具有Rao简单结构的多元t-模型的MLE及其精确分布

探求模型中未知参数的估计及其分布一直是统计学研究中的感兴趣的问题.本文研究了具有Rao简单结构多元t-模型的极大似然估计,利用条件分布方法,获得了其精确分布.

具有Rao简单结构的多元t-模型的参数区间估计

在统计推断中,模型中未知参数的区间估计是一个重要的研究内容.本文通过构造枢轴量研究了具有Rao简单结构多元t-模型的参数区间估计,利用条件分布技巧,得到枢轴量的分布,从而获得模型中单个未知参数的置信区域以及参数的联合置信区域.

具有Rao简单结构的多元t-模型的MLE的数字特征

本文在文[7]已求得未知参数MLEs的基础上,利用条件期望方法,研究了具有Rao简单结构多元t-模型的极大似然估计的数字特征.

具有均匀结构的多元t-模型的局部影响分析(英文)

本文研究具有均匀结构的多元t-模型的局部影响分析问题．依据Cook的曲率度量,我们考虑了微小扰动对统计推断的影响,由此导出了局部影响分析中最为关心的统计量—最大曲率方向．作为一种应用,本文还祥细讨论了常见的协方差加权扰动形式．

无结构多元t-模型的Fisher信息阵

对于无结构的多元t-模型,该文求出了其Fisher信息阵及此矩阵的逆、行列式和迹.

具有Rao简单结构的多元t-模型的异常点检验

异常点识别是统计诊断的主要研究问题之一.本文利用均值漂移模型和似然比检验,研究了具有Rao简单结构的多元t-模型的异常点识别问题,给出了判别异常点的方法.

具有Rao简单结构的多元t-模型位置参数的似然比检验

在统计推断中,模型中未知参数的假设检验是一个重要的研究内容.本文利用似然比检验研究了具有Rao简单结构多元t-模型位置参数的假设检验,得到了检验统计量的零分布,用蒙特卡洛方法模拟了理论结果.

基于改进T-S模糊模型的弧焊机器人轨迹实时跟踪

针对弧焊机器人在实际作业中受到诸多不确定因素的影响,导致弧焊机器人焊接轨迹偏离预期轨迹的问题,提出一种基于改进T-S(Takagi-Sugeno)模糊模型的弧焊机器人轨迹实时跟踪方法。采用图像识别技术识别并定位焊缝,通过坐标转换,确定焊缝中心线在机器人坐标系中的位置坐标。利用蚁群算法根据焊缝中心线在机器人坐标系中的坐标,搜索从起始位置到目标位置的最优焊接路径。设计了一种改进区间二型T-S模糊模型,通过视觉传感器实时获取新的焊缝信息,计算轨迹误差,以此为输入,利用改进T-S模糊模型对机器人的运动轨迹进行实时调整。实验结果表明,采用改进T-S模糊模型后,机器人轨迹跟踪离散度均降至1 mm以下,弧焊机器人轨迹与预期轨迹高度重合,比传统方法跟踪离散度大大降低。

具有均匀结构的多元t-模型中未知参数的MLEs及分布

利用极大似然估计的方法,通过条件密度,求出具有均匀结构的多元t-模型中未知参数的极大似然估计及其分布,由此可更好地了解此模型的理论意义和实用价值.

具有Rao简单结构的多元t-模型的无信息先验分布

先验分布是Bayes分析的基础,在数理统计的许多方面有广泛应用.确定先验分布的方法有多种,其中最重要的一种是Jefferys无信息不变先验原则.文章应用此原则得到了具有Rao简单结构的多元t-模型中参数的无信息先验分布.

Jeffreys准则在多元t-模型上的应用

在Bayes分析中,确定先验分布是最基本的,而确定方法有多种,Jeffreys准则是其中较重要的.用此准则,导出具有均匀结构的多元t-模型的先验分布.

具有Rao简单结构的多元T- 模型的局部影响分析(英文)

本文应用以Kullback Leibler散度为基础的Bayesian局部影响方法 ,对具有Rao简单结构的多元T 模型进行了局部影响分析 .在确定了先验分布假设下 ,详细地研究了这个模型的BayesianHessian矩阵 ,作为应用 。

基于改进T-S模型的模糊辨识算法及其应用

热工过程往往具有非线性和不确定性,用传统的描述热工过程动态数学模型的方法(如传统函数等)难以建立非线性模型,从而难于精确表达热工过程及实施整体优化控制。该文提出了一种基于改进T-S模型的热工系统模糊辨识方法。采用启发性知识与复合非线性优化方法相结合的综合方法求解出模糊模型的结构,然后通过基于熵的聚类和竞争学习算法对热工过程的输入数据空间的划分,在此基础上利用加权递推最小二乘法(WRLSA)建立热工过程的T-S模型。仿真结果表明基于改进T-S模型的非线性模糊模型,不仅能精确地描述过程的非线性,而且算法简单、快速。

混沌机制在T-S模型模糊神经网络的系统辨识研究

出一种 T- S模型的模糊神经网络 ,在通常 BP算法的基础上 ,引进混沌机制来训练模糊神经网络的权值参数。将混沌 BP算法应用于非线性系统建模 ,以求获得全局意义下的最优逼近。仿真研究说明了其有效性和良好的性质。

基于局部T-S模型的非线性系统多模型切换控制

提出一种基于局部T-S模型的非线性系统多模型切换控制方法,将输入空间划分为若干个区域,在每一区域内设计局部T-S模型和控制器,这样在模糊规则数相同的情况下由于模糊论域的变小而提高了逼近精度,然后再通过多模型切换控制,实现对整体非线性系统的逼近与控制.仿真结果证明了该方法的有效性.

基于T-S模糊模型的网络控制系统鲁棒H_∞容错控制

针对同时存在网络时延和数据包丢失的网络环境,研究了执行器故障下一类非线性网络控制系统的鲁棒H∞容错控制问题。基于不确定T-S模糊模型描述的非线性网络控制系统模型,考虑了更实际、更常见的执行器部分失效情况。通过引入一个积分不等式,获得了此类系统的时滞相关鲁棒稳定性条件,且采用锥补线性化算法给出了此类系统的鲁棒H∞容错控制器设计方法。仿真算例表明,对于任意容许的不确定性以及执行器故障,所设计的控制器能使系统鲁棒渐近稳定,且具有H∞范数界。

一种基于T-S模型的快速自适应建模方法

在分析 Takagi- Sugeno模型的网格法 (即 ANFIS方法 )、聚类法和模糊树法的基础上 ,提出一种新的改进的建模方法。它划分的子空间的个数与分布和采样数据的特征密切相关 ,具有自适应能力。应用国际标准例题进行仿真 。

基于T-S模糊模型的状态反馈预测控制

将T-S模糊模型和状态反馈预测控制相结合,提出了一种基于T-S模糊模型的预测控制算法.该算法把T-S模糊模型作为预测模型得到状态和输出的预估值,并利用可测的过程变量对输出预估值进行反馈修正,然后利用最优控制理论,由修正后的预估值和给定值计算出控制整个系统的控制律.本文还对串级CSTR控制系统的不同的初态、设定值及干扰情况下进行了仿真,仿真结果表明了该方法的有效性和可行性.

基于T-S模型的鲁棒模糊滑模观测器LMI设计方法

采用模糊T-S模型描述一类匹配不确定的非线性系统,结合滑模观测器设计原理,提出基于T-S模糊模型的鲁棒模糊滑模观测器设计方法。采用Lyapunov函数作为稳定模糊观测器的判别条件,使设计的观测器一致收敛,状态估计达到预期的指标;运用LMI和区域极点配置方法,设计鲁棒模糊滑模观测器的综合算法;将该设计方法应用于倒立摆的平衡控制系统进行相应的数字仿真,验证其可行性。

基于T-S模型的钻杆对中自适应预测控制

为非线性系统建立 T- S模糊模型 ,采用基于 T- S模型的局部递推最小二乘法对模糊规则后件参数进行辨识 ,然后用一步预测控制的方法进行控制。在钻杆对中控制中 ,定义了矢量化的时间为控制量 ,采用上述方法 。