随机前沿面模型中管理偏差项的模拟研究

对随机前沿面模型中管理偏差项Γ分布假设进行了Monte—Carlo模拟研究，并将模拟结果同数值求解进行了比较，分析了模拟方法的优点以及如何利用模拟结果确定随机前沿面模型中管理偏差项Γ分布假设的合适参数．结果表明模拟方法是完全可行的．     

基于卷积神经网络的多尺度融合特征图在人群密度估计中的应用

提出了一种以Unet++为基础的卷积神经网络,适用于人群密度估计。该网络的优点是用并行连接的方式进行多尺度融合结合浅层网络的细节信息和深层网络的高阶语义信息来消除两者之间过大的语义鸿沟。此外,还引入了膨胀卷积来提高网络性能。在Shanghai Tech和UCF_CC_50两个通用人群密度估计数据集上进行实验选取平均绝对误差(MAE)和均方误差(MSE)作为评价指标。实验结果表明在这两个数据集上该网络均有效降低了MAE和MSE,说明其在人群密度估计方面有较好的准确度和鲁棒性。     

具有任意分布时间相关源的盲分离自适应算法

常用的盲分离算法假定源是独立同分布的随机信号，这种假定在实际应用中受到限制。中把盲分离算法扩展到具有时间相关特性的源信号，给出了盲分离的模型。以最大似然估计为基础，用MA模型来消除源的时间相关特性，推导了MA模型参数和混合参数的自适应梯度学习算法。为了提高该算法的适用性，采用高斯混合模型(GMM)来拟合源的概率密度函数，并给出了GMM模型参数的自适应算法。计算机仿真结果表明：算法的性能良好，收敛速度快。     

基于因子分析的卷积神经网络模型压缩算法研究

针对复杂的卷积神经网络模型存在参数规模大、运算时间长等问题,提出一种有效的卷积神经网络模型压缩算法.该算法引入因子分析的思想对卷积神经网络模型进行压缩：首先将四维的卷积核权重张量转化为二维的矩阵形式,计算相关矩阵,并对其进行奇异值分解;其次,通过控制累积方差贡献率,确定适当的因子数量,计算因子载荷矩阵;最后,重构出更具代表性的卷积核.通过在Catdog、CIFAR10、CIFAR100三个数据集上进行验证,实验结果表明：该压缩算法能够在保证卷积神经网络精度的前提下,使AlexNet、ResNet的参数压缩率达到30.7%～68.2%,运行时间减少17.53%～37.21%.从而验证了本文提出的算法在压缩率和运算效率方面的优势,为基于因子分析的卷积神经网络模型压缩提供了一种可能的框架.     

设计用随机地震动模型与参数的改进

在地震动平稳过滤有色噪声模型基础上，基于“二态Ｍａｒｋｏｖ，，跨越假定完善了模型参数的确定方法，建立了地震动随机模型与抗震设计规范ＧＢＪ１１－８９的联系。具体确定了模型参数（平稳持时Ｔｄ，谱强度因子Ｓ０和非平稳强度函数ｆ（ｔ）与三水准烈度（小震、中震和大震）、场地类别、近远震的定量关系，为工程结构的概率抗震设计提供了初步可用的输入地震动模型与荷载标准。     

基于时序的工业用水效率测算与耗水量预测

科学计算工业生产过程中的水资源利用效率，分析并预测耗水量，对于工业用水规划十分重要，通过建立包含工业耗水变量的模型，运用随机前沿生产函数（SFA）模型对我国1953-2004年间的工业水资源利用技术效率进行了测算，分析了效率变化、技术进步指数和全要素生产率（TFP），结果表明：工业生产水资源利用效率总体说来变化平稳，呈现缓慢的上升趋势；引入工业用水技术效率因素，用误差修正模型预测工业耗水量，对未来工业耗水量预测的精确度明显提高，如2005年的耗水量预测误差仅为4．96％，而没有引入技术效率的预测的误差超过80％．     

基于卷积神经网络的大坝位移预测模型对比研究

针对当前大坝位移预测研究中对大坝变形影响因子考虑欠缺的问题,将卷积神经网络与典型机器学习算法相融合对大坝位移进行预测。结合某大坝2018年3月1日至2022年5月1日的监测数据进行研究,并将大坝位移预测值与经典随机森林预测结果、支持向量机预测结果进行比较,结果表明融合卷积神经网络后的模型比单一模型具有更高的预测精度和更小的预测误差,模型预测性能更好。     

长短时窗比算法特征函数优选试验研究

长短时窗比（STA/LTA）算法广泛应用于工程中,然而其特征函数的选择标准未形成统一的认识。构建评价体系,即通过分析不同特征函数的灵敏度和鲁棒性系数来优选特征函数。室内岩石微振动实验分析表明：在误差范围内,以平方作为特征函数的算法具有较高的灵敏性和鲁棒性,其触发阈值、长时间窗以及短时间窗参数的最优摄动区间分别为：8.6～13.0、1.20～1.30 ms、0.02～0.06 ms。综合现场信号的到时拾取结果,以平方作为特征函数的算法的拾取误差为0.07 ms,以另外两种函数作为特征函数的拾取误差分别为0.10、0.08 ms。在保证鲁棒性和灵敏性的基础上,以平方作为特征函数的算法表现出更高的拾取精度,验证了该评价体系的有效性。     

混合可靠性模型参数的核密度和引力搜索估计

针对可靠性建模中广泛应用的混合分布模型的参数估计问题,为解决其重数选择主观性强、参数识别初值敏感性高、参数识别效率低等难题,融合人工智能方法,提出了一种新型参数估计方法。引入核密度估计对数据进行非参数拟合,以最小化平均积分平方误差为目标,获得核密度估计的最优带宽,以最优带宽为组距对原始数据进行分组,做出统计直方图,并由此确定分布密度函数的混合重数。采用K-均值聚类方法对统计直方图进行聚类,由聚类结果计算获得混合分布模型的权重,接着应用引力搜索算法对混合模型各重子模型的参数进行辨识。以实测商用车车桥位移谱信号为例,对其概率密度函数和累计分布函数进行混合模型建模和模型参数识别。在车桥位移谱模型参数识别的基础上,分别计算决定系数、KS值和平均相对误差3个指标,验证了本文参数估计方法的有效性,为商用车可靠性的疲劳载荷谱编制和实验室台架试验奠定了基础,同时,可以为相关可靠性建模和模型参数识别问题提供参考。     

基于遗传算法与经验误差最小化的SVM模型选择方法

支持向量机（SVM）的推广能力依赖于核函数形式及核参数和惩罚因子的选取,即模型选择.在分析参数对分类器识别精度的影响基础上,提出了基于遗传算法和经验误差最小化的支持向量机参数选择方法.在13个UC I数据集上的实验表明了本文算法的正确性与有效性,且具有良好的推广性能.     

系统辨识(6):多新息辨识理论与方法

多新息辨识是系统辨识的一个重要分支.新息是能够改善参数估计精度或状态估计精度的有用信息.首先,详细讨论了线性回归模型的各种多新息辨识方法,包括多新息投影算法、多新息随机梯度算法、多新息遗忘梯度算法、变递推间隔多新息随机梯度算法、多新息最小二乘辨识方法、变递推间隔多新息最小二乘算法等;然后,给出了方程误差类系统、输出误差类系统、输入非线性系统的随机梯度辨识算法、多新息随机梯度算法和多新息最小二乘辨识算法;最后,简单说明了多新息辨识理论可以发展到多新息观测器和多新息卡尔曼滤波理论.     

软件成本估算算法研究

根据软件成本估算存在的困难,介绍了基于回归模型的单阶段成本估算算法,总结了线性和非线性动态多对象、多阶段估算算法,给出了算法的模型依据,分析了不足和优点。提出将以上２种算法结合起来,可提高软件估算的准确度,使估算的结果接近实际、指导实际。     

时变多变量系统多新息投影算法的均方收敛性

利用随机过程理论研究了时变多变量系统多新息投影辨识算法的均方收敛性,给出了参数估计误差上界的计算公式,并阐述了获得最小均方参数估计误差上界时,数据窗长度的选择方法．本文的研究成果对提高辨识算法的实际应用效果有重要意义．     

基于动态模糊神经网络的产品成本估算

针对在产品方案设计阶段成本估算信息少且颗粒度大的问题，结合神经网络和模糊工程技术提出了动态模糊神经网络（DFNN），采用模糊推理的信息处理方法，在学习过程中隐层层数及维数根据规则不断变化，神经网络结构呈现动态.研究了动态模糊神经网络的学习过程、网络动态算法及模糊知识处理方法，建立了成本估算模型，并开发了基于动态模糊神经网络的成本估算软件，实现了利用产品方案设计信息自动进行成本估算.以挖掘机和液压油缸为例进行验证，结果表明该方法具有较强的信息处理能力，并提高了成本估算模型的柔性.     

离散动态随机系统的信息融合滤波方法

针对离散随机动态系统的滤波问题,提出了基于信息融合估计的线性和非线性滤波方法。对于线性滤波,通过融合一步预测状态信息以及量测信息来获得系统状态的最优融合估计,并证明了它与标准卡尔曼滤波的一致性。基于非线性信息融合估计定理,推导出一种计算简单的迭代型非线性滤波方法。最后,还提出了信息融合滤波初值选取问题的解决方法。     

导航系统误差及其协方差阵的随机加权拟合

在现有基于移动窗口函数模型和随机模型的系统误差自适应拟合方法的基础上,提出了一种基于移动窗口观测模型的系统误差随机加权拟合法。该方法在相同的窗口内给出了相应的观测向量协方差阵的随机加权估计。利用修正后的观测向量及相应的协方差阵进行导航滤波计算,能有效地抑制观测系统偏差的影响,提高导航解算的精度。仿真结果证明,文中所提出的随机加权估计算法的精度,明显优于卡尔曼滤波和自适应卡尔曼滤波。     

Event-Triggered Moving Horizon Pose Estimation for Spacecraft Systems

An event-triggered moving horizon estimation strategy is proposed for spacecraft pose estimation. The error dual quaternion is used to describe the system state and construct the spacecraft attitude-orbit coupled model. In order to reduce the energy consumption on spacecraft, an event-triggered moving horizon estimator (MHE) is designed for real-time pose estimation with limited communication resources. The model mismatch caused by event-triggered is finally solved by solving the cost function of the min-max optimization problem. The system simulation model is built in Matlab/Simulink, and the spacecraft pose estimation simulation is carried out. The numerical results demonstrate that the designed estimator could ensure the estimation effect and save spacecraft communication and computing resources effectively.     

衰减激励条件下随机系统最小二乘的收敛性

利用随机过程理论 ,研究了随机系统最小二乘辨识算法在衰减激励条件下的均方收敛性 ,给出了参数估计误差收敛于零时 ,衰减指数应满足的条件 .得到了如下结论 :1 当衰减指数 ε 满足 0≤ε <1/ 2时 ,估计误差收敛于零 2 当ε=1/ 2时 ,估计误差有界 3 当ε>1/ 2 时 ,估计误差发散     

基于扩展卡尔曼滤波的两轮机器人姿态估计

针对两轮自平衡机器人惯性传感器存在误差的问题,提出基于扩展卡尔曼滤波的方法进行补偿,从而实现机器人姿态的最优估计.利用实验获得的惯性传感器误差特性,采用Levenberg-Marquardt非线性最小二乘迭代法拟合数据,从而建立机器人导航用惯性传感器陀螺仪和加速度计误差的数学模型,并对误差进行标定.采用扩展卡尔曼滤波将传感器的数据进行融合并对误差进行补偿,得到机器人姿态的最优估计.将滤波后的模型应用到两轮自平衡机器人系统,实验结果表明改进后的系统误差得到了有效的抑制,从而验证了采用低成本的惯性传感器进行机器人的姿态估计是有效可行的.