直流电源周期和随机偏差测量比对实验

周期和随机偏差是衡量直流稳定电源性能的重要参数,如其输出信号中含有过大的周期和随机偏差,则会产生不必要的谐波和浪涌信号,对用电电路和用电设备造成损坏。周期和随机偏差是直流稳定电源的校准项目之一,该参量的校准对于测量设备的带宽有一定要求。对比了具有真有效值电压功能的数字多用表和数字示波器测量直流稳压电源稳压输出周期和随机偏差的结果,通过对测量数据的分析,论证了测量直流稳压电源稳压输出周期和随机偏差时较为合适的标准器具。

既有空间结构位形推算的随机偏差方法

根据未测节点空间位置的不确定性和随机分布特性,提出了结构位形推算的随机偏差方法.结合空间结构特点,给出随机偏差方法的抽样测点选取原则和最小样本容量确定方法.基于概率论及数理统计理论,给出随机偏差方法的偏差分布推断方法.引入先验信息概念,基于贝叶斯统计理论,给出有先验信息条件下的参数推断方法.对实际网壳结构采用该随机偏差方法推算结构实际位形,并进行整体稳定性分析,结果表明基于随机偏差方法的鉴定分析结果更符合实际.

一类随机偏差定理与母函数方法

本文利用对数似然比的概念研究非负整数值随机变量序列的极限性质，得到一类随机偏差定理，即用不等式表示的一类强极限定理，其偏差界依赖于样本点．证明中提出了将母函数的工具应用于强极限定理研究的一种途径．

一种带随机偏差的分布式信息融合滤波算法

在通信、计算机、信号处理、自动控制中,对于带有未知的干扰和偏差的随机系统的状态估计已经广泛出现。在现实环境中,不同的传感器可能受到不同的干扰影响。研究随机系统的状态估计问题在实际应用中具有重要的意义。对带有随机偏差的线性随机系统,将系统转换为多模型结构的特殊情况。利用最小方差的最优加权融合估计算法,获得了分布式信息融合滤波算法。通过仿真可以看出,分布式信息融合算法要比局部估计算法具有更高的精度,算法具有分布式结构,这使其具有更好的鲁棒性和可靠性。

一个随机偏差定理

设{Xn,n≥0}是可列非齐次马尔可夫链,Sn(i0,i1,…,im-1,ω)表示m元状态序组(i0,i1,…,im-1)在序列(X0,X1,…,Xm-1),(X1,X2,…,Xm),…,(Xn-1,Xn,…,Xn+m-2)中出现的次数.本文给出了关于Sn(i0,i1,…,im-1,ω)的一个对任意可列非齐次马尔可夫链普遍成立的随机偏差定理,即用不等式表示的一个强极限定理.

关于任意非负随机序列随机和的一类随机偏差定理(英文)

本文引入任意随机变量序列随机极限对数似然比概念,作为任意相依随机序列联合分布与其边缘乘积分布“不相似”性的一种度量,利用构造新的密度函数方法来建立几乎处处收敛的上鞅,在适当的条件下,给出了任意受控随机序列的一类随机偏差定理.

反推发动机点火控制高度及其随机偏差分析

文章首先对着陆缓冲阶段、反推发动机工作期间物伞系统的运动方程进行推演,得到反推发动机点火控制高度的显式表达;然后据此显式表达,利用计算机模拟法、借助MATLAB统计工具箱对点火控制高度受各项显式因素的影响进行偏差分析,用均方根方法考虑进非显式因素造成的偏差。

分离随机偏差两段解耦Wiener滤波器

应用现代时间序列分析方法 ,基于ARMA新息模型和Wiener状态滤波器 ,对带随机偏差系统首次提出了分离随机偏差两段解耦Wiener滤波器 ,形成了一种新的偏差处理技术 .同传统的两段Kalman滤波器相比 ,具有如下优点 :1)可统一处理滤波、平滑和预报问题 ;2 )避免了Riccati方程的计算 ;3)具有最优性和渐近稳定性 ;4)实现了完全解耦 ;5 )便于实时应用 .两个仿真例子说明了其有效性 .

广义系统分离随机偏差两段解耦Wiener滤波器

应用现代时间序列分析方法，基于ＡＲＭＡ新息模型和白噪声估值ｇ，提出了广义系统分离随机偏差两段解耦Ｗｉｅｎｅｒ滤波器，可统一处理滤波、平滑和预报问题，且具有渐近穗定性和最优性．仿真例子说明了其有效性。

一类随机偏差定理

利用对数似然比的概念研究非负整值相依随机变量序列的极限性质，得到一类随机偏差定理，即用不等式表示的一类强极限定理，其偏差界依赖于样本点．证明中提出了将母函数的工具应用于强极限定理研究的一种途径．

具有随机偏差的最优多段卡尔曼估值器

提出了具有随机偏差的最优多段卡尔曼估值器。针对状态模型与观测模型同时具有偏差且偏差模型噪声与状态模型噪声相关的情况 ,给出了具有随机偏差的状态方程的增广状态 ,并通过U V变换对卡尔曼估值器的协方差矩阵解耦得到了最优多段卡尔曼估值器。结果表明 ,多段卡尔曼估值器不仅是最优的 。

直流稳定电源稳压输出周期和随机偏差的测量方法

依据JJF 1597-2016《直流稳定电源校准规范》,对直流稳定电源及具有直流稳定电源输出功能的装置及仪器进行校准时,周期和随机偏差(periodic and random deviation)的测量是必不可少的计量指标。本文基于该校准规范,分析了规范中采用的计量工具的要求及周期和随机偏差的测量方法,为直流稳定电源的校准工作提供了一种技术方法。

周期极化晶体单谐振参量振荡随机偏差分析

研究了周期极化晶体的随机边界偏差对准相位匹配(QPM)单谐振参量振荡器(SROs)的增益以及振荡阈值的影响,提出了一种处理该问题的合理的近似方法,推导出了QPM-SROs增益和阈值与随机偏差比率的关系式,推得的公式与已经发表的经验公式吻合。分析结果表明:随机周期长度偏差对QPM-SROs的增益和阈值的影响要远比同样大小的随机占空比偏差来得大;QPM-SROs的增益与反转畴个数的平方成正比,阈值与之成反比。

随机制作偏差影响下的网架结构性能分析

假定网架结构制作偏差近似服从正态随机分布,利用舍选法实现了正态随机变量的抽样。采用空间有限元和概率方法,分析了网架结构由于制作偏差引起的初始应力和初始位移。正交正放四角锥网架的算例结果表明,随机制作偏差可以引起的较大的初始应力,使得网架结构局部杆件发生失稳破坏,从而对结构的承载力有较大影响,不容忽视。提出的思路和方法对空间网架结构的设计以及制作加工都具有指导意义。

基于随机森林偏差校正和多源遥感数据的天然次生林地上生物量估测

【目的】以多源遥感数据为基础,在郁闭度较高的天然次生林中采用非参数模型及随机森林偏差校正模型估测森林地上生物量(Aboveground biomass,AGB),为大尺度估测森林生物量提供了依据。【方法】以东北林业大学帽儿山实验林场142块森林资源连续清查固定样地复测数据、机载激光雷达(Airborne laser scanning,ALS)和多光谱Landsat8 OLI影像为数据源,提取46个特征变量(其中ALS:24个;OLI:22个特征变量)后进行特征变量筛选,利用多元逐步回归(Multiple stepwise regression,MSR)、支持向量机(Support vector machine,SVM)、随机森林(Random forest,RF)和随机森林偏差校正(Bias-Corrected RF,BCRF)构建森林AGB估测模型,采用调整决定系数(R_(adj)^(2)),均方根误差(RMSE)和相对均方根误差(rRMSE)对估测结果进行精度评价。【结果】多源遥感数据要优于单一数据源,非参数模型(RF(R_(adj)^(2)=0.68,RMSE=49.71 t·hm^(-2),rRMSE=32.48%)和SVM(R_(adj)^(2)=0.64,RMSE=52.80 t·hm^(-2),rRMSE=35.28%))优于传统的MSR模型(R_(adj)^(2)=0.52,RMSE=57.29 t·hm^(-2),rRMSE=43.26%)的估测精度。选择最优的RF估测模型进行偏差校正,BCRF的rRMSE=21.84%,此时的生物量估测效果最佳(较RF模型的rRMSE下降10.64%)。当AGB在100~200 t·hm^(-2)范围内,非参数算法(SVM、RF和BCRF)对AGB估测效果最佳(与MSR模型相比RMSE由48.87 t·hm^(-2)减小到13.72~23.55 t·hm^(-2),rRMSE由28.15%下降至8.69%~16.13%);特别地,当AGB小于100 t·hm^(-2)时,BCRF模型可以改善RF模型AGB估测的饱和现象,模型预测性能提升11.0%(RMSE与RF相比减小27.66 t·hm^(-2),rRMSE下降10.99%)。【结论】以多源遥感数据结合为基础,BCRF模型对AGB的估测精度更高,效果更稳定,且BCRF可以有效地削弱生物量估测中出现的小值偏大的现象。

基于随机安装偏差模式的网架结构分析

基于随机安装偏差模式,利用空间有限单元法和概率方法,分析了网架结构由于安装偏差引起的初始应力和初始位移。倒放四角锥网架的算例结果表明,随机安装偏差对网架结构的承载力有较大的影响,不可忽视。提出的思路和方法对空间网架结构的设计有参考价值。

基于反演推定的空间结构随机缺陷传播法

在空间结构施工过程监测和检测评估等工作中,需依据部分已测节点几何位形推断结构全部节点几何位形。该文提出随机缺陷传播算法,建立几何位置偏差在节点之间的传播法则,利用有限已知节点几何位形偏差反演推定空间结构整体几何缺陷,进而确定结构整体几何位形,并用随机偏差理论证明所生成的结构随机缺陷服从正态分布。对一个缩尺K6单层网壳模型进行实测和稳定分析,结果表明:相对于随机缺陷法和一致缺陷模态法,采用随机缺陷传播法生成的结构几何缺陷与实测几何缺陷接近,据此计算得到的极限承载力更接近结构承载力理论值。基于随机缺陷传播法得到的空间结构整体稳定极限荷载因子中位数,可作为结构的实际极限承载能力代表值。

自适应两级UKF算法及其在时变偏差估计中的应用

针对存在时变偏差的非线性系统状态估计问题,提出了一种新型的自适应两级UKF算法(ATUKF,adaptive two-stage unscented Kalman filter).该算法利用衰减因子补偿模型的不确定性,对状态和偏差实施分离估计,并利用估计偏差对状态进行更新.将该算法用于存在随机时变偏差的近地卫星自主导航系统的状态估计问题中,仿真结果验证了其有效性。

基于优化AFSA算法的滚动轴承故障特征提取

针对现有滚动轴承故障特征提取算法存在的特征采集效率低、有效数据迭代慢等不足,提出一种基于优化人工鱼群(AFSA)的故障特征提取算法。作为一种高效的群智能算法,AFSA主要通过AFSA个体觅食算子、聚群算子和追尾算子,平衡食物源与个体密度之间的关系;对经典AFSA算法进行优化,采用人工方式调整共轭梯度方向,避免由于数据集过大、活鱼群个体位置更新过慢而产生随机偏差,进而提升对故障特征分类的准确性。实验结果显示:该群智能算法的故障提取性能远优于信号盲分离、小波包和卷积神经网络3种传统算法,当迭代次数达到50次时,步长函数取值能够收敛到最小。

基于OTSUKF的飞行器惯性测量单元的故障诊断

线性系统存在随机偏差情况下,最优二步卡尔曼滤波(OTSKF)可以获得系统状态及偏差的最优估计。无迹卡尔曼滤波(UKF)利用Sigma点采样和UT变换技术经非线性系统传播状态的均值和方差,是一种典型的非线性滤波方法。飞行器是一种典型复杂非线性系统,将惯性测量单元(IMU)的故障作为一种随机偏差处理,建立了包含IMU故障的滤波模型。将UKF算法和二步滤波思想应用到飞行器之中,提出了一种适用于飞行器IMU故障诊断的最优二步无迹卡尔曼滤波(OTSUKF)算法。针对于飞行器,提出了一种滤波模型设计的方法。基于该模型,应用所提出的OTSUKF算法实现了飞行器状态的最优估计和IMU故障的辨识,该算法经过了实际飞行数据验证其对风扰动具有鲁棒性并且与已经被提出的迭代最优二步扩展卡尔曼滤波(IOTSEKF)方法进行了对比验证其最优性。