滑动加窗LMS自适应时间延迟估计的性能分析

分析了作提出的一种滑动加窗ＬＭＳ自适应时间延迟估计方法的性能。结果表明，这种方法计算量较小，且具有较高的估计精度和较好的收敛性能。     

基于传感器网络的异常检测算法研究

本文首先研究了传感器网络数据流中滑动窗口的数据分布估计,在数据分布估计的基础上,进一步研究了基于距离的在线异常检测方法——D3算法,并提出了改进方案;最后给出了下一步工作方向。     

图像椒盐噪声滤波的自适应开关插值算法

针对图像中椒盐噪声的特点,利用牛顿插值,提出了一种白适应开关插值滤波方法．结合极大极小值椒盐噪声检测算法和自适应窗口大小方法标识可能的噪声点,然后用迭代图像插值估计方法,利用与当前噪声点近邻的非噪声点或已修复的噪声点消除当前噪声点．对噪声密度为10％-90％的测试图像的仿真结果表明,该算法能在有效抑制噪声的同时较好地保持图像的细节信息．     

一种在OFDM系统中提高同步估计性能的方法

正交频分复用（OFDM）作为未来移动通信的主导技术,其同步仍是需要研究的重要课题．针对Schmidl＆Cox同步算法在符号定时同步估计中的不准确性,提出对训练序列作符号同步相关运算的滑动窗口进行改进,仿真表明所提方法的有效性．     

一种新型自适应误差估计方法

对当前两种主要的自适应误差估计方法－基于残值的误差估计方法和基于应力修匀的误差估计方法作了详细的分析比较。在此基础上，从工程角度提出了一种新型自适应误差估计方法，通过分析和数值算例证明了它的有效性和可靠性。     

自适应相位谱时间延迟估计

提出了一种自适应相位谱时间延迟估计方法。该法利用时域或频域ＬＭＳ自适应滤波器，自适应地实现Ｒｏｔｈ处理器即维纳滤波器，由最佳的系统函数得到相位函数估计，从而实现时间延迟估计。     

自共轭半正定紧算子方程简化迭代的误差估计

对自共轭半正定紧算子方程的简化迭代法进行了研究，简化了文[1]中Landweber迭代序列误差估计定理的条件，得到了新的误盖估计；利用自共轭紧算子特有的特征系统，给出了迭代序列误差估计的简化证明．     

神经元自适应PID控制

在神经非模型控制的基础上，结合PID控制的优点，提出了神经非模型自适应PID控制方法，确定了神经元网络的输入信号，并设计出自适应系数的在线修正算法，结合实例，给出了该控制器三个初始权系数的设定方法，仿真结果表明，该控制器不权算法非常简单，而且适应性和鲁棒性很强，控制系统具有良好的动态性和稳态性能。     

指数平滑法在交通参数短期预测中的应用

阐明了滑动平均数法与指数平滑法的渊源，论证了滑动平均数法选择期数N与指数平滑法平滑系数α的相互转换关系和作用机制，给出了符合交通规律的具有自适应能力的季节性指数平滑预测方法。     

网联环境下基于多驾驶人风险评价的不良行为主动干预研究

依托智能网联技术背景，本文提出基于多驾驶人综合风险评价的不良行为主动干预框架。选取驾驶场景中多驾驶人行为表征参数，基于行车数据定义并辨识驾驶人的各类不良行为； 利用面积法实现对不良驾驶行为发生频次、持续时间以及幅值的综合计算，并以可变权重构建其与事故风险的关联关系；借鉴数据包络分析思想，提出考虑可变权重的不良驾驶行为综合评价方法；利用Simulation of Urban Mobility(SUMO)搭建智能网联环境下驾驶仿真平台，以时间窗方式抽取场景中多驾驶人的历史行车数据，利用不良驾驶行为综合评价方法辨识风险驾驶人，提出基于累加窗口与滑动窗口的主动干预方法，每种方法均实现干预单车与干预多车两种策略；分析不 同干预手段的效果，探究窗体大小、驾驶人接受率、干预车辆数等对干预结果的影响。研究表明， 干预多车策略取得较好的效果，基于累加窗口与滑动窗口的驾驶人不良行为总得分分别下降 22.80%和10.50%；与无干预情况相比，当干预接受率为50%时，驾驶人不良行为总得分仍有所降 低；与基于累加窗口方法相比，基于滑动窗口的干预方法更适合实际应用。本文提出的框架可为驾驶行为监测等提供技术支持。     

船舶航迹迭代非线性滑模增量反馈控制算法

分析了带有状态变量及控制输入约束条件的欠驱动船舶航迹控制问题,结合增量反馈技术,对控制系统输出进行动态非线性滑动模态分解迭代设计,提出了一种基于分解迭代非线性滑模的船舶航迹增量反馈控制方法,以避免定常干扰引起的稳态误差及变结构控制的抖振问题,无需对不确定风、流干扰以及模型参数进行估计,能够同时稳定船舶的航向和航迹。应用“育龙”轮的系统模型进行了仿真,结果表明,控制器对系统参数摄动及外界干扰不敏感,具有强的鲁棒性,且其设计参数物理意义明显,易于调节。     

关于混合单调算子新的不动点定理及应用

利用非对称迭代的方法研究了几类既没有连续性条件也没有紧性条件而只满足某些序条件的混合单调算子不动点的存在性、唯一性及迭代收敛性，得出了新的不动点定理以及给出此迭代的误差估计，并在非线性方程中得到应用．     

LSTM Encoder-Decoder方法预测设备剩余使用寿命

应用LSTM Encoder-Decoder提出了机械设备剩余使用寿命预测方法;对获取的传感器数据进行预处理,利用LSTM Encoder对数据序列进行编码,得到设备状态信息的中间表示,其中蕴含了设备状态的特征信息,利用LSTM Decoder对中间表示信息进行解码,利用解码后的信息预测剩余使用寿命;研究了LSTM Encoder-Decoder方法在公开的C-MAPSS数据集上的剩余使用寿命预测试验,与LSTM、D-LSTM等方法进行了对比试验;研究了不同滑动窗口大小对于剩余寿命预测结果的影响。研究结果表明:LSTM Encoder-Decoder方法的剩余使用寿命预测结果的评分函数值和均方根误差均优于LSTM、D-LSTM方法;在FD001子集上,LSTM Encoder-Decoder方法、LSTM方法和D-LSTM方法对应的均方根误差分别为11、12、16;当滑动窗口大小为30时,LSTM Encoder-Decoder方法在FD001~FD004子集对应的评分函数值分别为164、3 012、372、4 800,对应的均方根误差分别为11、20、14、22;当滑动窗口大小为40时,LSTM Encoder-Decoder方法在FD001~FD004子集对应的评分函数值分别为305、1 220、408、4 828,对应的均方根误差分别为14、16、15、19。可见,提出的LSTM Encoder-Decoder方法是一种有效的预测机械设备剩余使用寿命方法,并且滑动窗口大小对于剩余使用寿命预测结果存在一定的影响。      

同时确定内燃机活塞温度场与边界换热系数的自适应迭代法

本文根据实测温度数据确定内燃机活塞温度场同时决定边界换热系数,建议了自适应迭代方法。文中详细分析了换热系数的自适应迭代规律,据此编制了自适应迭代程序,其中温度场的数值算法可根据计算装备的实际拥有情况具体选用有限元或者边界元。自适应迭代法不依赖于任何经验公式,计算工作量小,且计算时间比传统的经验试凑法大为减少。      

自适应观测器在车刀磨损估计的应用

本文给出一种以新型模型为基础的车刀磨损估计方法，该方法应用自适应观测中的器，根据切削力测量，状态与参数估计技术在线技术车刀磨损量，也给出了车削时估计与实测。     

船舶航向非线性系统自适应神经网络控制

提出了一种基于最小参数RBF(径向基)神经网络的船舶航向滑模控制算法.针对船舶运动控制中系统函数非线性不确定性和外界干扰项未知问题,利用RBF神经网络进行逼近.考虑到RBF神经网络权值难以快速调整,采用神经网络最小参数学习法设计设计单个参数的估计代替神经网络权值的调整;最后,借助李雅普诺夫稳定性理论设计出船舶航向RBF神经网络直接跟踪控制律.通过与神经网络控制算法和普通自适应控制算法的仿真比较可知,上述控制算法加快了自适应律的求解速度,控制器结构简单,控制参数少,易于工程设计与实现.     

基于自适应加权平均融合的路段行程时间估计

在固定检测器和浮动车数据的路段行程时间估计基础上,利用两种估计方法数据之间的互补性,应用自适应加权平均融合算法对估计结果进行融合处理,从而实现对路段行程时间更为精确的动态估计.以大连市中心城区为主要研究对象,通过交通调查和VISSIM仿真环境实现对固定检测器和浮动车的数据收集和行程时间估计.结果显示自适应加权平均融合能够有效提高路段行程时间估计精度,且适用于不同流量状态下的路段行程时间估计.     

基于自适应迭代学习控制的列车自动驾驶算法

针对高速列车自动驾驶系统受到时变外部扰动和受限状态的情况,提出一种基于迭代学习控制的自适应控制算法. 基于Lyapunov 函数,利用列车运行过程中的状态偏差,推导出自适应迭代学习控制律和参数学习更新律. 构造类Lyapunov 函数的复合能量函数,通过迭代域的差分,证明其差分负定性和收敛性. 采用所提控制算法对列车跟踪性能进行计算机仿真和实例仿真验证,结果表明,所提出的自适应迭代学习控制算法对列车期望曲线跟踪具有较高的精度和较快的收敛速度,能够在较短的迭代次数实现对期望曲线的精确跟踪.     

基于窗函数的自相似性时变Hurst指数估计方法研究

基于描述数据自相似特性的全局性Hurst指数无法用于信号的局部自相似特性的实时分析,突破固定Hurst指数估计的传统方法,引入滑动窗函数对分形高斯噪声(FGN)仿真时间序列进行估计和研究,并对估计算法的有效性进行了验证和分析.     

减算子新的不动点定理

在没有连续性条件和紧性条件下剃用非对称迭代的方法研究了减算子新的不动点存在性、唯一性及迭代收敛性,得到了新的不动点定理以及给出此迭代的误差估计式。