基于时域模型的电-气综合能源系统分布式鲁棒状态估计

高效准确的状态估计(SE)技术是电-气综合能源系统(IEGS)安全稳定运行的关键。现有的IEGS-SE方法常采用有限元差分模型描述气网动态特性。该模型需引入冗余的时空微元,难以兼顾SE精度和计算复杂度。为此,提出一种基于时域模型的IEGS分布式鲁棒SE方法,在保证精度的前提下提升计算效率。首先,基于时域模型推导出以真实节点压强为状态量的气网状态空间模型,实现气网模型的简化和降维。在此基础上,以卡尔曼滤波算法为框架,提出有限边界信息交互的分布式IEGS-SE策略,以解决不同子系统多管理主体之间的信息壁垒问题。最后,利用噪声自适应算法准确跟踪时变噪声参数,提升所提方法的鲁棒性。仿真算例证明,所提方法在保护各子系统隐私的条件下,有效提高了SE精度,抑制了坏数据影响,且计算效率远高于传统有限元差分法。

车辆轮胎力的鲁棒估计方法研究

轮胎力的准确获取对车辆主动安全系统精确控制的实现至关重要。本文提出了一种轮胎力的鲁棒估计方法。在假设系统噪声特性为分布未知但有界的同时,该方法将集员滤波算法引入到轮胎力估计器的设计中,并结合强跟踪理论和序贯更新的思路对该算法进行优化。在此基础上,结合车轮转动动力学模型和双轨车辆动力学模型分别设计轮胎纵向力和侧向力估计器。最后,利用联合仿真平台对所提出的方案进行验证。结果表明:相较于卡尔曼滤波方案,改进的集员滤波方案能够获得更好的估计效果,且对系统噪声和道路状况的变化具有很好的鲁棒性。

一种新的基于线性EIV模型的鲁棒估计算法

提出了一种新的基于线性EIV模型的鲁棒估计算法——鲁棒扩充算法.该算法从结构化数据区域出发,逐渐扩充模型数据集,并不断更新模型参数的估计,直至找到所有模型数据.在每次迭代中,使用C-Step方法对集合进行调整,从而保证了算法的鲁棒性.同时,提出了关于粗差数据和结构化数据分布的结构化密度假设,结合Mean Shift算法,完成对算法的初始位置选取.仿真结果表明,该算法可以有效地处理含有多个结构和大量离群样本的混杂数据,与现有算法相比,具有更强的鲁棒性和更高的精度.

基于数值微分技术构造鲁棒估计模型的方法及其应用仿真

在研究宏观空间运动特性的基础上,利用数值微分作为表达工具描述未知运动过程的动态特性,构造了数值微分型滤波模型(NDFM)和数值微分型滤波-预报联合模型(NDFPM)。这种方法能根据各种应用要求对动态特性完全未知的运动过程建立结构简单、鲁棒性强的估计模型,而且容易选择估计算法获得满意的性能。本文对未知扰动作用下的被控过程建立NDFM并实现状态重构和扰动补偿;对动态未知的被跟踪目标建立NDFPM并估计出运动参数的当前值和一步预报值。仿真结果表明这两种模型具有较强的鲁棒性和满意的估计精度。

一种新的基于椭圆模型的鲁棒估计方法

提出一种在数字图像中估计椭圆模型参数的鲁棒方法。该方法采用自下而上的思路,结合RANSAC(Random sample consensus)算法,先将图像中的样本分割成具有类内结构相似性的子类群,再依据类间拟合相似性将子类合并,最后在完成聚合的类中估计出模型参数。该方法的优势在于无约束性,不需要先验条件,可以在模型的数量、尺度等信息未知的情况下进行参数估计,并有效抑制离群数据影响。实验结果表明,该方法估计精度较高,鲁棒性能良好。

基于Mamba-UNet架构的音高估计模型

单声源声音的音高估计算法主要有音高跟踪的鲁棒算法(Robust Algorithm for Pitch Tracking,RAPT)、SWIPE(Sawtooth Waveform Inspired Pitch Estimator)、Harvest等,但在引入有音乐伴奏等复调音乐的声源时,这些算法在人声音高估计任务中存在明显不足。借鉴现有的研究成果,改进传统声调估计的鲁棒模型(Robust Model for Vocal Pitch Estimation,RMVPE),提出一种基于Mamba-UNet架构的Mamba-RMVPE,用于解决复调音乐等多声源声音的人声音高估计问题。相较于传统的RMVPE,Mamba-RMVPE的音高准确率(Raw Pitch Accuracy,RPA)、音色准确率(Raw Chroma Accuracy,RCA)、总体正确率(Overall Accuracy,OA)均有提升,推理时间也大幅缩短。

带有双误差项线性回归模型的鲁棒参数估计

一般的参数估计往往对分布的偏差很敏感,对于带有一个误差项的系统,鲁棒参数估计方法能较好地解决这一问题.这里基于极小极大方法,给出了带有两个误差项线性回归模型的鲁棒参数估计.

基于交互式多模型鲁棒滤波的目标机动估计算法

针对雷达导引头的测量信息带有闪烁噪声的问题,研究了交互式多模型和鲁棒滤波在雷达导引头目标机动估计中的应用.采用Huber-Based滤波理论改进高阶容积卡尔曼滤波,提出高阶容积鲁棒滤波算法,选取Singer模型、“当前”统计模型、常加速度模型作为目标机动模型,建立雷达导引头测量模型,结合交互式多模型算法框架,设计目标机动估计滤波器.蒙特卡洛数字仿真结果表明,所提算法的鲁棒性较强,与传统高斯滤波相比,所提算法对闪烁噪声具有更高的滤波精度.

数字稳像中的快速和鲁棒运动估计研究

提出了一种用于数字图像稳定的快速和鲁棒运动估计方法.在图像的运动估计中,首先采用一种预判局部宏块的算法:在计算运动矢量前对宏块的梯度信息进行分析以避免误匹配,通过减少参与计算的宏块数目提高处理速度;其次,提出快速估计宏块运动矢量的方法,用改进的序贯相似性算法(SSDA)进行块匹配,以提高运动矢量的计算速度;然后采用LMedS估计法去除不精确的宏块运动向量,用最小二乘法求解出最优的模型参数.实验结果表明了该方法的精确性、快速性和鲁棒性.

基于鲁棒H_2/H_∞估计的火炮位置伺服系统故障检测

在滤波理论中发展起来的鲁棒H2/H∞方法,可以较好地解决在模型中带有不确定性的动态系统的鲁棒估计问题,能够使得稳态估计误差的方差和瞬时值均在一定的范围内。在对火炮位置伺服系统进行故障检测诊断的研究中,利用系统状态变量的鲁棒H2/H∞估计生成残差,以抑制模型误差与噪声对检测诊断的影响,同时,引入H-范数指标对故障检测滤波器的设计进行优化,既增强了故障检测系统对于模型误差与噪声的鲁棒性,又确保了对故障的灵敏性,从而有效地提高了系统的故障检测精度。

基于交互式模型的多AUV协同导航鲁棒性滤波算法

针对多自主式水下潜器(autonomous underwater vehicle,AUV)在协同导航过程中量测异常等问题,提出一种基于交互式模型的多AUV协同导航滤波算法。首先以建立多AUV协同导航基本模型为基础,给出基本的协同导航滤波过程;通过广义最大似然估计的滤波算法对受污染的量测噪声进行处理;进一步地,利用Schweppe形式下的广义最大似然估计解决量测出现的异常情况;运用交互式多模型算法解决由量测噪声时变而造成的滤波精度下降问题。最后仿真结果表明该协同导航滤波算法具有良好的自适应鲁棒性。

基于H_∞估计的鲁棒故障检测

为了减少故障误警率和提高故障检测精度 ,文章利用H∞ 估计和优化理论研究了线性离散不确定系统的故障检测问题。故障检测的关键是使余量发生器产生的余量对不确定因素和干扰输入具有鲁棒性 ,同时对故障具有敏感性。另外 ,文中还讨论了门限值的计算和选择问题。最后 ,仿真计算了在模型不确定性和随机干扰情况下 ,某飞行器传感器 /执行器故障的检测过程。与基于卡尔曼滤波的方法比较 ,基于H∞ 估计的故障检测方法能有效降低误警率。

非平稳在有色噪声作用的参数估计与自校正控制——不平稳随机扰动作用下的鲁棒参数估计

指数遗忘的最小的二乘法(RLS)用于受到时变方差扰动的ARMAX模型的参数估计时,存在严重的参数发散问题。本文针对此类恶劣情况(Worst case),通过引入外部激励,以改善估计参数的收敛性能,从而提高估计器的鲁棒性。对引入激励的抗噪声作用进行了理论推导和仿真研究。结果表明,所用方法能提高估计器能忍受的噪信比,加速估计器的收敛。

飞机极曲线模型和参数鲁棒辨识方法

为了有效地确定飞机极曲线,提出一种鲁棒选择模型的新方法.通过分析数据矩阵模型判定方法,采用U-D分解以避免行列式的复杂计算,从而成倍提高了计算效率.通过估计D阵元素的取值区间,得到了观测量不确定部分带来的模型辨识判据的误差上下界,依此将候选按照重要程度逐个选取.在加权最小二乘算法中,采用下界不等式逼近,得到了鲁棒辨识的新算法和收敛条件.对飞机极曲线的模型和参数进行辨识,结果表明新方法可以得到工程上满意的效果.

直升机非线性模型结构和参数鲁棒辨识方法

提出了一砷能有效地对直升机模型进行辨识的鲁棒选择模型的新方法.通过分析数据矩阵模型判定方法,采用U-D分解方法以避免行列式的复杂计算,提高了计算效率.通过估计D阵元素的取值区间,得到了观删量不确定部分带来的模型辨识判据的误差上下界.依此判据,将侯选模型按照重要程度逐个选取.参数估计采用了加权最小二乘算法,按照上界不等式对估计误差的协方差阵进行了估计,得到了鲁棒辨识的新算法.为了便于工程应用,给出了鲁棒辨识算法的收敛条件.根据飞行试验结果对直升机悬停、前飞模型和参数进行辨识的结果表明,新方法可以得到工程上满意的结果.

基于啤酒发酵温度多胞模型的鲁棒预测控制器设计

针对具有时滞性和输入输出约束的啤酒发酵系统,建立其多胞模型,并设计了鲁棒预测控制器。在啤酒发酵过程中,用一阶惯性纯滞后模型近似描述控制系统,并离散化。分析模型参数和采样周期的关系,得到发酵系统的多胞不确定时滞模型和约束关系。利用参数估计设计了鲁棒预测控制器。系统仿真表明,啤酒发酵温度能较准确地跟踪工艺曲线,满足工艺需求。

基于Huber鲁棒估计的改进互补滤波姿态解算算法

针对站球机器人在坡面运动过程中,由于系统振荡倾向性导致的姿态估计不准确以及在估计中存在噪声等问题,设计了一种基于Huber鲁棒估计的改进互补滤波姿态解算算法。首先,对站球机器人在斜坡上进行了动力学分析和运动性能分析。其次,利用Huber鲁棒估计抑制站球机器人在坡面运动过程中由于机身振荡所引入的干扰噪声,并改进互补滤波进行姿态解算。最后,为了减少磁力计输出不稳定对姿态解算的干扰,设计了一种数据平滑切换方法。实物实验结果表明,设计的基于Huber鲁棒估计的改进互补滤波姿态解算算法相比于互补滤波算法,对俯仰角、横滚角和偏航角的估计精度分别平均提高19.21%、25.48%和36.04%,该算法可以有效地抑制站球机器人在坡面运动过程中由于机身振荡引入的噪声,能够保证姿态解算的准确性和实时性。

基于偏好统计数据表征的鲁棒几何模型拟合方法

鲁棒几何模型拟合是计算机视觉的一个基础性研究问题,广泛应用于各类计算机视觉任务,如单应性矩阵或基础矩阵估计、图像匹配、医学图像分析等.它的主要任务是:在包含噪声点和离群点的数据集中估计模型实例的参数和个数.针对该任务,本文提出一种基于新型数据表征(称之为偏好统计数据表征)的模型拟合方法.该新型数据表征算法将残差值进行排序然后映射到不同的区间以构建残差直方图数据表征,来描述数据分布的特征.该算法充分利用传统模型拟合方法中偏好分析和一致性统计分析的优点,更加有效地对数据分布特征进行描述,从而有效地提高数据表征的准确性和鲁棒性.为了进一步有效地利用该数据表征中的统计信息(内点和离群点显示出显著的信息熵值差异),本文利用直方图中不同区间段所映射的残差值的出现频次,以分析直方图的特性.并且采用一种简单的自适应熵阈值算法,来区分内点与离群点以进行离群点检测.最后,为了能够更好地处理分布在交叉模型实例附近的数据点,本文引入一种基于相似矩阵学习的图聚类技术,提出一个有效的模型实例估计算法.该算法先是用聚类技术以实现数据的分割,进而估计模型实例的参数.同时,该模型实例估计算法结合拉普拉斯矩阵特征值的分析以及最小子集数目的约束,使其能够自适应地估计模型实例的个数.在合成数据集和真实数据集上的实验结果表明,本文提出的偏好统计数据表征算法能够有效提高模型拟合方法的准确性和鲁棒性.同时,与当前一些流行的模型拟合方法相比,本文基于偏好统计数据表征的鲁棒几何模型拟合方法取得了更好的拟合精度,并且在速度方面要比大部分拟合方法更加高效.

压缩感知视角的鲁棒波达角估计算法

从压缩感知的视角对鲁棒波达角估计进行了探索,通过将可能存在的波达角进行空间离散化,从而将波达角估计问题转换为压缩感知信号支撑恢复问题。同时将阵元存在的增益失配、相位失配和阵元间互耦等非理想因素,通过一阶近似,将其建模成均值为理想流形矩阵的随机矩阵,从而建模了阵列非理想特性和波达角空间离散化带来的误差。基于这种新的随机测量矩阵模型,提出了一种基于压缩感知的鲁棒波达角估计算法,分析表明本文提出算法对阵列模型扰动和角度空间离散化具有良好的鲁棒性。仿真验证了分析结果。

利用数值微分构造机动目标跟踪的估计模型:原理和应用

利用数值微分技术描述机动目标的运动行为,建立了被跟踪目标运动参数的滤波模型和滤波-预报联合估计模型,可以在机动目标动态特性完全未知的情况下估计出位置、速度、加速度的当前值和一步预报值.这种方法建立的模型结构简单,而且容易根据各种应用要求构造合适的估计模型和选择估计算法,是一种鲁棒估计模型.仿真实验给出的结果显示这种模型对高动态目标能够获得良好的跟踪品质.