递推辨识中的奇异值分解方法

研究了递推辨识算法的一种实现形式-SVD分解算法。这样就可以在计算量基本不变的情况下，有效地保证方差矩阵的对称性，正定性，从而获得较好的数值特性。仿真计算结果表明在实现自适应控制时，能提高系统参数实时辨识的精度。     

部分可观Petri网故障的量子贝叶斯诊断

针对故障本身构建量子贝叶斯Petri网模型算法，并利用该子网模型进行Petri网系统故障分析。对于部分可观Petri网模型中的不可观故障，根据可达标识图分析变迁点火路径不能判断系统状态，建立量子贝叶斯子网模型，通过不确定路径引起的量子干涉重新标定变迁的条件概率表得到量子概率振幅表。根据故障变迁的前置集合并结合量子贝叶斯推理计算变迁触发的先验概率，由后置集合中的可观变迁修正后验概率，由最大后验概率估计系统所处状态，当故障变迁不唯一时，选取最大概率的故障作为故障源。以实际故障系统建立部分可观Petri网模型，结合可观标签概率序列信息和量子贝叶斯概率估计，对系统不可观部分进行故障诊断验证算法的有效性。