基于控制器动态线性化的数据驱动ILC

针对未知非线性非仿射重复离散时间系统,将迭代域的动态线性化技术应用于非线性被控系统和未知非线性理想学习控制器,提出一种新的数据驱动迭代学习控制方案。通过设计一种改进的无模型自适应迭代学习控制算法对理想学习控制器的增益进行估计,该方案仅利用非线性系统的输入输出数据,便可自动调整迭代学习控制律。数值仿真和对高速列车模型的仿真验证了该方法的有效性和适用性。     

双边定时截尾下广义Pareto分布的可靠性分析

基于双边定时截尾样本,研究广义Pareto分布的形状参数和可靠性指标的估计问题。在进行极大似然估计时,由于似然方程无解析解,故采用EM算法。对形状参数选取,4信息先验,在平方损失下,研究给出广义Pareto分布的形状参数和可靠性指标的Bayes估计。通过Monte-Carlo模拟对形状参数和可靠度函数的极大似然估计、EM估计和Bayes估计的效果进行比较。模拟结果说明,Bayes方法和EM算法适合在小样本场合下对形状参数进行估计,Bayes方法和极大似然估计法适合在大样本场合下对形状参数估计,极大似然估计方法和EM算法适合对可靠度进行估计。     

基于多目标问题的装备维修保障资源调度研究

针对战时装备维修保障资源调度面临维修保障资源需求量不确定、调度时间不确定、调度路径可靠性不确定的问题,通过引入三角模糊数,将不确定信息量化,构建了以维修保障资源调度时间最短、维修保障资源调度路径可靠性最高和维修保障资源调度成本最小为目标的多目标调度模型,并给出了确定各目标相对重要度的方法,然后通过极大极小法将多目标模型转换为单目标模型,并结合LINGO软件对模型进行求解得出维修保障资源的最优调度方案。最后,引入算例进行了分析计算,结果证明了该模型的有效性,对于战时开展装备维修保障资源调度具有一定参考价值。     

Huber加权的频率稳定度非相关差分抗差估计方法

计算原子钟频率稳定度时,钟差观测异常会导致Allan方差出现较大的估计偏差。建立Allan方差的差分估计模型,根据钟差的差分序列统计特性分析了相关差分估计的噪声识别与白化等计算复杂度问题;针对上述难点提出一种基于Huber权函数的非相关差分抗差估计方法,建立一种非相关差分序列的构造方法,有效避免了复杂的噪声识别及白化计算;给出Allan方差的非相关差分抗差估计的推导,并对抗差过程引入的误差累积给出了一种抵消方法;给出完整的抗差估计方案,并利用实测数据进行了实验验证。实验结果表明本方法对相位单点跳变、相位阶跃跳变具有显著的抗差能力,抗差估计可使异常引入的相对偏差由近200%降至10%以内。     

保证率点值区间估计的Monte-Carlo方法

提出了一种根据实测样本系列对保证率点值进行区间估计的Ｍｏｎｔｅ─Ｃａｒｌｏ方法。对于具有正态分布或对数正态分布的样本,首先推出总体参数的分布,然后用Ｍｏｎｔｅ─Ｃａｒｌｏ法生成总体参数系列,据此求得相应的保证率点值系列,最后通过经验分布推得在给定置信度下保证率点值的区间估计,本文还给出了一个算例。     

噪声统计的Bayes 极大验后估计与系统自适滤波

对于具有测量的线性离散系统,在系统动力学噪声与测量统计特性未知的情况下,本文推导出了噪声统计特性在具有正态－逆Ｗｉｓｈａｒｔ分布验前信息情况之下的Ｂａｙｅｓ极大验后（ＭＡＰ）估计及其实时迫近,从而获得了系统的自适应滤波     

采用 Bayes 数据融合方法进行目标和诱饵的识别

本文以目标和诱饵的识别为背景,详细叙述了采用基于Ｂａｙｅｓ数据融合方法的基本原理、融合模型和识别结果。从识别结果可以看出,这种方法可以达到较高的识别率,是识别目标和诱饵的有效方法。     

冷战后世界军事工业转型原因

冷战后20年,世界安全、防务政策、相关体制发生重大变化,军事工业呈现全新发展态势,主要受全球安全环境、军事变革及全球化三方面影响。北约与华约两大组织对峙形成冷战格局：双方保护各自的军事体制,进行常规武器及核武器军备竞赛,从某种程度上遏制了欧洲内部冲突的发生。     

双边定数截尾试验下广义指数分布的可靠性分析

基于双边定数截尾试验,在无信息先验和共轭先验下,给出了广义指数分布参数的Bayes估计。同时在熵损失和加权平方损失函数下,给出可靠度函数的贝叶斯估计。最后运用Monte Carlo方法对估计结果进行了模拟比较。     

复合假设下导弹可靠性指标Bayes检验方法

在用Bayes方法对海防战术导弹可靠性指标进行假设检验时,原假设和对立假设均采用简单假设的形式,而此种方法可能导致使用方Bayes风险增大。从理论上阐述了简单假设Bayes检验方法可能导致使用方Bayes风险增大的原因,同时给出了用于取代简单假设的复合假设Bayes检验方法,并用实例证明了它比简单假设Bayes检验方法科学、合理。