多维非高斯系统最小熵控制

针对多维非高斯系统提出了最小熵控制方法,控制的目标是使系统的非高斯输出概率密度函数跟踪一个已知的联合概率密度函数.首先,根据系统模型和辅助映射,构建了系统状态、跟踪误差与扰动输入之间的泛函算子模型,然后基于梯度算法设计了递归的次优控制律,最后通过仿真验证了最小熵控制算法的有效性.

非高斯系统的建模方法研究

近年来，高阶统计信息理论被广泛应用于非高斯系统的建模问题中．由于高阶统计信息方法特殊的信息结构，难以充分利用具体问题中的统计分布信息，从而对该方法的应用效果产生了影响．针对这一问题，本文提出一种综合应用高阶统计信息理论与非高斯系统的似然函数指标的建模方法，为在非高斯系统建模问题中充分利用问题所提供的统计信息提供了新的途径．仿真研究和实际应用取得了令人满意的效果．

基于广义熵优化准则的非线性非高斯系统故障分离方法

针对非高斯随机系统研究了一种基于滤波的故障分离方法。通过故障、扰动的统计信息获取状态估计误差和输出估计误差的(联合)概率密度函数,再根据所建立的广义熵优化准则设计滤波器。仿真结果显示,在故障和干扰均出现及主要故障不出现两种不同的情况下系统响应完全不同,说明该广义熵优化准则能有效分离故障。

基于遗传算法的非高斯系统随机分布控制

传统的控制理论并未考虑工业过程中的一些不确定因素,而这些不确定因素在生产过程中对系统的能源损耗和精度都有很大的影响.为了解决上述问题,本文研究一种基于数据的非高斯随机分布系统优化控制策略,该策略采用核密度估计(KDE)方法完全基于输出数据估计输出概率密度函数(PDF),根据控制目标建立性能指标函数,采用遗传算法优化性能指标函数,实现输出PDF对目标PDF的跟踪.以磨矿系统为模型进行仿真,采用PDF表征粒度分布(PSD).仿真结果表明,基于遗传算法的非高斯随机分布最优控制算法能有效地实现随机分布控制系统的控制目标,为实际工业生产提供参考.

基于中心误差熵准则的非高斯系统滤波器设计

针对现存的最小熵滤波理论由于熵具有平移不变性,基于最小熵准则的滤波方法只能保证估计误差的随机性尽可能小,而不能保证其收敛到零的问题,基于中心误差熵准则研究了一类线性非高斯系统的滤波器设计问题。首先在最小熵准则的框架下采用非参数估计理论和梯度下降法给出了滤波增益矩阵的设计方法,并对滤波误差系统的均方稳定性进行了分析。接着针对最小熵准则的不足,提出了新的中心误差熵准则,它是由信息势和互熵的加权求和构成的,最大化信息势以实现估计误差随机性的全局最小化,最大化互熵可以将误差概率密度函数的峰值固定到零,从而实现滤波误差尽可能小。最后采用数值算例分别针对最小熵滤波和最大中心误差熵滤波进行仿真,结果表明基于中心误差熵准则的滤波算法具有更好的性能。

基于巴氏系数的非高斯随机系统性能评估

针对非高斯随机系统的性能评估问题,克服巴氏距离无界性的缺点,提出了一种基于巴氏系数的性能评估指标。通过计算基准输出分布与实际输出分布之间的巴氏系数来反映给定系统的性能好坏。该指标能有效避免熵指标计算量大、计算时间长、均值漂移等缺点。为了更快速、准确地估计基准输出,提出了一种改进的混合EDA算法,结合WSA算法的思想来获取系统未知参数和扰动噪声PDF。最后利用Matlab/Simulink对单回路反馈控制系统在高斯和噪声干扰下进行仿真,验证了改进算法和新指标的有效性。

一种非线性非高斯随机系统的故障诊断方法

针对非线性非高斯随机系统在线故障诊断的问题,运用粒子滤波器提出了一种基于方差自适应粒子滤波器的非线性非高斯随机系统的故障诊断方法,可以用来解决系统的参数偏差型故障诊断问题。通过对连续搅拌釜式反应器(CSTR)的仿真研究,可以看出,该算法实现简单,易于对系统进行在线估计,对于发生缓变和突变的参数偏差型故障的检测与估计均较为有效。

基于有理平方根逼近的非高斯随机分布系统的故障诊断和容错控制

随机分布系统指的是输入为常规向量而输出为系统输出的概率密度函数所描述的一类随机系统．该类系统控制算法的目标是选择一个控制输入使得系统的实际输出概率密度函数尽可能跟踪一个事先给定的概率密度函数．本文对采用有理平方根B样条逼近其输出概率密度函数的非高斯动态随机分布系统,提出了一种基于非线性自适应观测器的故障诊断方法．该方法可快速有效地诊断出非高斯随机分布系统故障．通过对故障系统的重组,使故障后系统的输出概率密度函数仍能跟踪给定的分布,实现了该随机系统的容错控制,提高了随机系统的可靠性．

非高斯随机分布系统自适应控制算法的研究

针对非高斯随机分布系统的追踪控制问题,在建立系统动、静态数学模型的基础上,提出自自适应调整控制方法,并给出该算法的实现步骤。通过分析可知,该算法能够实现系统输出概率密度函数追踪目标概率密度函数,并满足规定的保性能指标。

非高斯随机分布系统优化控制算法的设计

针对非高斯连续随机分布系统控制问题,在B样条逼近输出概率密度函数的基础上,提出采用优化控制算法,实现非高斯随机分布系统的追踪控制,通过证明可知,该控制算法可使系统输出的概率密度函数尽可能的跟踪、逼近目标概率密度函数,同时满足规定的性能指标。

非高斯随机分布系统研究现状的分析

针对非高斯随机分布系统理论研究的发展问题,从非高斯随机分布系统的研究背景、系统静态模型的建立方法、系统动态模型的建立方法、非高斯随机分布系统的性能指标以及常用的控制算法等方面介绍了非高斯随机分布控制系统的研究现状,使读者对非高斯随机分布系统理论能进一步深入的了解。

非高斯随机分布系统控制研究综述

本文从系统概述、静态模型、动态模型、控制算法、总结等方面详细的介绍了随机分布系统理论的产生、发展、以及应用领域,把握系统发展方向以及未来研究的领域;在分析学术前沿的基础上,明确系统的建模和控制算法是系统研究的核心问题。

基于改进高斯混合模型的机器人运动状态估计

针对复杂环境下机器人运动状态估计的精度改善问题,提出一种面向非线性非高斯系统的改进高斯和容积卡尔曼滤波估计方法.首先,引入加权信息量概念来改进期望最大化算法目标函数惩罚项,使得在优化过程中能考虑更全面的参数信息,以达到减少期望最大化算法的迭代次数和提高收敛速度的目的.此外,以基于马氏距离和Kullback-Leibler(KL)距离的高斯项合并方法为基础,提出一种能有效联合两类高斯项合并方式的融合模式.先单独使用马氏距离和KL距离进行高斯混合项合并,再对获得的高斯混合项进行加权融合处理,以改善高斯和滤波中多高斯项的合并性能和保真度.最后,应用非线性非高斯系统的高斯和容积卡尔曼滤波框架实现对复杂环境下机器人的运动状态估计.理论分析与仿真结果表明,该方法能实现对机器人运动更好的状态估计精度,并具有更强的鲁棒性能.

随机分布系统状态记忆保性能控制的研究

对于连续随机分布控制中的保守性问题,采用平方根B样条逼近建立系统静态模型(输出概率密度函数模型),利用系统输入和输出概率密度函数权值之间的动态关系建立动态模型,提出状态记忆反馈保性能控制算法,并利用凸优化技术优化算法,通过计算机仿真验证,该算法能够实现系统输出概率密度函数追踪目标概率密度函数,并满足规定的性能指标。

多模型粒子滤波的故障诊断方法研究

近年来,非线性非高斯系统的故障诊断问题一直是热点问题也是研究难点。针对非线性非高斯系统的故障检测与定位问题,运用基于粒子滤波(Particle Filter)的似然概率密度函数值的方法来检测系统故障,在检测到故障发生时,运用多模型方法与粒子滤波相结合,进行故障定位,从而进一步改善故障诊断的效果。仿真结果表明,该方法可以对非线性系统进行快速、准确的故障诊断。

基于改进粒子滤波和平均代价的故障诊断方法研究

为了提高非线性非高斯系统故障诊断的准确性,基于改进粒子滤波方法对系统状态进行估计,将系统状态估计值和实际值之差的绝对值作为残差,当残差平滑值大于阈值时诊断故障发生,使用故障误报率和漏报率构成的平均代价作为诊断效果评价指标。对水位/温度控制系统和一维非线性单变量模型进行仿真,由系统状态方程或观测方程参数跳变模拟故障发生,结果表明,3种算法能诊断出故障的发生,改进粒子滤波算法UPF的故障诊断平均代价小于SIR和UKF,诊断效果优于后两种算法,提高了故障诊断的可靠性。

基于SIR粒子滤波状态估计和残差平滑的故障检测算法

很多基于模型的随机系统故障检测方法要求系统模型线性且服从高斯分布，对于非线性非高斯随机系统这些方法性能欠佳．目前基于SIR粒子滤波似然函数值的故障检测算法是一种较好的非线性随机系统故障检测算法．本文提出一种基于SIR粒子滤波状态估计和残差平滑的故障检测算法．该算法采用SIR粒子滤波获得系统状态估计值，用系统状态观测值与系统状态估计值的理想观测值之差作为反映故障的残差，再利用残差平滑值进行故障检测．实验结果表明，在状态转移噪声方差远小于状态观测噪声方差时，该算法的故障误报率与基于SIR粒子滤波似然函数值的故障检测算法接近，而该算法的故障漏报率明显优于后者．

基于粒子滤波的改进算法

通过将粒子滤波算法与无迹卡尔曼滤波算法相结合,提出一种用于解决非线性、非高斯系统估计的改良粒子滤波算法。该算法在经典粒子滤波的基础上,利用无迹卡尔曼滤波生成更能够逼近真实后验概率分布的重要函数。实验结果表明,这种算法在预测结果收敛性能方面明显优于标准粒子滤波、广义卡尔曼滤波和无迹卡尔曼滤波等现有的非线性滤波器。

基于广义互熵主元分析的故障检测方法

针对实际化工过程会受到不同程度非高斯扰动影响的问题,提出一种基于广义互熵主元分析的故障检测方法。从重构误差的角度出发,考虑过程的非高斯性,采用广义互熵准则构建PCA模型,利用核密度估计法确定故障检测指标的控制限。将所提出的方法用于田纳森-伊斯曼过程进行故障检测,并与基于传统PCA的故障检测方法和基于核PCA的故障检测方法进行对比。由田纳森-伊斯曼过程21种故障检测结果可知,本文所提出的广义互熵PCA在处理非高斯系统的故障检测方面表现出良好的性能,即有较低的误报率和漏报率。

均方根容积代价参考粒子滤波算法

为提高复杂噪声的滤波精度,基于均方根容积卡尔曼滤波(SCKF)和代价参考粒子滤波(CRPF),提出一种新的均方根容积代价参考粒子滤波算法(SCCRPF)。算法采用SCKF和最新量测信息更新先验分布函数,生成CRPF的重要密度函数,保留了SCKF对非线性系统的滤波精度,同时获取了CRPF对噪声假设未知系统的滤波精度。仿真结果表明,对于噪声假设未知系统,SCCRPF的滤波精度高于均方根容积粒子滤波(SCPF);对于噪声假设已知系统,SCCRPF的滤波精度高于CRPF。