的输出空间,随着邻域的缩小,非广延熵指数q从大到小自适应地调整平衡了神经元的远邻...     

复杂工程系统基于随机分布的FDD优化算法

随着传感器、图像和数据处理等技术的发展，在炼钢、造纸和化工过程中，反馈量测信息是系统的在线随机输出分布，而并非输出变量在样本时刻的量值，不同于传统的故障检测和诊断（fault detection and diagnosis，FDD）问题，对于一类复杂随机工程系统，基于随机分布函数研究了一种新的优化FDD方法，利用B-样务逼近将输出概率密度函数（PDF）转化成动态权系数，进而建立了带有时滞的非线性不确定性权动态模型，将相应的FDD问题转化成一类非线性不确定时滞系统的FDD问题，基于线性矩阵不等式得到了可行的优化故障检测方法和广义自适应故障诊断算法，仿真实例也表明了该算法的有效性。     

基于最大熵PDF估计的直扩系统伪码捕获结构

为了使直扩系统在未知非高斯噪声模型下准确地捕获微弱直扩信号,提出一种新的基于整数最大熵概率密度函数(probability density function,PDF)估计和局部最佳检测(locally optimal detection,LOD)相结合的相关前一维幅域处理捕获方式。通过蒙特卡洛数据仿真可以发现:在非高斯噪声的情况下,基于整数最大熵PDF估计的LOD检测器的检测性能要明显优于常规平方和(Square-Sum,SS)检测器,在信噪比为-25~0 dB时分别有2.0%~99.0%的改善。从根本上改变了常规SS检测器在非高斯噪声模型下性能急剧下降甚至无法工作的现象。     

利用FFT实现对非高斯随机粗糙表面的模拟

为了研究和分析非高斯随机粗糙表面,提出了一种基于快速傅里叶变换(FFT)和Johnson转换系统以及自相关函数等理论模拟生成非高斯随机粗糙表面的方法,生成了具有给定偏斜度、峰度的随机粗糙表面,验证了该方法的可行性和正确性;并给出了在相关长度等于0.1 μm ,0.5 μm和30 μm下的非高斯随机粗糙表面的模拟结果以及输入参数和输出参数的比较结果.结果表明,模拟生成的非高斯随机粗糙表面,其输入的随机表面的统计参数与输出的统计参数吻合较好.     

修正的K-分布海杂波仿真模型和新的海杂波功率谱描述方法

为有效仿真时空相关海杂波和准确地描述海杂波的功率谱,提出一种基于球不变随机过程(SIRP)修正的时空相关二维K-分布海杂波仿真模型,以特征函数为桥梁给出一种新的海杂波功率谱描述方法。对生成杂波序列的时间和空间相关特性、幅度分布特性以及功率谱进行分析,并比较了常用的高斯函数模型与新的功率谱函数模型之间的差异。实验仿真和实测数据表明,修正的仿真模型是有效的,新推导的功率谱函数模型比高斯函数谱模型更能准确描述K-分布的功率谱。     

基于遗传算法的模糊隶属函数的优化

对于非线性和时变性的不确定系统 ,模糊控制是一种较有效的方法。但在模糊控制器的设计中存在两个瓶颈 :模糊变量隶属函数的确定和模糊控制规则的正确选取。遗传算法是模拟生物的进化现象 ,并采用自然进化机制来表现复杂现象的一种概率搜索方法。传统搜索方法解决不了的复杂问题 ,应用遗传算法却可以得到解决。将遗传算法引入到模糊控制器的设计中 ,根据已知的模糊控制规则 ,对模糊隶属函数自动寻优。以工业过程控制为对象 ,针对具有纯滞后二阶系统进行了计算机仿真 ,并进行了对比性研究。仿真结果表明 ,采用该方法可获得一个基于一定性能指标的最优或次优的隶属函数参数 ,且该模糊控制系统具有过渡过程的时间短、超调小等优点。     

多因素制约下的SIR传染病模型的元胞自动机仿真模拟研究

针对多因素传染病的精确仿真,根据非高斯传染模型下模拟感染者的随机游走行为,通过构造传染病中心疫区的高斯压力死亡模型,采用基于sigmoid函数的痊愈率与不同隔离强度模拟感染者个体的被动转化行为,且其行为的发生服从动态泊松概率,建立了一类多因素制约下的元胞自动机传染病模型.通过对比实验发现,该模型的模拟仿真稳定,且能较精确仿真疫病传播的实际情况,相比目前的模型具有更高的精度.     

不依赖观测器的不确定性系统输出反馈鲁棒控制

针对非匹配不确定性系统的静态输出反馈鲁棒控制问题在线求解难的难题,提出了一种基于数据驱动学习的自适应学习算法。首先,将不确定性系统的鲁棒控制问题转化为具有性能指标函数的标称系统的最优控制问题。其次,为实现输出反馈最优控制,根据状态反馈控制项构造了输出反馈黎卡提方程。再次,为实现该输出反馈黎卡提方程的在线求解,使用克罗内克积和向量化操作重构输出反馈黎卡提方程,进而设计了基于输入/输出数据的自适应学习算法,摒弃了传统观测器的使用,实现可一步求解的输出反馈鲁棒控制。最后,为实现被估参数的快速收敛,进一步放松了所要求的持续激励条件。仿真结果验证了本文控制方法和学习算法的有效性。     

基于自适应高斯云变换的模糊控制器隶属度函数选取

针对现阶段模糊控制器中隶属度函数选取的局限性,利用自适应高斯云变换算法在概念含混度阈值的引导下对工程样本数据进行概念层次划分,根据最终所得的高斯云分布情况确定出隶属度函数的数目、形状及覆盖范围。为了验证自适应高斯云变换算法提取的隶属度函数的合理性,构建了无人机六自由度模型,搭建了基于simulink仿真平台的无人机俯仰角模糊控制器用于仿真验证。数值仿真结果表明嵌套有自适应高斯云变换算法所确定的隶属度函数的无人机俯仰角模糊控制器可有效实现俯仰角的控制,同时具有良好的动态响应特性。     

基于特征空间降维的溶剂脱水分离过程监控

针对传统化工过程中检测变量具有的非线性和非高斯性等特点,提出将改进的核主元分析（KPCA）和支持向量数据描述（SVDD）相结合的化工过程故障诊断方法.根据Mexican hat小波在提取非线性非平稳信号细微特征方面的优势,将该小波函数引入到KPCA中以增强核函数的非线性映射和抗噪能力.在映射后的特征空间中进行均值聚类分析,选择每个聚类中展现特征中心的数据,使运算复杂度明显降低,提高了监控实时性.采用SVDD描述经过聚类降维后的特征空间分布,提出新的监控指标描述过程的非高斯特性.将该方法应用在一个实际的溶剂脱水化工精馏过程中,仿真结果验证了该方法能够及时有效地检测系统产生的故障.     

基于核梯度提升树的森林高度估测方法

针对大光斑激光雷达波形数据扰动大、树高分布不均匀的问题,基于Boosting集成算法的思想,提出了一种改进的核函数——核梯度提升树(kernel gradient boosting decision tree,KeGBDT).KeGBDT通过梯度提升树叶子节点的输出值计算连接函数的权值,使用连接函数的加权作为核函数的表达形式,从而避免叶子节点中观测值分布不均匀造成的误差.在实验部分,使用星载激光雷达(geoscience laser altimeter system,GLAS)数据提取的波形特征作为森林高度估测数据集,在该数据集上将KeGBDT与核随机森林(kernel random forests,KeRF)、线性核、高斯核等常用核函数在岭回归和支持向量回归(support vector regression,SVR)算法中进行了森林高度估测对比实验.另外,基于KeGBDT的岭回归和SVR模型与线性回归、梯度提升树(gradient boosting decision tree,GBDT)、随机森林等回归算法进行了森林高度估测对比分析.实验结果表明,基于KeGBDT的回归算法在决定系数与均方根误差两方面都优于常用核函数与回归算法,可以有效减小森林高度估测模型的回归误差.     

基于泡沫浮选过程的故障检测算法研究

泡沫浮选过程的指标很大程度上是由浮选泡沫的尺寸决定的,仅用均值和方差无法完整的描述随机变量的随机特性。因此引入随机分布控制系统的模型,用输出概率密度函数(PDF)来刻画浮选泡沫的尺寸。针对泡沫浮选过程,采用有理平方根模型提出基于观测器的自适应故障检测法,通过求解线性矩阵不等式(LMI)得到故障检测的残差信号阈值,最后通过仿真验证分析,证明算法的有效性。     

混合自行车交通流速度分布模型

针对电动自行车和普通自行车在非机动车道上混合运行的问题,基于实测数据分析混合自行车交通流速度的基本统计特性.通过对多种影响因素的分析,构建基于高斯混合模型(GMM)的速度分布函数,采用期望最大化(EM)算法对模型参数进行最大似然估计.通过Kolmogorov-Smirnov(K-S)拟合优度检验优化,得到高斯混合模型的最佳组成数.分析不同限速阈值对自行车超速特性的影响.结果表明,利用高斯混合模型能够有效地拟合混合自行车速度.利用三元高斯混合模型能够拟合自由流状态下的速度数据;针对多种交通状态下的数据,须采用五元或六元高斯混合模型进行拟合.     

混合自行车交通流速度分布模型

针对电动自行车和普通自行车在非机动车道上混合运行的问题,基于实测数据分析混合自行车交通流速度的基本统计特性.通过对多种影响因素的分析,构建基于高斯混合模型(GMM)的速度分布函数,采用期望最大化(EM)算法对模型参数进行最大似然估计.通过Kolmogorov-Smirnov(K-S)拟合优度检验优化,得到高斯混合模型的最佳组成数.分析不同限速阈值对自行车超速特性的影响.结果表明,利用高斯混合模型能够有效地拟合混合自行车速度.利用三元高斯混合模型能够拟合自由流状态下的速度数据;针对多种交通状态下的数据,须采用五元或六元高斯混合模型进行拟合.     

基于模拟退火遗传算法的功率域DOA估计

针对非均匀高斯白噪声背景,提出一种基于模拟退火遗传算法的功率域最小二乘波达方向（DOA）估计器。首先,介绍了阵列单通道下的信号模型。其次,给出了最小二乘意义下的功率域DOA估计优化目标函数,继而以此为适应度函数,将模拟退火算法引入基本遗传算法得到一种改进的遗传算法,对其进行全局优化,其估计精度优于基本遗传算法。最后,通过仿真结果验证了本文算法的有效性。     

基于高斯和非高斯双子空间SVM的故障检测

为了降低样本间的自相关性对支持向量机(SVM)检测性能的影响,提出一种基于高斯和非高斯双子空间SVM(DSSVM)的故障检测方法.首先运用Kolmogorov-Smirnov(KS)检验原始数据中过程变量的正态分布特性,将过程变量划分为高斯子空间和非高斯子空间,并建立基于PCA的高斯子空间和IC A的非高斯子空间故障检测模型;分别对主元矩阵和独立元矩阵引入时滞特性和时差输入特性,该特性的引入能够降低样本间的自相关性;最后将引入时滞和时差特性的矩阵进行组合,运用SVM模型对其进行故障检测和监视.将该方法运用于多变量数值仿真和田纳西-伊斯曼工业过程,并与PCA、ICA、SVM和基于变量分布特征的统计过程检测方法(VDSPM)比较,仿真实验结果进一步验证了该算法的有效性.