考虑随机效应的多源信息融合剩余寿命预测

为了合理利用同类设备的先验信息，提高参数估计和剩余使用寿命（RUL）预测精度，提出一种基于多源信息融合并考虑随机效应的RUL预测方法。利用考虑随机效应的线性Wiener过程对设备的退化过程进行建模；利用期望最大化（EM）算法，融合先验退化信息和先验失效寿命数据信息，计算模型中的未知参数；根据Wiener过程参数估计的性质，提出一种基于多源信息融合并考虑随机效应的非线性Wiener过程参数估计方法；利用激光器数据和疲劳裂纹数据进行实验验证。实验结果表明：与基于历史退化数据或失效寿命数据的方法相比，所提方法能有效提高参数估计和RUL预测的精度。     

面向飞行试验的多源气动数据智能融合方法

风洞试验和飞行试验是飞行器研制过程中进行气动性能分析与优化设计的重要手段，然而，在高超声速飞行条件下，真实气体效应、黏性干扰效应和尺度效应的复杂变化给气动数据精准预测带来巨大挑战。为了提升天地气动数据一致性，针对某外形飞行试验数据开展了典型对象的天地气动数据融合方法研究。结合数据挖掘的随机森林方法，本文提出了一种面向飞行试验的数据融合框架，通过引入地面风洞试验气动数据，实现了对复杂输入参数的特征分析与特征排序，进一步对不同飞行时刻下飞行试验的气动数据开展了交叉验证。结果表明随机森林的机器学习框架对风洞-飞行试验数据关联具有较好的预测与外推能力，可以有效提升气动数据预测精度，相关研究为复杂环境下气动数据多源融合提供了思路。     

随机扰动下的航天器姿轨保持自抗扰控制

空间飞行器在轨运行过程中除受空间摄动外，还因飞行器任务需要产生随机扰动力和扰动力矩。针对空间飞行器受随机扰动产生的耦合运动控制问题，提出了利用自抗扰方法进行轨道保持和姿态稳定的控制方法。通过引入二阶线性扩展状态观测器，对系统总扰动和状态进行观测。结合PD控制方法结合总扰动前馈补偿，克服空间主要摄动及飞行器本身产生的随机扰动，实现轨道保持和姿态稳定。仿真试验结果表明:该方法可以有效克服总扰动的影响，实现姿轨协同控制。     

基于EEG信号特征的脑力疲劳快速检测方法

空间站飞行过程中航天员容易产生脑力疲劳，其是影响作业效率和引起失误的主要因素。为此，研究人体脑力疲劳的快速检测方法，将有利于保障在轨运行安全。脑电波(EEG)的特征变化能够反映出大脑疲劳状态，但现有EEG方法分析脑力疲劳时需要多个导联的信号，这严重限制了其在空间站环境中的实际应用。通过地基实验，采用36 h睡眠剥夺的方式成功诱发出45名受试者的多种脑力疲劳状态。针对EEG信号的非平稳性，设计的8层db4小波变换结构，有效分解出了δ、θ、α和β脑节律波。先使用方差分析( ANOVA)和Logistic回归筛选出脑力疲劳敏感特征，再依据脑力疲劳敏感特征数量进一步筛选出脑力疲劳敏感导联，应用6个敏感导联的特征分别构建了随机森林回归模型。加权融合6个导联处的回归模型，形成脑力疲劳快速检测模型，其平均精确率高达85.25%。      

基于随机遮挡和多粒度特征融合的行人重识别

针对行人重识别中存在遮挡及行人判别特征层次单调的问题，在IBN-Net50-a网络的基础上，提出了一种结合随机遮挡和多粒度特征融合的网络模型。通过对输入图像进行随机遮挡处理，模拟行人被遮挡的真实情景，以增强应对遮挡的鲁棒性；将网络分为全局分支、局部粗粒度互融分支和局部细粒度互融分支，提取全局显著性特征，同时补充局部多粒度深层特征，丰富行人判别特征的层次性；进一步挖掘局部多粒度特征间的相关性进行深度融合；联合标签平滑交叉熵损失和三元组损失训练网络。在3个标准公共数据集和1个遮挡数据集上，将所提方法与先进的行人重识别方法进行比较，实验结果表明：在Market1501、DukeMTMC-reID、CUHK03标准公共数据集上，所提方法的Rank-1分别达到了95.2%、89.2%、80.1%，在遮挡数据集Occluded-Duke上，所提方法的Rank-1和mAP分别达到了60.6%和51.6%，均优于对比方法，证实了方法的有效性。     

基于占比样本数据融合的高校毕业生平均薪酬模型研究

本文研究了高校毕业生的平均薪酬问题，分别在各专业毕业生的月平均薪酬有显著性差异（类型1）和无显著性差异（类型2）的情形下，建立了基于占比样本数据融合的月平均薪酬模型，指出了传统的基于非专业占比的毕业学生薪酬统计方法的局限性，得到了基于专业占比的毕业学生薪酬统计方法的有效性，在实际应用中具有一定的指导意义。     

基于ISPSO的半透明介质中多种辐射特性参数反演（英文）

半透明介质广泛存在于工业和化工设备中，其热辐射特性在研究介质传热过程中起着重要作用。本文提出了一种改进的随机粒子群优化（Stochastic particle swarm optimization, ISPSO）算法，从角度光散射测量信号中反演半透明介质的热辐射特性参数，即吸收系数、散射系数和不对称系数。研究结果表明，与随机粒子群算法（Stochastic particle swarm optimization, SPSO）相比，ISPSO算法避免了局部最优和收敛精度低的现象，即使在5%的随机测量误差下也能获得合理的检索结果。当只需要研究两个参数时，反结果的鲁棒性是令人满意的。当反演的参数较多时，反演精度会降低。此外，在5%随机测量误差下，同时反演多个辐射特性参数时，即吸收系数、散射系数和不对称因子，本文提供的方法仍能得到满意的结果。结果表明，本文提供的反演方法是一种有效可靠的方法，可以同时估计半透明介质中的多个辐射特性参数。     

基于零电压注入的航空电驱动用永磁电机系统零低速无位置传感器控制

针对航空电驱动系统零低速域高性能无位置传感器控制算法的需求，本文提出了一种基于零电压注入的无位置传感器控制策略。首先，针对传统高频注入法的高频噪声问题，引入随机高频信号代替传统信号，在估计的d轴中激励出与位置相关的响应电流。随后，对传统信号及随机高频信号的噪声产生与抑制机理进行理论分析；进一步分析死区效应对位置观测的影响，在随机高频信号注入基础上，额外注入零电压矢量，并设计死区补偿策略以抑制由死区效应所引起的位置观测误差。最后，通过MATLAB/Simulink验证了所提出无位置传感器控制策略的有效性。本文所提出的算法可实现零低速域的低噪声低谐波无位置传感器控制，对航空电驱动系统控制策略的设计具有参考价值。     

代价敏感惩罚AdaBoost算法的非平衡数据分类

针对非平衡数据分类问题，提出了一种基于代价敏感的惩罚AdaBoost算法。在惩罚Adaboost算法中，引入一种新的自适应代价敏感函数，赋予少数类样本及分错的少数类样本更高的代价值，并通过引入惩罚机制增大了样本的平均间隔。选择加权支持向量机（Support vector machine,SVM）优化模型作为基分类器，采用带有方差减小的随机梯度下降方法（Stochastic variance reduced gradient,SVRG）对优化模型进行求解。对比实验表明，本文提出的算法不但在几何均值（G-mean）和ROC曲线下的面积（Area under ROC curve,AUC）上明显优于其他算法，而且获得了较大的平均间隔，显示了本文算法在处理非平衡数据分类问题上的有效性。     

多网络约束下NNS分布式融合估计器设计

针对节点量测增益衰减、节点能量受限与系统模型不确定3种网络约束下具有随机通信时滞和非固定丢包率的组网导航系统(NNS)分布式状态融合估计问题，将增益衰减程度描述为统计特性已知的随机变量，将模型不确定描述为系统矩阵中的乘性有色噪声，将减小能耗描述为降低节点数据传输率。分别在邻节点端和目标节点端引入2种不同的线性编码器以解决丢包与时滞问题。建立丢包率与同时传输信息的节点数目之间的函数关系，将邻节点在过去有限个时刻的量测值进行线性编码后再传输，以补偿丢包与降低传输率导致的信息损失。目标节点把在同一采样周期内获取的来自同一邻节点的多个量测值按时间戳进行线性编码，以解决通信时滞导致的信息多余。基于2次线性编码建立增广系统模型，设计最小方差意义下局部无偏估计器，利用最优矩阵加权融合法得到全局融合估计器，推导得到融合估计误差协方差收敛的充分条件及次优传输率。通过算例仿真验证所提算法的有效性。