THIRD-ORDER ASYMPTOTIC PROPERTIES OF ESTIMATORS IN GAUSSIAN ARMA PROCESSES WITH UNKNOWN MEAN

Abstract. This paper deals with the third-order asymptotic theory for Gaussian autoregressive moving-average (ARMA) processes with unknown mean μ. We are interested in the estimation of ρ = ( α₁…, α_p, β₁…, β_q ), where α ₁…, α_ρ and β ₁…, β_q are the coefficients of the autoregressive part and the moving-average part, respectively. First, we investigate the third-order asymptotic optimality of the bias adjusted maximum likelihood estimator (MLE) of ρ in the presence of the nuisance parameters μ and ² (innovation variance). Next, for a Gaussian AR(1μ μ, ²), we propose a mean corrected estimator α_c1c2 of the autoregressive coefficient. We make a comparison between the bias adjusted estimator α_c1c2* and the bias adjusted MLE, in terms of their probabilities of concentration around the true value, or equivalently, in terms of their mean squared errors. Finally some numerical studies are provided in order to verify the third-order asymptotic theory.     

Nonlinear Consensus Algorithms with Uncertain Couplings

Distributed algorithms for synchronization and consensus in multi‐agent networks are considered. The agents are assumed to be linear of arbitrary order, the interaction topology may switch, and the couplings are uncertain, assumed only to satisfy certain quadratic constraints. Using the Kalman‐Yakubovich‐Popov lemma and absolute stability theory techniques, consensus criteria for the networks of this type are obtained. These criteria extend a number of known results for agents with special dynamics and are close in spirit to the celebrated circle criterion for the stability of Lurie systems.     

两种基于个体偏好集结的多属性群决策共识方法

针对多属性群决策中的共识问题, 提出两种使群体达成共识的方法. 假设群体决策的结果以从个体偏好通过集结得到的群体偏好为基础, 在使用算术加权集结算子和几何加权集结算子的条件下, 分别设计相应的共识达成算法, 并对算法的收敛性进行分析. 与已有方法相比, 所提出算法能够体现决策个体的差异和决策个体对群体的影响. 通过某市政图书馆空调系统安装方案的选择表明了所提出方法的合理性和可行性.

     

大规模最小二乘奇异值分解的并行处理方法

大规模最小二乘问题求解中,直接进行奇异值分解会产生巨大的内存需求以及漫长的计算时间。为解决该问题,提出了一种基于迭代的并行处理方法。该方法利用奇异值分解降维的特性,通过迭代不断减小矩阵规模,直到可以直接使用奇异值分解求解。在迭代过程中,将矩阵分解为许多足够小的子矩阵,并行处理其奇异值分解过程,从而提升运行速度。实验结果表明,该方法即使是串行处理,也使得大规模最小二乘奇异值分解的时间成本及空间成本大大降低;而并行处理在双机条件下加速比接近200％。     

旋转变压器信号的标定与解调

针对检波后信号存在直流偏置、幅值不等和相位偏移等问题,采用梯度估计算法,对检波后的包络信号进行离线标定;并设计了基于状态观测器的旋转变压器-数字转换(RDC)算法,对标定后的包络信号进行解调.试验结果表明,梯度估计算法收敛速度快,估计精度高.与反正切法相比,所设计的RDC算法不需通过数值差分即可获得角速度信息,干扰抑制能力强,角位置和角速度估计精度高.     

改进的局域均值分解在机械故障诊断中的应用

为了准确地提取出故障特征,把局域均值分解算法应用于机械故障振动信号的特征提取中.然而在对信号进行局域均值分解时,由于端点的趋势无法预知,在分解时会污染到整个信号序列,而且滑动平均造成了信号的过平滑处理,导致故障特征不能准确地提取.采用波形匹配解决端点处信号的走势,之后再利用线性插值求得信号的局域均值函数与包络函数,通过在Matlab环境下仿真调幅信号验证了该算法在端点处能很好的保持原有信号的特征;并采用实际的机械振动信号进行实验验证,引入端点效应评价指标,根据分解后的生产函数与原信号的相关系数验证了改进的局域均值分解更能准确地提取故障特征.     

基于参数估计的半挂汽车列车稳定性控制研究

车辆参数估计是半挂汽车列车稳定性控制研究的关键,通过递推最小二乘法（RLS）估计整车质量和轮胎侧偏刚度,进而获取挂车横摆转动惯量,将估计的车辆参数应用于稳定性控制系统,修正控制系统参数.基于商用车动力学仿真软件TruckSim建立了某半挂汽车列车的非线性整车仿真模型,在Matlab/Simulink中设计建立了稳定性控制逻辑和参考响应模型,通过TruckSim-Simulink的联合仿真对控制方案进行了验证分析.结果表明,基于名义参数设计的控制系统受载重变化的影响较大,而带有参数估计的控制系统由于能够对控制参数进行修正,可以较好地适应载运工况的变化,受载运工况的影响较小.     

基于PSO-LSSVM的网络流量预测模型

为了提高网络流量的预测精度,考虑到网络流量的长相关、非线性等特性,提出一种粒子群算法优化最小二乘支持向量机参数的网络流量预测模型（PSO-LSSVM）．首先将最小二乘支持向量机参数作为粒子的位置向量,然后利用粒子群算法找到模型的最优参数,最后采用最优参数最小二乘支持向量机建立网络流量预测模型．仿真结果表明,相对于参比模型,PSO-LSSVM能够获得更高的网络流量预测精度,更能准确描述网络流量变化规律．     

一种改进的均值粒子群算法

为了解决粒子群算法存在“早熟”现象和收敛速度慢的问题,本文提出一种改进的均值粒子群算法. 该算法采用非线性惯性权重,同时在每个迭代步,将粒子历史最优和种群全局最优取均值再乘以一个非线性权重的方法,以提高算法的全局搜索能力和收敛速度. 通过4个标准函数的测试,实验结果表明该算法的有效性.     

基于时变时滞动态拓扑的二阶Leader-Following多智能体一致性分析

针对具有时变时滞的二阶Leader-Following多智能体系统,研究了其一致性问题。假设其通信拓扑是时刻切换的,并且每个子时间段内系统拓扑不完全连通,采用Lyapunov-Krasovskii泛函和矛盾分析法,对系统进行了解耦分析,得出只需所有时间段内的拓扑并集连通,且系统的特征根满足一定条件,系统能达到一致,并进行了理论证明。以4个following智能体与1个leader智能体做成的网络为例进行具体说明,所得仿真结果验证了理论的有效性。