分维自适应稀疏网格积分非线性滤波器

针对含加性高斯噪声的非线性离散系统,提出了可分别根据各维状态及量测方程的非线性函数特性来确定采样点及其权重的积分滤波器.设计了基于嵌入式高斯采样积分和稀疏网格法则的自适应多变量采样积分方法,可在匹配函数高阶泰勒展开项时,利用低阶采样点,提出了高效的数据结构和遍历算法,便于采用该积分方法分别估计系统状态/量测的预测均值和协方差矩阵.该滤波器既能根据各维非线性函数的特性确定采样点,又实现了对采样值和权重的完全复用,保证了算法效率.理论分析和仿真表明,该滤波算法中自适应调整的运算量小于计算非线性函数采样值.该滤波器与无迹卡尔曼滤波相比,提高了滤波精度,与固定形式的稀疏网格滤波器相比,提高了采样效率,且该方法为两者的广义形式.仿真实验也验证了状态估计的精确性和函数采样的高效性.     

基于随机配置法和输入端缩减技术的统计静态时序分析

在考虑工艺偏差影响的统计静态时序分析中,针对求解多个随机分布最大值(MAX)的关键问题,提出一种快速MAX算法.该算法将统计输入下的MAX问题转换为求解一组离散配置点上的确定性MAX问题,并用带权最小二乘来计算MAX输出多项式的系数;基于稀疏网格技术有效地减少配置点数,提出输入端缩减技术,进一步提高了MAX的计算效率.ISCAS85基准电路的实验结果表明,该算法较已有的二阶矩匹配算法和基于降维的随机Galerkin算法明显地提高了精度,且效率相当;与10000次蒙特卡罗的结果相比,中值和方差的相对误差基本小于5%,且有100倍的速度提升.     

混合插值法重构近地表模型

当控制点多和网格稠密时,基于薄板样条(TPS)插值的近地表模型重构往往很耗时,影响了静校正中近地表建模的效率.针对此问题,采用一种TPS插值和三次样条插值相结合的混合插值法重构近地表模型.首先利用矩阵递归LU分解及GPU加速的LU分解算法求解大型线性方程组,建立TPS插值函数;然后在X和Y方向上使用适当的步长对网格进行抽稀,运用TPS插值函数计算稀疏网格点的值,再通过稀疏网格点建立三次样条插值函数并计算剩余网格点的值;最后用OpenGL实现近地表模型的三维可视化.实验结果表明,文中算法提高了近地表模型重构的速度,其精度接近TPS插值精度.     

高炉铁水质量鲁棒正则化随机权神经网络建模

高炉炼铁过程运行优化与控制依赖于可靠、稳定的难测铁水质量(Molten iron quality, MIQ)指标模型.针对现有MIQ建模方法的不足, 本文提出一种新型的数据驱动鲁棒正则化随机权神经网络(Random vector functional-link networks, RVFLNs)算法, 用于实现MIQ指标在线估计的鲁棒建模.首先, 为了提高建模效率和降低计算复杂度, 采用数据驱动典型相关性分析方法从众多变量中提取与MIQ相关性最强的变量作为建模输入变量; 其次, 由于传统RVFLNs网络的输出权值由最小二乘估计获得, 易受离群数据影响而鲁棒性差, 引入基于Gaussian分布加权的M估计技术, 提出新型鲁棒RVFLNs算法建立多元MIQ指标的鲁棒模型; 同时, 在鲁棒加权后的最小二乘损失函数基础上, 进一步引入${L_1}$和${L_2}$两个正则化项以构成优化目标函数的Elastic net, 用于稀疏化RVFLNs网络的输出权值矩阵, 解决RVFLNs网络多重共线性和过拟合的问题.最后, 基于某大型高炉工业数据, 进行充分数据实验, 结果表明所提方法具有更高的建模与估计精度以及较强的鲁棒性能.     

一种计算星座区域覆盖率的高效抽样网格点法

计算星座区域覆盖率的传统网格点法耗时长、计算效率低.基于抽样理论,提出了一种基于抽样的网格点仿真方法,并给出了两种不同类型精度要求下覆盖率计算的方法.同时,提出了误差估计方法,可以定量地根据置信度以及精度需求去调整网格大小,合理地控制误差与计算时间,避免了盲目调整导致的资源浪费.最后进行了仿真实验.实验结果表明,把抽样方法应用于网格点法之中是可行的也是有效的.而且,通过与传统的网格点计算方法相比,在不降低计算精度的前提下,抽样网格点法的计算效率可提高81倍,显著改善了区域覆盖的计算效率.     

基于随机网络演算的无线传感器网络延时研究

基于随机网络演算研究了无线传感器网络中延时相关问题,通过随机网络演算建立随机到达曲线和随机服务曲线模型,推导出单个节点和端到端的延时统计界.与节点到节点计算方法的延时界相比,演算方法更为简单.另外,随机延时界比确定性延时界具有更好的包络性,给出了违背界的函数.数值结果表明,运用SNC的卷积公式求得的概率统计型延时边界的结论具有更严格包络性,对无线传感器网络配置和QoS控制具有较强参考意义.     

网格缩减的自适应hp伪谱法

针对控制变量不连续的最优控制问题,本文提出一种自适应更新的忉伪谱法,这种方法在(Legendre Gauss Radau,LGR)点处取配点,能够以较小的网格规模获得较高的精度.通过计算相对误差估计,判断网格规模是增加还是缩减,若相对容许误差大于给定值,则增加网格区间数或网格配点数提高解的精度,反之则合并网格或减小网格配点数缩减网格规模提高计算效率.将hp伪谱法应用于最优控制问题,仿真验证了hp伪谱法的优越性.     

基于Zipf分布的网格密度峰值聚类算法

网格密度峰值聚类在兼顾密度峰值聚类算法可识别任意形状类簇的基础上,通过数据集的网格化简化整体计算量,成为当前备受关注的聚类方法.针对大规模数据,如何进一步区分稠密与稀疏网格,减少网格密度峰值聚类中参与计算的非空网格代表点的数量是解决“网格灾难”的关键.结合以网格密度为变量的概率密度分布呈现出类Zipf分布的特点,提出一种基于Zipf分布的网格密度峰值聚类算法.首先计算所有非空网格的密度并映射为Zipf分布,根据对应的Zipf分布筛选出稠密中心网格和稀疏边缘网格;然后仅对稠密中心网格进行密度峰值聚类,在自适应确定潜在聚类中心的同时减少欧氏距离的计算量,降低算法复杂度;最后通过对稀疏边缘网格的处理,进一步优化类簇边界并提高聚类精度.人工数据集和UCI数据集下的实验结果表明,所提出算法对大规模、类簇交叉数据的聚类具有明显优势,能够在保证聚类精度的同时降低时间复杂度.     

基于Monte-Carlo方法利用随机变数平均值计算定积分的算法

针对求解定积分近似计算问题,给出一种基于Monte-Carlo方法计算定积分的算法,简称为平均值法,它不同于通常人们使用的频数法。该算法理论依据是概率论数学期望定理及大数定律,它通过向积分区间随机掷点的方法产生一组随机数,每个随机数对应函数值组成一组随机变数,用随机变数平均值与积分区间长度值乘积得到定积分近似值。基于该算法样本随机特性,可以充分利用网络环境进行并行计算,实验结果表明本文算法具有实效性,与频数法相比,具有更好的准确率与时间效率。     

自适应各向异性SGHQF 及其在组合导航中的应用

针对稀疏高斯厄米特积分滤波(SGHQF)中积分点利用效率不高的问题,提出一种基于状态分量可观测度分析的自适应各向异性SGHQF (AASGHQF)。给出了利用状态分量可观测度和各向异性权重向量来控制各维通道积分精度等级的方法,进而对各变量通道的积分点数目进行合理分配。以CNS/SAR/SINS非线性组合导航为应用背景,对UKF、SGHQF和AASGHQF进行了仿真对比分析。仿真结果表明, AASGHQF与SGHQF的滤波估计精度相当,均高于UKF;AASGHQF比SGHQF需要更少的积分点,提高了计算效率。     

业务过程的扩展广义随机Petri网模型

为建立能够描述外部环境、业务操作耗时服从一般分布的业务过程性能模型,引入扩展广义随机Petri网.用容纳有无穷多托肯的输入库所描述建模对象外部环境,用闸门变迁控制外部环境对建模对象的输入,为非立即变迁绑定一个任意分布时间延迟随机变量.最后给出一个建模实例.     

基于高斯过程的多机动扩展目标跟踪

针对杂波环境下多机动扩展目标跟踪问题, 提出一种基于高斯过程的变结构多模型联合概率数据关联方法.首先, 采用期望模型扩展方法构建自适应模型集, 并对各个扩展目标状态进行初始化.其次, 基于高斯过程建立联合跟踪门以选择有效量测, 形成联合关联矩阵.然后, 拆分联合关联矩阵得到可行关联矩阵并求解关联事件概率.最后, 利用联合概率数据关联滤波器更新各个扩展目标的状态和协方差, 并将更新的状态进行融合, 得到最终的状态估计.仿真验证了所提方法的有效性.     

一种极坐标下基于高斯过程的扩展目标跟踪方法

对于使用雷达系统的扩展目标跟踪,通常将原始测量值从极坐标转换为笛卡尔坐标,然后馈入估计器.但其转换测量期望值在目标真实方位上存在偏差.另外,测量误差协方差的计算取决于实践中不可用的真实状态.针对这一不足,本文提出了一种在概率数据关联框架下基于高斯过程的扩展目标跟踪方法.该方法首先,直接在极坐标中对测量函数进行建模,并求解出测量噪声协方差;其次,建立扩展目标的联合跟踪门对测量进行筛选,并获得测量新息;最后,计算关联事件概率并估计扩展目标的状态.仿真结果表明了该方法的有效性.     

Active state estimation for nonlinear systems: a neural approximation approach.

In this paper, we consider the problem of actively providing an estimate of the state of a stochastic dynamic system over a (possibly long) finite time horizon. The active estimation problem (AEP) is formulated as a stochastic optimal control one, in which the minimization of a suitable uncertainty measure is carried out. Toward this end, the use of the Renyi entropy as an information measure is proposed and motivated. A neural control scheme, based on the application of the extended Ritz method (ERIM) and on the use of a Gaussian sum filter (GSF), is then presented. Simulation results show the effectiveness of the proposed approach.     

Delay‐dependent robust H∞ control for uncertain stochastic time‐delay systems

This paper investigates the robust H_∞ control problem for stochastic systems with a delay in the state. Sufficient delay‐dependent conditions for the existence of state‐feedback controllers are proposed to guarantee mean‐square asymptotic stability as well as the prescribed H_∞ performance for the closed‐loop systems. Moreover, the results are further extended to the stochastic time‐delay systems with parameter uncertainties, which are assumed to be time‐varying norm‐bounded appearing in both the state and the input matrices. The appealing idea is to partition the delay, which differs greatly from the most existing results and reduces conservatism by thinning the delay partitioning. Numerical examples are provided to show the advantages of the proposed techniques. Copyright © 2009 John Wiley & Sons, Ltd.     

Probabilistic solutions of some multi-degree-of-freedom nonlinear stochastic dynamical systems excited by filtered Gaussian white noise

In this paper, the state-space-split method is extended for the dimension reduction of some high-dimensional Fokker–Planck–Kolmogorov equations or the nonlinear stochastic dynamical systems in high dimensions subject to external excitation which is the filtered Gaussian white noise governed by the second order stochastic differential equation. The selection of sub state variables and then the dimension-reduction procedure for a class of nonlinear stochastic dynamical systems is given when the external excitation is the filtered Gaussian white noise. The stretched Euler–Bernoulli beam with hinge support at two ends, point-spring supports, and excited by uniformly distributed load being filtered Gaussian white noise governed by the second-order stochastic differential equation is analyzed and numerical results are presented. The results obtained with the presented procedure are compared with those obtained with the Monte Carlo simulation and equivalent linearization method to show the effectiveness and advantage of the state-space-split method and exponential polynomial closure method in analyzing the stationary probabilistic solutions of the multi-degree-of-freedom nonlinear stochastic dynamical systems excited by filtered Gaussian white noise.     

Solution of some nonclassical LQG stochastic decision problems

This paper considers stochastic problems in team theory. In particular, the linearity of the optimal control laws for the one-step delay linear quadratic Gaussian (LQG) stochastic control problem is established, and explicit formulae are presented. In addition, the control sharing, nonstatic, nonclassical LQG problem is solved.     

Stochastic stability of quasi-integrable Hamiltonian systems with time delay by using Lyapunov function method

The asymptotic Lyapunov stability of one quasi-integrable Hamiltonian system with time-delayed feedback control is studied by using Lyapunov functions and stochastic averaging method.First,a quasi-integrable Hamiltonian system with time-delayed feedback control subjected to Gaussian white noise excitation is approximated by a quasi-integrable Hamiltonian system without time delay.Then,stochastic averaging method for quasi-integrable Hamiltonian system is used to reduce the dimension of the original system,a...     

灰色随机线性时滞系统的渐近稳定性

首先提出了灰色随机线性时滞系统及其渐近稳定性的概念;然后,利用矩阵理论和随机微分时滞方程解的渐近收敛定理及李雅普诺夫函数,研究了灰色随机线性时滞系统的渐近稳定性,得到了随机淅近稳定的几个充分性条件;最后,通过数值例子说明了所得结果在实际应用中的方便性和有效性.