基于鲁棒增强的因子图多源信息融合算法

为了解决组合导航系统中各传感器因受环境影响而产生观测值异常的问题,提出了一种基于鲁棒增强的因子图多源信息融合算法。首先,将组合导航解释为具有拓扑结构的因子图;其次,通过推理组合导航系统的因子图模型,对惯性导航系统(INS)、全球定位系统(GPS)和磁力计(Mag)进行信息融合,计算出导航状态的最优估计值;然后,在此基础上设计动态权重函数,合理动态地调整各因子的权重;最后,利用仿真试验将传统因子图算法和改进的因子图算法进行对比,结果表明:东、北轴向位置的误差分别为0.38、0.62 m,相比传统因子图算法,该算法位置精度提升近70%,拥有更好的导航性能和鲁棒性。

基于SCADA和PMU量测的配电网混合状态估计方法

随着新能源大量接入,配电网的量测设备逐渐增多且数据来源不一,导致配电网状态估计的不确定性变高。文章针对配电网实时量测冗余度低且可能存在不良数据的特点,建立基于抗差权因子函数的IGGIII估计模型,并采用归一化残差和自适应抗差阈值,在估计过程中辨识与剔除不良数据,为配电网数据库提供更加精确、可信的数据。同时,针对传统量测数据精度较低、刷新频率不高的情况,结合同步相量测量数据采用混合状态估计方法,根据量测数据的采样时刻,混合状态估计方法在抗差状态估计与线性状态估计之间来回切换,有效保证同步相量量测数据的实时性能,并对状态估计结果进行及时修正与刷新,以达到实时追踪系统状态变化的目的。

移动机器人自适应抗差无迹粒子滤波定位算法

针对机器人定位过程中传感器感知信息存在野值,加剧粒子退化,导致机器人状态参数滤波值失真,甚至出现定位失败的问题,提出一种机器人自适应抗差无迹粒子滤波定位算法。在重要性采样阶段利用无迹卡尔曼滤波产生优选的建议分布函数,降低系统估计误差,同时有效提升系统的抗噪声能力。同时利用抗差估计原理构造抗差方差分量统计量,并由该统计量引入的自适应因子调节增益矩阵,减弱野值对滤波的影响。实验结果表明,当观测数据中存在野值时,该算法能够有效地控制观测异常误差的影响,定位精度得到了很大提高,并在不同系统噪声和观测噪声方差下,具有较强的鲁棒性和实时性。

鲁棒的极大熵聚类算法RMEC及其例外点标识

针对极大熵聚类算法MEC (maximumentropyclustering)对例外点 (outliers)较敏感和不能标识例外点的缺陷 ,提出了一种改进的极大熵聚类算法RMEC (robustmaximumentropyclustering)。该算法的基本思想是通过引入Vapnik’sε-不敏感损失函数和权重因子重新构建目标函数 ,并利用优化理论推导出新的学习公式。RMEC算法不但对例外点较之MEC算法有更好的鲁棒性 ,而且还能有效地利用学习后的权重因子标识出数据集中存在的例外点。

模糊抗差自适应粒子滤波及其在组合导航中的应用

在研究模糊控制理论的基础上,吸收了粒子滤波、自适应滤波和抗差估计的优点,提出一种新的模糊抗差自适应粒子滤波算法。文中根据量测向量中的粗差对状态向量滤波的影响,建立抗差自适应粒子滤波模型,获得自适应因子,然后对滤波处理后的数据残差基于模糊理论构造等价权函数,利用等价权函数和自适应因子合理地分配信息,因而可以达到一般滤波方法无法达到的滤波精度,且能有效地控制粗差对导航解的影响。最后,将该算法应用到组合导航系统中,并进行仿真验证。仿真结果证明,文中提出的模糊抗差自适应粒子滤波算法的滤波精度相对于扩展Kalman滤波和粒子滤波提高了3至5倍,明显提高了导航定位精度,且计算简单,便于实时性计算。

基于鲁棒优化的无人机空战博弈决策

作为无人机空战过程中较大的不确定性因素,作战双方毁伤概率易受外界因素影响,可能在一定范围波动,针对这一问题将鲁棒优化思想引入无人机空战博弈模型中,结合纳什均衡求解的适应度函数的期望和方差,建立了变权重的自适应目标函数,设计了权重的分配方法。在确保策略解可行的同时,提高了毁伤概率变化因素下混合策略的鲁棒性。仿真实验结果表明,与原博弈模型相比,新模型纳什均衡解下的双方博弈收益受参数变化影响较小,可提供更可靠的策略参考。

观测卫星不足时的GPS/INS紧组合抗差自适应滤波

常规GPS/INS紧组合抗差自适应滤波只适用于卫星数≥4的情况,且预测残差构造自适应因子要求观测值可靠。针对该局限性,对常规抗差自适应滤波算法做出两点改进:1)采用两步滤波,用第1步常规EKF滤波残差构造第二步抗差算法的粗差判别量;2)在第2步滤波用预测残差构造自适应因子时,剔除异常观测值对应的预测残差和预测残差协方差,以削弱观测异常对自适应因子的不良影响。实验结果表明,常规抗差算法在卫星数<4时不适用。常规自适应滤波算法在观测值存在异常的情况下无法正确修正模型异常。改进后的抗差自适应滤波算法在组合系统观测卫星数<4且观测值存在异常的情况下,仍能正确修正观测粗差和动力学模型异常,能够达到良好的导航精度。

模糊树鲁棒回归算法的研究及其应用

针对实际工程中噪声难以避免和预测的问题,提出了鲁棒性较强的加权模糊树(W-FT)算法,采用基于局部异常因子(LOF)的加权最小二乘法代替最小二乘法学习模糊规则的后件参数,通过2个典型的非线性例子验证了该算法的有效性.应用W-FT算法建立了电站锅炉NOx排放特性模型,并与其他建模方法所建模型进行了对比.结果表明:所提出的W-FT算法能够有效地辨识噪声和异常值,具有较强的鲁棒性,所建立的模型预测精度较高,泛化能力较强.

基于自适应抗差滤波的WSNs节点跟踪算法

针对无线传感器网络定位误差大、有色噪声影响严重等问题,提出一种基于自适应抗差Kalm an滤波的无线传感器网络节点跟踪算法。先采用直线拟合削弱初始点位观测值的横向误差,然后通过构造自适应因子和等价权函数来控制未知有色噪声和观测值粗差的影响,并利用观测环境构造可信度因子干预滤波计算。在低速、高速运动模型下,分别以直线运动和正弦曲线运动两种运动模式为例进行了仿真研究,仿真结果表明,该算法平均跟踪点位精度较EKF算法和UKF算法有较大提高,并对未知噪声和观测异常具有较强的适应性和容错性,能有效应对传感器节点机动运动,具有良好的跟踪效果。

多新息抗差——自适应卡尔曼滤波定位算法研究

针对移动机器人在定位过程中,由传感器测量误差和机器人模型引起的位姿误差导致系统定位精度急剧下降的问题,提出了一种多新息卡尔曼滤波算法。在标准卡尔曼滤波的基础上,当传感器测量值存在误差时,引入抗差权因子,通过改变误差测量值的权值提高滤波器的估计精度;当机器人位姿存在误差时,引入自适应因子,通过调整状态协方差矩阵的大小抵制位姿误差引起的滤波发散。同时,引入了多新息,即多个时刻的新息向量,进一步提高此非线性系统的精度。实验表明:当存在测量误差和位姿误差时,该滤波算法能有效提高定位精度。

基于高阶矩的稳健优化设计研究

采用随机响应量的前四阶统计矩来度量目标函数和概率约束条件的稳健性,通过引入"权重因子"来确定新构造的目标函数中原函数和敏感系数的比重,利用加权组合法将稳健优化设计这一多目标优化问题转化为单目标问题,从而建立新的基于高阶矩的稳健优化设计数学模型.矩估计方法可高效地评估目标函数和概率约束条件的统计矩,且不需要搜索技术,因此不构成嵌套循环(即稳健优化过程是单循环的),从而可以大大降低优化的计算工作量.对多个桁架结构进行了确定性优化设计、可靠性优化设计、传统的和该文所提的稳健优化设计,验证了所建立的基于高阶矩的稳健优化设计数学模型的合理性和正确性,比较并解释了计算所得的优化结果.

一种三步抗差方案的设计

抗差估计的关键是选择恰当的极值函数ρ（·）或（·）函数。本文针对抗差估计涉及的几个重要问题，提出一种新的抗差方案的构想。新的抗差方案试图实现如下三阶段目标：１）选取抗差性能很强的初值，包括定位参数和单位权中误差的初值。２）综合抗差，即要求能实现系数阵空间和观测空间同时抗差，能解决相关观测抗差估计问题，实现定位参数与单位权中误差的联合抗差。３）剔除粗差，给出有关估值的准确统计特性。实施这种三步抗差估计，将以加权最小二乘迭代作为基本算法。迭代权以ＩＧＧ方案为基础，在不同阶段取不同的调制因子ｋ０和ｋ１，可以采用同一主程序结构。因而也可称为变动调制因子法。本文用算例对比了几种常见抗差方案的效果，验证了三步抗差方案的有效性。

基于纹理特征与BP神经网络的运动车辆识别

在Gabor小波滤波器组与图像卷积值作为特征向量达到很高识别率的基础上,提出了一种特征值加权的Gabor小波纹理特征的提取方法。首先Gabor小波函数与纹理图像做卷积,然后加权处理尺度各不相同和方向各不相同的的卷积值,最后将均值和方差看作它们的特征向量,该方法使特征维数有所降低,并利用BP神经网络进行训练和仿真,实现运动车辆纹理图像的自动分类,达到运动图像的识别。实验结果表明此算法有效降低了图像的识别错误,增强了稳健性,对质量差的图像能够有效识别。

一种新的抗差自适应Unscented粒子滤波

针对粒子滤波存在的重要性密度函数难以选取和可能出现粒子退化的问题。提出了一种新的抗差自适应Unscented粒子滤波算法。该算法不但能利用等价权函数和自适应因子合理的分配信息,提高滤波精度,而且具有Unscented粒子滤波的优点,更好的适用于非线性、非高斯系统模型的计算。仿真结果表明,文中提出的抗差自适应Unscented粒子滤波算法,滤波性能明显优于扩展卡尔曼滤波和粒子滤波算法,并且能提高组合导航系统的定位精度。

基于非线性特征和Cauchy加权M-估计量的鲁棒推荐算法

协同推荐系统作为一种重要的个性化服务模式,在电子商务站点中的应用越来越广泛.然而,各种恶意欺骗和虚假反馈已制约了其应有效能的发挥.如何有效识别和抵御托攻击,确保系统推荐的可信性,是推荐系统研究面临的一大挑战.为了确保推荐的可信性,人们提出了各种基于矩阵分解的鲁棒协同推荐算法.但是这些推荐算法在面对托攻击时不仅精度损失大,而且鲁棒性较差.为此,该文提出一种基于非线性特征和Cauchy加权M-估计量的鲁棒推荐算法.首先,采用核主成分分析方法提取用户评分矩阵的非线性特征,以充分挖掘推荐系统中用户(或项目)之间的内在关联,最大限度地保留用户和项目的特征信息,提高推荐精度和鲁棒性;然后,引入鲁棒统计中的Cauchy加权M-估计量,并联合矩阵分解模型对用户和项目特征矩阵进行鲁棒参数估计,以限制攻击概貌对参数估计过程产生的影响;最后,设计相应的鲁棒协同推荐算法,并在MovieLens和Netflix数据集上对算法的有效性进行评价.实验结果表明:该文算法在推荐精度和鲁棒性方面明显优于现有的鲁棒推荐算法.

基于抗差估计的工业机器人运动学参数标定

为了提高工业机器人标定过程中参数辨识的鲁棒性,提出了一种基于抗差估计的运动学参数标定方法。首先基于D-H模型建立了末端位姿误差模型,同时分析了等价权函数,然后利用激光跟踪仪测量机器人基坐标系和末端位姿,最后结合IGG3权因子函数利用抗差最小二乘法辨识了运动学参数。实验表明,机器人绝对定位的RMS误差由补偿前的0.87mm降低到补偿后的0.21mm,相较于传统的最小二乘辨识算法,此标定方法拟合精度更高且鲁棒性更强。

BGP/MPLS VPN组播链路恢复方案

BGP/MPLS VPN组播链路失效后,一棵组播树会断开成不相连的子树。为此,使用备用路径连接子树,重构组播树,减少备用链路上的离线概率加权主机数。找出备用路径建立时失效链路对组播树的影响因子,设计组播备用路径算法,使该影响因子最小化,从而提高组播树的健壮性。分析结果表明,该算法能实现组播链路的快速恢复。

鲁棒加权最小二乘支持向量回归的进气量预测

生物氧化提金过程中,进气量是决定提金率和生产成本的重要参数.针对进气量受众多因素影响且具有一定随机性的问题,提出了一种基于鲁棒加权最小二乘支持向量回归的进气量预测模型.通过分析得知进气量的局部波动数据与氧化槽的氧化还原电位之间存在较大的相关性,考虑实际现场情况,根据相关性程度赋予数据不同权重,将两组特定权重的交集应用于加权最小二乘支持向量回归算法,建立了鲁棒加权最小二乘支持向量回归进气量预测模型.仿真结果表明,所建模型可行有效.

改进的Hatch滤波平滑算法及RAIM性能分析

在比较不同Hatch滤波定权方法的基础上,提出了一种基于改正数、验后单位权中误差和卫星高度角适应权因子的Hatch滤波改进算法,该算法精度较高、具有一定的抗差性,能够解决基于高度角的Hatch滤波在高高度角卫星发生周跳时滤波不平滑的问题。实验结果表明,改进的Hatch滤波平滑算法的精度优于传统的Hatch滤波和基于高度角的Hatch滤波,有良好的伪距修复效果。当存在伪距偏差时,改进的Hatch滤波能够提高滑动开窗RAIM的可用性。

一种遥测缓变参数自动判读的新方法

针对遥测参数中缓变参数的自动判读问题,提出一种基于历史数据统计特性的遥测缓变参数自动判读新方法。首先,设计了一种以参数目标数据时标为基准的时间间隔递推算法和线性插值方法,使历史数据与目标数据的时标得到有效统一。其次,基于方向和距离函数构造了双因子等价权函数,并利用抗差最小二乘估计算法得到了参数的估值和标准差。最后,根据参数的估值和标准差对目标数据进行统计分析,依据目标数据的概率分布判断参数是否存在异常,进而实现参数的自动判读。仿真校验结果表明,该方法能有效辨识缓变参数中的异常参数,且具有较强的抑制随机噪声和抗差自适应能力。与传统以人工为主的判读方式相比,该方法能有效提高遥测参数判读的效率和准确性。