改进的非线性连续-离散系统的极大似然参数估计及其应用

对Jategaonkar等人给出的同时计及过程及观测噪声的非线性连续-离散系统的极大似然算法从两个方面进行了改进:1)给出了计算灵敏度的最佳摄动有限差分算法,避免了普通有限差分法计算灵敏度矩阵时需人为选择参数摄动量大小而带来的缺点;2)给出了具有快速三角化平方根滤波的极大似然算法,提高了原算法的数值稳定性.上述改进算法经应用于飞行器系统参数估计证明了方法的有效性.     

辨识非线性曲线的非线性极大似然—优化法

工程上经常碰到非线性曲线辨识问题。本文探讨一种非线性极大似然-优化法并结合三次样条函数拟配法,形成统一的逐次逼近的直接辨识非线性曲线的非线性辨识方法。该法兼有极大似然法的唯一性、很好的收敛性和优化法直接处理非线性系统的能力,辨识出的样条函数曲线能无限地光滑地逼近非线性曲线。     

动态模糊极大似然估计算法

在机器学习中,一个广泛的应用是对模型的参数进行估计,即极大似然估计(MLE),EM算法是根据点估计中的MLE改进的一种迭代算法,是求极大似然估计的一种强有力的工具,但它收敛速度较慢,于是引入α-EM算法,克服了EM算法的缺陷.由于学习的过程中可能存在着大量的缺失数据及其动态模糊性,给出基于不完全数据的动态模糊极大似然估计算法并给出实例验证.     

递推计算灵敏度的极大似然估计算法实现

对非线性连续一离散系统的极大似然参数估计方法导出了一种递推计算灵敏度的新算式.该算式借助二水平正交表的性质,避免了原灵敏度递推算式中的矩阵求逆运算.仿真实例验证了该算法的实用性和有效性.     

极大似然估计的递推计算灵敏度算法

极大似然估计的递推计算灵敏度算法崔平远,吴瑶华,黄文虎,李乃宏（哈尔滨工业大学航天工程与力学系１５０００１）关键词连续－离散系统,极大似然估计,灵敏度,正交试验玉引言采用极大似然法对连续一离散系统进行参数估计,实际上是一个似然函数的优化计算问题,而其...     

进化策略在极大似然法参数估计中的应用

采用极大似然法进行参数估计,是为了避免传统优化算法的缺点。本文采用进化策略算法与极大似然参数估计法相结合使参数估计变量不再受初始值影响,从而可获得全局更优的解。最后,以威布尔三参数分布为例进行参数估计。结果表明,该方法有求解精度高和收敛速度快的优点,从而使进化策略算法能更好地应用于数理统计中。     

非线性极大似然法及其在飞机参数辨识中的应用

本文介绍一种非线性极大似然辩识方法。该法以一般非线性动态系统为对象,从系统的非线性模型出发,按极大似然估计准则,经过拟线性化处理建立一个迭代的优化算法。将其应用于某高速飞机气动参数辩识,采用纵横向耦合的六自由度非线性运动方程和非线性气动模型作为飞机数学模型,由飞行试验数据同时估计飞机纵横向稳定性与操纵性导数。计算结果证实,这种算法处理非线性系统是有效的。     

极大似然反卷积软件包

本文介绍了用于石油和天然气勘探的一种新型的、高分辩率的极大似然反卷积算法的软件包,详细阐述了该软件包的基本原理、结构和特点。     

鲁棒性的极大似然前馈神经网络及其应用研究

提出了一种新的基于极大似然法的BP神经网络算法,该算法定义了一种新的误差函数。与传统BP算法相比,其优点在于不仅考虑了噪声对网络学习的影响,而且能够从全局的角度对网络参数进行学习,从而使网络的鲁棒性增强。实验结果说明了本方法的可行性与优越性。     

高速列车非线性模型的极大似然辨识

提出高速列车非线性模型的极大似然(Maximum likelihood, ML)辨识方法,适合于高速列车在非高斯噪声干扰下的非线性模型的参数估计.首先,构建了描述高速列车单质点力学行为的随机离散非线性状态空间模型,并将高速列车参数的极大似然(ML)估计问题转化为期望极大(Expectation maximization, EM)的优化问题; 然后,给出高速列车状态估计的粒子滤波器和粒子平滑器的设计方法,据此构造列车的条件数学期望,并给出最大化该数学期望的梯度搜索方法,进而得到列车参数的辨识算法,分析了算法的收敛速度; 最后,进行了高速列车阻力系数估计的数值对比实验. 结果表明, 所提出的辨识方法的有效性.     

基于最大似然准则的CHAN改进算法

Chan算法是一种经典的具有闭式解的高效时差定位解算算法,但在实际应用中却存在一些困难和不足。首先对Chan算法在二维平面下的解集作了说明,并提出一种基于最大似然准则的定位模糊消除方法以得到唯一最终解,其次,针对Chan算法在较大时差测量误差下定位精度下降明显的现象,提出一种基于近似最大似然的方法对Chan算法定位估计进行修正,以改善其定位性能。仿真结果表明,对Chan算法提出的改进措施是有效可行的。     

催化裂化系统的非线性模型及其参数估计

本文基于过程机理分析和系统分解方法,建立了大型炼油厂催化裂化装置中反应-再生系统的非线性状态空间模型。全系统模型由若干具有状态和控制耦合的子系统模型所组成.该模型具有结构简单、维数低的特点。论文同时还给出了工业试验数据和基于模型计算机仿真结果的比较,说明模型具有满意的精度.     

非线性动态系统优化与参数估计集成的神经网络算法

基于动态系统优化与参数估计集成的迭代算法，提出一个求解系统优化的神经网络方法，得到一种动态系统优化与参数估计集成的神经网络算法，该算法通过重复求解参数估计问题和悠神经网络，获得原问题的精确最优解，由于系统优化问题用神经网络求解，因此该算法具有求解速度快，易于硬件实现等优点，特别适用于在线优化与控制。     

非线性时变随机系统状态及参数的实时联合估计

在文[1]中,我们给出了一种用于一类非线性时变随机系统的带次优渐消因子的扩展卡尔曼滤波器,可以估计出快速变化的系统状态.本文推广了文[1]的结果,使其可处理一般的非线性测量.同时,给出了一种状态及参数的联合估计方法.所做大量仿真研究表明,本文方法具有良好的实时性及动态跟踪性.     

基于最大似然原理的分类属性数据分层聚类算法

对分类属性数据进行处理时,现有的聚类算法一般都通过距离函数将原始数据转换为表示两两距离的距离矩阵,然后再根据距离矩阵进行聚类,聚类结果很大程度上依赖于距离函数。针对上述问题,提出一种基于最大似然原理的分类属性数据分层聚类算法,称为HAC_ML算法。HAC_ML算法优点在于直接处理分类属性数据,不依赖于距离函数,并且克服了分层聚类不能回溯的缺点。在UCI数据集上的测试结果表明与经典的ROCK算法和K-Modes算法相比,HAC_ML算法是一种有效地处理分类属性数据的分层聚类算法。     

一种鲁棒BP算法及其在非线性动态系统辨识中的应用

利用多层前馈神经网络的非线性建模特性，基于动态ＢＰ网络的串并联和并联模型，提出了一种高鲁棒性ＢＰ算法，与传统的ＢＰ算法相比，鲁棒ＢＰ算法有５个优点：（１）适合于非线性动态系统辨识，（２）辨识精度高；（３）不必内插所有训练样本；（４）具有高鲁棒性，能抵制过失误差和量测误差；（５）收敛速度得到了改进，因为错误差样本的影响得到了适度的抑制，把该算法用于非线性动态系统辨识，仿真结果表明此方法是有效的。     

非线性离散动态系统优化与参数估计集成的多模型方法

在非线性系统分时段线性化多模型基础上,给出了非线性离散动态系统优化与参数估计集成的多模型方法,并论证了算法的最优性和收敛性.在存在模型-实际差异的情况下,从分时段线性化多模型出发通过迭代运算可得到实际非线性离散动态系统的真实最优解.仿真结果表明了算法的有效性和实用性.     

非线性NARMAX模型结构与参数一体化辨识的改进算法

本文针对现有辨识算法所存在的缺陷,作了如 下改进工作：提出了一种新的模型选项准则（[ERR]准则）,克服了原[err]准则易导致 冗余项被错误选入的缺陷,保证了模型结构的正确辨识;对原算法做了较大改进,克服了原 算法使用时遭遇的存储困难问题,极大程度地改善了辨识算法的数值稳定性．理论分析及仿 真结果均证明了改进算法的优越性及有效性．     

基于参数估计的传感器故障诊断的改进方法

针对基于参数估计的非线性系统传感器故障诊断方法中存在的滤波稳定性差、估计精度低的缺点,提出了卡尔曼滤波与小波滤波相结合的方法.在将传感器故障参数都等效为偏差型故障参数的基础上,通过增大强跟踪滤波器算法中的量测噪声方差和系统噪声方差,使其大于实际噪声方差,以提高滤波器的稳定性和故障检测的快速性,同时引入小波滤波以提高对故障参数的估计精度.仿真实验表明,该方法较好地兼顾了滤波稳定性、估计精度及速度.