全状态约束下柔性关节自由飞行空间机器人有限时间指令滤波鲁棒跟踪控制

针对存在外部扰动、动力学耦合及全状态约束的柔性关节自由飞行空间机器人轨迹跟踪控制问题,基于拉格朗日方法建立了基座位置/姿态受控的柔性关节自由飞行空间机器人动力学模型,提出了一种全状态约束有限时间H∞轨迹跟踪控制方法。在带有滤波误差补偿的指令滤波反步法控制框架下,结合障碍Lyapunov函数和有限时间理论,设计了一种指令滤波有限时间全状态约束控制方法,将系统状态始终限定在约束区间内的同时,保证系统的有限时间收敛性能。此外,采用H∞控制理论抑制外部扰动的影响。通过Lyapunov稳定性定理证明了系统所有状态变量能够在有限时间内收敛至原点的任意小邻域内。仿真验证了所提控制方法的有效性和鲁棒性。

基于状态-空间-时间网络的电动汽车节能动态路径规划策略研究

随着电动汽车的普及和智能交通系统的发展,EV动态路径规划成为了一个重要的研究领域。本研究提出了一种基于状态-空间-时间网络的电动汽车节能动态路径规划策略。首先定义了状态-空间-时间网络的模型结构,并利用该网络捕获电动汽车在不同时间和空间状态下的行驶路径,同时还设计了相应的机器学习算法进行路径的优化和规划。通过模拟实验,证明了该方法在规划节能和时间高效路径方面的有效性。研究不仅为电动汽车提供了一种新的节能动态路径规划策略,同时也为未来的智能交通系统研究提供了新的方向和思路。

多元时间序列的子空间回声状态网络预测模型

针对采用回声状态网络预测多元混沌时间序列时储备池学习算法可能存在的病态解问题,该文提出了一种基于快速子空间分解方法的回声状态网络预测模型.所提模型利用Krylov子空间分解方法提取储备池状态矩阵的子空间,子空间代替原状态矩阵进行输出权值求解,可以消除储备池状态矩阵的冗余信息,有效地解决伪逆算法存在的病态解问题,并且降低计算复杂度,提高泛化性能和预测精度.基于两组多元混沌时间序列的仿真结果验证了该文所提模型的有效性和实用性.

基于状态空间模型的道路交通状态多点时间序列预测

以多点的道路交通状态为研究对象,把道路交通状态单点预测向多点同时预测扩展,提出了基于状态空间模型的道路交通状态多点时间序列预测方法。首先,利用道路交通状态的多点时间序列数据建立多维自回归模型,转化状态空间模型形式,接着利用EM算法估计状态空间模型参数,从而得到多点道路交通状态的状态空间模型;其次,根据时间序列数据估计系统状态,利用卡尔曼滤波算法进行一步预测,补充新的数据并更新系统状态递推预测;最后,利用某城市快速路上相邻6个交通检测器采集的多点时间序列数据验证模型的有效性,并与卡尔曼滤波单点预测方法相对比。结果表明:该模型是可行和有效的。

状态空间时间序列的区域物流需求预测研究

区域物流需求是制定区域物流发展政策、基础设施建设和物流系统规划的重要依据,由区域各项相关经济指标共同决定。针对区域物流需求预测中样本数量小的问题,提出了互信息高维度特征降维方法,在保证相关综合信息完整性基础上降低原始数据维度,在此基础上建立了状态空间时间序列预测模型,同时采用局部线性小波神经网络和LIBSVM支持向量回归模型进行对比实验。算例分析及实验结果表明,采用互信息降维后的预测模型相对误差平均减少54.8%,互信息与状态空间时间序列模型相结合的预测方法对于区域物流需求预测问题预测精度较高,相对误差约为0.08。

非平稳时间序列的状态空间建模与预测

本文研究了非平稳时间序列的状态空间建模与预测方法.在建模的过程中,采用了分解模型的方法,从原始时间序列直接建立起状态空间模型,对趋势性建立起随机走动模型,对周期性因素建立了动态谐波模型,从而摆脱了Box—Jenkins建立ARIMA模型的繁琐程序.

一种价格时间Petri网的状态空间计算

价格时间Petri网是对web服务过程和工作流模型等进行时间和成本分析的一种新工具.而价格时间自动机则是一种相对成熟的工具.提出一种状态空间计算方法,可以将价格时间Petri网的状态空间构造为一个价格时间自动机.该方法的核心思想是在扩展状态类中增加价格参数.进一步证明了构造出的价格时间自动机和初始的价格时间Petri网是双相似的.

时间自动机可达性分析中的状态空间约减技术综述

时间自动机是检验实时系统建模的有效工具,其可达性分析可以检验系统是否可能达到某些特定的状态,其算法通常采用对符号状态的枚举来遍历其状态空间。因为引入了时钟变量,时间自动机的可达性分析算法会产生大量的中间状态,需要巨大的存储空间,往往超出了计算机能力的极限,导致分析和检验不能完成。这就是所谓的“状态空间爆炸”。研究人员设计了很多种优化技术来约减可达性分析所需的存储空间,以解决或者缓解这个问题。本文首先介绍了时间自动机及其可达性分析的基本概念,然后分类讨论了现有的空间约减优化技术并对此做出总结,最后提出了一些未来的研究方向。

时间自动机状态空间的一个极小化构造方法

对时间自动机的转换系统进行改进,提出了一个状态空间的极小化构造方法。该方法用位置和停留在该位置时的可能时钟值集合来表示状态,以此隐藏因时间流逝而引发的无穷状态,得到了改进的转换系统——时间段转换系统;并通过对转换可能发生时间的分析,去除无效转换;然后使用转换互模拟合并等价状态,实现了状态空间的极小化,有效地避免了状态空间爆炸。

关于经济时间序列分解的状态空间方法研究

一、经济时间序列的季节调整和分解 在经济领域中观察到的时间序列到一般都具有明显的季节变化和增长趋势。设{y_t}是一经济时间序列(以下简称经济序列),通常假定其由三项要素构成:趋势项(T_t),季节项(S_t),不规则项(I_t)。按照具体的组合形式,可分为两类模型: 加法模型 (1)

多元时间序列的回声状态网络模型表达与分类

回声状态网络(echo state network,ESN)的储备池结构不仅能充分挖掘序列数据中动态信息,也进一步提高了训练效率。然而目前基于ESN的算法难以达到复杂神经网络的精度,为此提出一种基于生成模型距离度量的多元时间序列学习与分类方法。利用ESN在动态数据表示的优势将低维动态原始输入映射到高维静态空间,再拟合储备池状态序列的生成模型作为数据的模型表达,结合原型推理,基于生成模型集合张成的空间中原型与输入的距离进行分类,其结果能通过在模型读出空间的相似原型来推导,具有可解释性。基准数据集上的实验验证了该方法在算法实时性和分类性能上的优势。

状态空间模型在双变量时间序列分析中的推广

状态空间模型不仅能反映系统内部状态,可以将几个变量时间序列处理为向量时间序列,还能够较好地解决多输入多输出变量少情况下,应用于双变量时间序列建模具有良好的统计性质;将状态空间模型在双变量时间序列模型中进行推广,研究其统计性质及检验方法,通过实证分析验证该方法的优越性。

基于离散时间状态空间模型的平衡式C-W电路频率特性研究

对于分辨率优于0.25 nm的200 k V级透射电子显微镜,要求配备稳定度优于2×10-6/min的高压电源,这是高稳定度输出的重要保证。C-W电路是高压发生的核心部分,其传递函数是高压电源闭环系统中不可或缺的环节之一。由于CW电路采用级联的整流二极管-电容网络拓扑,受二极管器件本身非线性效应的影响,常规传递函数的求解方法已不符合其非线性的特点。通过研究平衡式C-W电路的原理,结合其物理特征将系统非线性处理为离散时间下的线性系统,建立了离散时间状态空间模型,进行z变换后推导了三阶平衡式C-W脉冲传递函数通式。应用Matlab仿真一款平衡式C-W电路的幅频特性曲线和相频特性曲线,进一步分析了其频率特性,为平衡式C-W电路系统特性的研究提供了一种理论方法。

中国医疗卫生资源供给水平的空间均衡状态及其时间演变

为正确认识医疗卫生资源空间分布的现状,以医疗卫生资源空间均衡状态及其时间演变趋势为研究内容,采用中国338个地级市为研究样本,运用核密度估计、基尼系数及其分解和LISA时间路径分析等方法,构建国家-区域-市域3个层次的空间均衡分析框架,定量刻画医疗卫生资源空间均衡状态及其时间演变特征。研究结果表明,医疗卫生资源的空间分布正在走向均衡;医疗卫生资源供给水平在三大区域之间的交错程度较高且呈现逐渐增高的趋势;在东部沿海到中部地区的过渡地带存在集中分布的低低集聚区,即医疗卫生资源供给水平同样存在＂京汕低谷带＂。

基于混沌时间序列的水电机组状态短期预测

基于混沌时间序列短期可以预测的特点,构建水电机组状态短期预测。用采样周期确定相空间时延τ,G-P算法确定关联维数从而确定相空间的嵌入维数m,小数据量法证明水电机组振动状态的混沌特性。在重构相空间中,运用加权一阶局域法构建水电机组状态短期预测模型。结果表明:混沌特性指数λ=0.2605的水电机组振动状态具有混沌特性,可以在最佳嵌入维数m=4的情况下进行预测,实例结果表明采用混沌理论进行水电机组状态短期预测是可行的。

基于状态划分和集成学习的轴承剩余使用寿命预测模型

针对滚动轴承剩余使用寿命(RUL)预测退化起始时间(DST)难以确定,以及单一寿命预测模型精度比较低的问题,提出了一种基于状态划分和集成学习模型的滚动轴承RUL预测方法。首先,提取了轴承振动信号的特征,利用滑动窗口不断更新3σ准则预警范围,结合连续触发机制自适应确定DST;然后,采用具有自适应噪声的完全集成经验模态分解(CEEMDAN)对退化阶段信号序列进行了自适应分解;最后,构建了集成学习模型,考虑分量的不同特性进行了多步滚动预测,融合预测结果得到了轴承RUL,采用滚动轴承XJTU-SY公开数据集进行了试验验证。研究结果表明:与基于长短时记忆神经网络(LSTM)、反向传播神经网络(BPNN)的预测方法相比,该方法预测结果的平均绝对误差分别降低了11.7%以及5.6%,相对均方根误差分别降低了12.2%以及10.7%,验证了该方法在轴承RUL预测中的有效性和优越性。

DC/DC变换器稳态运行谐波状态空间模型

针对传统的状态空间平均法在建模中损失纹波信息的缺陷,基于线性时间周期理论和谐波线性化理论,采用傅里叶分解法,建立DC/DC变换器稳态运行下的谐波状态空间模型,绘制DC/DC变换器的谐波等效电路,从频域角度描述拓扑电流和电压的映射过程;在输入侧加入小扰动,建立DC/DC变换器的谐波状态空间小扰动描述矩阵,对稳态谐波和扰动间谐波进行分析。仿真与实验结果表明,基于谐波状态空间的DC/DC电路建模方法具有极高的精确性,在未来多变流器的配网场景谐波分析中具有一定的工程运用价值。

基于观测数据的时间序列因果推断综述

数据存储量的扩大和计算能力的提升为基于观测数据推断时间序列的因果关系开辟了新途径。在时间序列因果推断的基本性质和研究现状的基础上,系统梳理了5种基于观测数据的时间序列因果推断方法,即Granger因果分析方法、基于信息论的方法、因果网络结构学习算法、基于结构因果模型的方法和基于非线性状态空间模型的方法。然后,根据不同应用场景的数据特点,结合方法的功能和适配性,对基于观测数据的时间序列因果推断方法在经济金融、医疗和生物学、地球系统科学和其他工程领域的典型应用进行了简要介绍。最后,结合时间序列因果推断的重难点问题,比较5种方法的优缺点,分析下一步研究重点,展望未来的研究方向。

基于时间自动机的符号状态拆分优化算法

为约简时间自动机的状态空间,对时间抽象互模拟技术进行研究,提出一种改进的符号状态拆分算法。通过在符号状态拆分的过程中将隐含的时钟约束加入符号状态来缩小符号状态的时间域,减少符号状态拆分的次数,提高符号状态拆分算法的效率。为实现符号状态拆分算法,提出一种改进的DBM(difference bound matrices)减法算法。将减法算法得到非凸多面体用互不重叠DBM集合来表示,使得由符号状态拆分算法得到的等价类中没有冗余的等价类。实验结果表明了改进后的符号状态拆分算法和DBM减法的有效性。

基于改进的状态空间模型进化算法的航班优化调度

单跑道进离港航班优化调度是将某一时间窗内进离港航班看作一个整体,对进离港航班进行统一优化排序,属于典型的组合优化问题。改进的状态空间模型序号编码进化算法(MOSEA)采用序号编码,不使用交叉算子,且通过构造状态进化矩阵来实现基因换位等遗传算子功能,使种群不断地进化,并结合选种池的选择操作实现种群的优胜劣汰。MOSEA算法将问题的解答过程表示为离散状态空间模型的动力学过程,突破了遗传算法的计算模式,简化了遗传操作,并研究了其在航班进离港优化调度中的应用。仿真实验表明:MOSEA算法与遗传算法、先到先服务(FCFS)航班排序相比,航班总延误时间分别降低了22.13%、32.06%,且运算速度更快。