M/G/1排队系统性能梯度估计的非标准分析法

如何估计系统性能梯度是离散事件动态系统研究中的一个重要问题.系统性能对于概率参数的梯度无法用传统的摄动分析法来估计,我们从非标准分析的角度提出了一种基于Dirac δ函数的摄动分析算法,分析了相应估计量的强相合性和渐近无偏性.新算法在实现过程中需要用样条函数来近似δ函数,但可以同时估计M/G/1排队系统中顾客期望系统时间和忙期期望长度对概率参数的梯度.数值实验结果表明估计量的相对误差和无偏性检验值都比较小,新算法能够很好地估计M/G/1排队系统的性能梯度.     

基于广义线性模型的固体推进剂贮存寿命评估

研究了固体推进剂在贮存过程中性能退化对贮存寿命与可靠性的影响,提出了一种基于广义线性模型的固体推进剂贮存寿命与可靠性评估方法.首先结合固体推进剂退化数据的特点,利用位置刻度模型来描述固体推进剂抗拉强度与贮存时间的关系,建立了固体推进剂的贮存寿命模型.然后利用广义线性模型,给出了贮存寿命模型系数的极大似然估计.根据极大似然估计的渐近正态性,利用Fisher信息矩阵,给出了贮存寿命与可靠度近似置信下限.结合算例表明该方法综合利用固体推进剂在不同贮存时间下的性能数据,改善了固体推进剂贮存寿命与可靠性评估精度.      

奇异摄动与鸭解

鸭解是近年来在奇异摄动方程的研究中发现并开始研究的，它是一种新的分支现象，关于这方面的结果不是很多，且在大多数文献中多采用非标准方法，本文则利和渐近分析法，微分方程定性理论及不动点方法，对一类特殊的单参数奇异摄动方程鸭解的存在性进行研究。给出了鸭解存在的充分条件及其所对应参数的估计；并给出了鸭解的近似表达式，利用这些结果可以清楚地描述这类方程当参数变化时相图的变化情况。     

基于β似然函数的参数估计方法

分布参数估计是可靠性数据分析的手段,用于研究产品可靠性的变化规律及评估产品的可靠性水平。使用寿命试验中产品可靠度所服从的β分布评价可靠度估计值的合理程度,认为可靠度估计值在β分布中概率密度较大的更合理,给出了一种评价可靠度函数估计好坏的β似然函数,探讨了使用该函数进行分布参数估计的β似然估计方法,通过仿真验证了该方法在指数分布和威布尔分布下的适用性,并给出了应用实例。本参数估计方法理论依据充分,适用于各种分布类型,估计结果合理可信。极大似然估计方法以样本在待估分布中的概率密度作为评价准则,与之不同,本方法以累积发生比例的估计值作为评价准则,更适用于可靠性、生存率等关注事件累积发生比例的场合。      

一类具耗散项非线性双曲型方程解之渐近稳定性

应用能量估计方法，得到了一类具耗散项非线性双曲型方程周期边值问题解的渐近稳定性。     

时变方差自回归模型的联合估计函数方法推断

针对参数估计问题，利用联合估计函数方法对带有时变方差的自回归模型参数进行统计研究。介绍了带有时变方差自回归模型和联合估计函数理论的研究现状，利用联合估计函数理论，给出带有时变方差自回归模型的参数估计量，证明该参数联合估计量渐近收敛于正态分布。对提出的参数统计量进行数值模拟对比分析，模拟结果表明，与伪极大似然估计量、最小二乘估计量进行对比，提出的参数联合估计量略优于伪极大似然估计量，同时该统计量受误差项分布函数影响较小。      

基于函数型数据的广义线性回归模型

函数型数据的回归分析研究主要集中在函数型线性模型。不要求因变量为连续型随机变量,可以为离散型或属性数据(对应于泊松或Logistic回归),对同时含有数值型多元变量和函数型变量的广义线性模型的估计问题进行分析,采用非参数方法得到了参数部分和非参数部分的估计量,并给出了一种重加权算法进行参数求解,解决了含数值型和函数型混合数据类型自变量的回归问题,同时扩展了函数型线性模型的应用范围。估计过程中,分别采用了函数型主成分和B样条基函数,并给出了基函数个数选择的准则。数值模拟结果表明,所提出方法具有良好的可行性与正确性。      

航天器初始飞行段雷测系统误差估计方法与算法

在航天器初始飞行段的跟踪数据中,假设光测数据含有常值系统误差,连续波雷达系统的距离和／差数据含有二次项系统误差和折射残差,距离和／差变化率数据含有线性系统误差和折射残差。利用样条函数表示轨道,建立了系统误差和航天器轨道的非线性模型,给出了系统误差和轨道的高精度估计方法和算法。     

一类含小参数微分方程鸭解的存在性

本文应用微分方程定性理论、 渐进分析方法、 隐函数定理以及不动点理论的方法研究一类单参数二维奇异摄动系统.给出了当系统的奇点在破坏点的小邻域时鸭解和鸭极限环存在的充分条件.证明了存在参数值a=a\-c(ε),使得对a\-c(ε)小邻域中的所有参数a, 系统存在鸭极限环.并给出了鸭解和鸭极限环的渐近估计式以及鸭极限环随参数变化的规律.本文推广了文献[1]和文献[2]的结果.     

电静液作动器自调节积分鲁棒运动控制

针对电静液作动器系统中存在的匹配干扰及不匹配干扰,基于扩张状态观测器,设计了一种自调节积分鲁棒控制方法。首先设计扩张状态观测器估计系统的匹配不确定性并且进行前馈补偿;然后设计自调节积分鲁棒控制器分别处理系统的不匹配干扰和状态估计误差,实现了电静液作动器的渐近跟踪控制;最后通过仿真验证了该控制方案的有效性。结果表明：相较于传统的PID控制器,该控制器的跟踪误差约为0.2mm,控制精度达到0.4%左右。     

费用约束下含应力优化的CSADT设计

恒定应力加速退化试验(CSADT,Constant Stress Accelerated Degradation Testing)方案中需要确定的变量有应力水平、各应力下样本量、监测间隔和各应力下监测次数.如何对CSADT的应力水平进行优化目前很少有人探讨.针对这一问题提出一种在费用约束下将上述4个变量进行综合优化的方法.首先用随机过程描述CSADT下产品的性能退化过程,然后以产品在使用条件下p分位寿命可靠度的渐近方差最小为目标,以试验费用不超过预算为约束条件,给出CSADT的4个优化变量,并给出应用该优化方法的仿真算例.最后,优化方案对模型参数偏差的敏感性分析表明,在一定偏差范围内优化结果具有良好的稳健性.      

附着小天体的动态面鲁棒制导与控制方法

以精确附着小天体表面的任务为背景,提出一种基于扰动观测器(DOB)和动态面控制的附着小天体的制导与控制方法。根据探测器的初始条件与终端着陆条件规划了标称轨迹,并将引力场建模误差、参数摄动和外部干扰等视为总扰动,结合动态面控制和DOB设计了标称轨迹跟踪控制器。分析总扰动估计误差的渐进收敛性以及闭环标称轨迹跟踪控制系统的稳定性,并确定控制器参数选取条件。数值仿真结果表明,所设计的DOB可以有效地估计并抑制总扰动且闭环标称轨迹跟踪控制系统具有良好的稳定性和控制精度。     

对Jahangir组合式矩估计器的改进

在M.Jahangir以常数为权的组合式矩估计器的基础上,给出一种以函数为权的组合式矩估计器,称为L-J估计器.其中,最优加权函数是根据U估计器与形状参数的单调关系,通过数论网格最优化算法搜索解出.大量仿真实验证实,在对K分布形状参数v大范围的参数估计中,L-J估计器在估计精度上,不但较Jahangir等提出的常数加权组合矩估计器的精度有显著提高,而且可与MLE(Maximum Likelihood Estimator)相当.特别是由于MLE作为渐进无偏估计量,需要充分大的样本长度才能达到最优,这就使得L-J估计器的估计精度可在样本长度较小时优于MLE.此外,L-J估计器无需迭代运算,因而在计算效率上,显著优于现有的ML估计器.     

一种自适应GNSS弱信号载噪比估计方法

全球导航卫星系统（GNSS）信号的载噪比（CNR）是衡量接收机工作性能的一个重要参数。为了准确得到载噪比估计值,推导并分析了2种常用的GNSS信号载噪比估计方法（方差求和法（VSM）、窄带宽带功率比值法（PRM））,并同时提出一种基于渐消因子容积卡尔曼滤波的自适应载噪比估计方法,比较了3种方法在通常的信号环境下和弱信号环境下的载噪比估计能力。结果显示:在信号较弱环境或信号受到遮挡产生突变等情况时,VSM方法与PRM方法均会产生较大的误差,而自适应载噪比估计方法能准确估计出信号的载噪比。      

An improved approach for rainfall estimation over Indian summer monsoon region using Kalpana-1 data

In this paper, an improved Kalpana-1 infrared (IR) based rainfall estimation algorithm, specific to Indian summer monsoon region is presented. This algorithm comprises of two parts: (i) development of Kalpana-1 IR based rainfall estimation algorithm with improvement for orographic warm rain underestimation generally suffered by IR based rainfall estimation methods and (ii) cooling index to take care of the growth and decay of clouds and thereby improving the precipitation estimation.     

基于深度学习的无人机数据链信噪比估计算法

无人机数据链通信受到各种自然与人为的干扰,信噪比（SNR）是信道状态和通信质量的有效评估指标。为解决传统估计算法信噪比估计精度不足的问题,提出了一种卷积神经网络（CNN）与长短时记忆（LSTM）网络结合的估计模型。利用仿真与实测相结合的方式,构建了一个包含不同信噪比、调制方式、衰落信道等信息的无人机通信信号数据集;在网络训练阶段,将样本序列进行分割,对分割后的每一部分序列使用CNN-LSTM网络提取深度特征,多次训练并保存模型参数;在测试阶段,利用构建好的测试集完成对算法的验证与测试,得到信噪比估计值。实验表明,相比于传统信噪比估计算法与单一网络结构的深度学习算法,所提算法的均方误差最低,实现了对信噪比的高精度估计。      

OFDM系统定时偏差补偿算法

为了消除正交频分复用(OFDM,Orthogonal Frequency Division Multiplexing)符号定时偏差对信道估计的影响,提出了一种补偿算法.理论分析表明相移可以被看作是信道统计特性的变化,并且在使用线性插值的信道估计方法时估计误差会扩大.该算法利用符号定时偏差会引起子载波相位旋转的特点,对信道估计进行补偿.仿真结果表明,在多径信道下,在信噪比为20 dB定时位置位于循环前缀中点时,使用该算法后信道估计均方误差是通常线性插值算法的25%,因此新算法缩小了信道估计均方误差.实验结果表明,该算法提高了接收机的性能.