可能性聚类假设的多模适应学习方法

基于图的半监督学习(GSSL)凭借其直观性和良好的学习性能,在机器学习领域吸引了越来越多的关注。然而,通过分析发现,现有基于图的半监督学习方法存在对噪声、异常数据的鲁棒性不够好以及较敏感的问题。此外,该方法具有较好性能的前提是训练数据与测试数据为独立同分布(IID),导致在实际应用中存在一定的局限性。为解决上述问题,在某个再生核Hilbert空间,在充分考虑最小化噪声、异常数据影响的基础上,结合不同数据分布特点,基于结构风险最小化模型,提出一种基于可能性聚类假设的多模型适应学习方法(MA-PCA)。其主要思想为:通过模糊熵减弱噪声、异常数据对方法所带来的负面影响;综合考虑训练数据与测试数据在独立同分布和在独立不同分布时进行有效的多模适应学习,弱化训练数据和测试数据的独立同分布约束条件亦具有较好性能;给出了算法实现及其收敛性定理。在多个真实视觉数据集上分别进行了大量实验并进行深入分析,证实了所提方法具有优越的或可比较的鲁棒性和泛化性能。

一种多模型自适应联邦滤波器及其在INS/CNS/GPS组合导航系统中的应用

本文介绍一种基于多模自适应估计的联邦滤波器的原理和特点。设计了INS/CNS/GPS组合导航系统的联邦滤波算法 ,并首次将多模自适应估计方法运用到联邦卡尔曼滤波器中。此外 ,联邦滤波器算法中采用自适应调整信息分配系数的方法。仿真结果表明 ,与采用单一模型的联邦滤波算法相比 ,多模自适应方法与联邦滤波方法结合使用能大大提高导航系统的精度和可靠性。

基于分层多模自适应滤波算法的无人机多重传感器故障诊断

应用标准的多模自适应滤波算法能够在较短的时间内检测出系统的单一故障,但是当把它用于检测系统的双重或多重故障时,这一算法需要建立所有可能出现的故障模型,而每一个模型都要对应一个卡尔曼滤波器,需要大量的滤波器并行运算,大大增加了系统的故障诊断时间,为了简化算法并减少算法计算时间,本文提出了一种用于复杂系统的多重故障诊断的分层多重模型滤波技术,在确定某一单个故障发生后,则可以启用一组基于上一单个故障的新滤波器来检测系统的第二重故障,这样减少了并行运算的滤波器数量,从而减少计算量和故障诊断时间。本文将此算法应用于某无人机多重传感器的故障诊断,仿真结果验证了该方法的有效性。

基于多模自适应滤波的无人机控制系统故障诊断

建立了无人机控制系统传感器和执行器的全局故障和局部故障的模型,在此基础上应用多重模型自适应卡尔曼滤波方法对其传感器和执行器的各种软硬故障进行诊断,应用所建立的数学模型与方法,对无人机的三个传感器和两个执行器的局部与全局故障进行了仿真计算。在仿真过程中发现,此方法的诊断准确度高,无延迟报警,算法简单,仿真结果验证了该种方法的有效性。

一种改进的自适应网格交互多模型跟踪算法

自适应网格交互多模算法能够根据目标的运动模式,自适应调整系统各模型参数,从而实现对目标的跟踪。但当目标机动性较大时,在其模式变换时刻,网格中心剧烈摆动,导致跟踪精度下降。提出对该算法的改进,通过对网格中心运动步长进行适当的平滑处理,以增加网格的平稳性。仿真给出了平滑因子的经验值,并表明改进的自适应网格交互多模算法能解决传统算法在目标运动模式变换时跟踪不稳定的问题,提高精度跟踪。

基于自适应交互多模滤波的SCNS/RSINS紧组合对准方法（英文）

为了提高船用单轴旋转捷联惯性导航系统(RSINS)初始对准的精度和快速性,针对传统的EKF滤波线性化误差和单传感器精度不高的问题,设计了一种基于自适应交互多模(AIMM)算法的SCNS/RSINS紧组合对准方法。该算法将自适应滤波器与交互多模型相结合,利用了两个合理构建状态模型和量测模型的平行滤波来实现对实际模态的覆盖:滤波1应用姿态四元数算法建立了状态方程的模型,量测量为RSINS与SCNS之间的姿态四元数误差;滤波2的根据SCNS/RSINS的误差特性构建了状态方程模型,量测量为RSINS与SCNS位置和航向误差,然后应用自适应IMM算法将两个平行滤波的估计值进行数据融合。在某种程度上,因状态噪声和量测噪声的不确定性,EKF的性能会被降低,而通过模型转换机制,IMM可用于选择一个合理的模型自动计算器来自适应地调整对准过程中噪声的协方差矩阵,因此该算法可以有效地解决SCNS/RSINS组合导航系统的初始对准问题。仿真结果表明:与EKF算法相比,基于自适应IMM算法的SCNS/RSINS组合对准方法的估计精度和对准快速能力都得到了改善,其中对方位陀螺漂移的估计时间缩短了至少40%。

多模型自适应联邦卡尔曼滤波及其在鱼雷导航定位中的应用

针对复杂环境所引起的鱼雷组合导航系统模型参数变化导致传统单一固定参数滤波器精度降低的问题,设计了一种适用于复杂情况的多模型自适应联邦卡尔曼滤波器。该滤波器采用多模自适应联邦滤波算法,利用多模型滤波器参数来逼近系统的动态性能,该滤波器同时采用了在信息融合时自适应调整信息分配系数的方法。实验室导航试验结果表明,文中设计的多模自适应联邦卡尔曼滤波器可以大大提高导航定位系统的估计精度、跟踪速度以及稳定性。

多模自适应滤波算法的性能改进方法

多模自适应滤波算法基于已知的故障情况设计出一组卡尔曼滤波器预测系统对给定输入的响应,根据卡尔曼滤波器的预测输出和系统的测量值确定各滤波器的残差,从而检测出系统是否发生故障及其故障类型。采用传统的多模自适应滤波算法检测故障时会有一定的时间延迟,不利于系统故障的实时检测,因此提出了几种减少多模自适应算法故障检测时间的方法,并将其应用于某无人机执行器和传感器的故障检测和识别,仿真结果证明可以有效地减少故障检测时间。

多模自适应控制在空中飞行模拟器中应用

为了克服空中飞行模拟器传统上使用增益调度控制方式的弱点,设计了一种改善空中飞行模拟器性能的自适应模型跟随控制系统。其中辨识器采用基于卡尔曼滤波器的多模辨识方法,该方法将本机先验信息加入到参数辨识过程中,辨识结果是与卡尔曼滤波器相对应的各个先验模型参数的概率权重和。仿真结果表明,该控制系统克服了原空中飞行模拟器模拟精度依赖于需要精确已知本机气动导数的严重缺陷,并显示出多模辨识算法比一般的辨识方法收敛速度快、精度高,有效地解决了非线性随机系统的参数辨识问题。

分级多模自适应滤波算法无人机控制系统故障诊断

应用标准的多模自适应滤波算法能够在较短时间内检测出控制系统的单一故障,但是当用于检测控制系统的双重和多重故障时,则需要建立所有可能出现的故障模型,而每一个模型都要对应一个卡尔曼滤波器,需要大量滤波器并行运算,大大增加了系统故障诊断时间,为了简化算法并减少计算时间,提出了一种用于复杂系统多重故障诊断的分级多重模型滤波算法,在确定某一单个故障发生后,则可以启用一组基于上一单个故障的新滤波器来检测系统的第二重故障,这样减少了并行运算的滤波器数量,从而减少计算量和故障诊断时间。将此算法应用于某无人机控制系统的双重故障的故障诊断,仿真结果验证了该方法的有效性。

多模自适应WIFI无线图构建与定位方法

针对室内情况复杂,单一方法难以对WIFI信号强度(RSS)的无线分布图(RM)准确估计建模,导致基于RSS分布模型的WIFI室内定位方法精度无法有效提高的问题,提出多模自适应的WIFI无线图构建与定位方法。创建多项式RSS分布模型并与多种电波室内传播模型结合构成多模候选集,通过最小二乘法计算各模型参数的最优无偏估计值,以模型预测残差为依据自动选择最佳分布模型构建无线图并用于定位。实验表明该方法能更准确估计出WIFI信号的室内分布情况,有效提高WIFI室内定位精度。

用于硝普钠降压控制的增益和延时多模自适应算法

本文首先给出一种适用于硝普钠降压的多模自适应控制算法(MMAC),并讨论权初始值对其性能的影响,然后在该MMAC中引入延时多模结构。计算机模拟结果表明,采用合理的权初始值和延时多模结构可以明显地提高MMAC的性能。

永磁直线同步电动机多模自适应模糊控制器设计

针对永磁直线同步电动机参数不确定性所带来的系统干扰问题,设计出了多模自适应模糊控制器。该控制器实现了量化因子的在线自我学习,并具有多模分断控制功能,特自适应模糊控制与常规PID控制进行了有效地结合。仿真实验表明该伺服系统有效地克服了永磁直线同步电动机参数不确定性所带来的影响,并且具有快速,鲁棒性强等特点。

基于改进自适应滤波算法的控制系统传感器故障诊断

应用标准的多模自适应滤波算法进行故障诊断时,需要一组与假设模型等数量的卡尔曼滤波器进行滤波计算,计算量很大而且耗时,这对于实时性要求很强的工程应用是不合适的,因此提出了一种改进自适应滤波算法,它只需要单个卡尔曼滤波器就可得到与标准的多模自适应滤波算法等价的残差,因此可以有效地减少计算量和计算时间.将此算法应用于某无人机控制系统的传感器故障诊断,仿真结果验证了该方法的有效性.

基于改进多模滤波算法的控制系统故障诊断

应用分层多模自适应滤波算法对控制系统的故障进行诊断时,只能识别出故障的类型,如识别出是传感器还是执行器发生故障,并不能判定出故障的大小。提出一种改进分层多模自适应滤波算法,应用此算法可使分层多模自适应滤波算法不仅可以检测出控制系统的故障类型,而且能够确定发生故障的执行器局部故障程度。将此算法应用于某无人机控制系统的故障诊断,仿真结果验证了该方法的有效性。

天宫一号基于控制力矩陀螺的智能多模自适应姿态控制系统设计与验证

天宫一号是目前我国在轨运行的体积最大、重量最重的载人航天器.它具有变构型、变参数的特性,采用控制力矩陀螺系统和喷气推进系统实现高精度、高稳定度姿态控制.本文通过对天宫一号控制对象参数缓变和跳变相结合特点的分析,规划了高可靠灵活的控制策略,设计了智能多模自适应姿态控制系统.利用智能控制中规则集设定多模自适应控制的指标切换函数分配,利用多模自适应控制算法建立多模型控制器实现不同控制对象,不同控制任务的姿态控制.天宫一号通过地面测试和物理仿真试验,最后发射在轨运行,与神舟八号、神舟九号、神舟十号载人飞船圆满完成交会对接任务,充分验证了姿态控制系统设计的正确性和有效性.该设计方法在解决大型航天器变构型、变参数组合体姿态控制方面有突出优点,在未来的载人航天领域空间站建设具有应用前景.

一种深空探测器自主天文导航新方法及其可观测性分析

天文导航是一种适用于深空探测器的完全自主的导航方法.与传统的直接利用天体观测信息进行滤波的方法不同,针对深空探测器,提出了一种首先利用天文观测信息通过几何解算得到一个初步的定位结果,再结合轨道动力学方程利用多模自适应(MM)滤波方法对初步结果进行再处理的自主天文导航新方法.仿真计算的结果表明,该方法可以明显提高导航定位精度,同时从可观测性和可观测度的角度,分析了应用该方法提高导航定位精度的原因和机理.

等残差卡尔曼滤波器组算法的无人机控制故障诊断

提出了一种等残差卡尔曼滤波器组算法,它只需要单个卡尔曼滤波器的残差和状态估计及其线性变换,就可得到与标准的多模自适应滤波算法等价的残差,因此可以有效地减少计算量和计算时间。将此算法应用于某无人机控制系统的故障诊断,仿真结果验证了该方法的有效性。

面向云数据中心的多业务差异化流量管理优化策略

为应对运营商云数据中心多业务差异化流量管理要求,提升网络性能和业务体验,构建符合运营商云数据中心运营要求的多业务差异化流量管理模型(MSD),针对MSD模型改进斐波那契树优化(FTO)算法,提出运营商SDN云数据中心流量管理的MSD-FTO策略。实验结果表明,该策略具备良好的全局优化能力和多模自适应特性,通过算法全局局部交替迭代寻优得到多个符合条件的差异化流量管理方案,可解决运营商云数据中心多业务差异化流量管理问题,有效提升云数据中心的网络性能和业务体验。

基于多模自适应滤波算法在装备组合导航系统的应用

为满足在复杂环境下装备导航定位需求,本文提出了一种对组合导航系统进行多源信息融合以获得高精度、高容错位置修正信息的设计方法.该方法通过改进联邦卡尔曼滤波算法和滤波器设计,建立一种基于北斗/GPS/SINS组合导航系统的多模自适应估计的联邦滤波器,通过多源数据优化融合有效提升装备组合导航系统精度及可靠性,为其提供准确的地理位置、周边地形以及道路交通等信息,帮助作战人员实时获取目标状态并引导精确导航,有效提升装备作战使用效能.仿真实验表明:该方法与单一模型的联邦滤波器相比,不仅能进一步提升系统的容错性及高精度定位能力,还便于对各导航子系统的故障进行隔离定位,具有较大的工程应用价值.