多向线性变参数(multi-way linear parameter-varying, MLPV)建模方法既利用一般线性变参数建模方法来描述非线性,又考虑了间歇过程的多批次特性,将输入、输出和变量沿着时间维度的动态特性扩展到沿着时间维度和批次维度。在MLPV建模方...多向线性变参数(multi-way linear parameter-varying, MLPV)建模方法既利用一般线性变参数建模方法来描述非线性,又考虑了间歇过程的多批次特性,将输入、输出和变量沿着时间维度的动态特性扩展到沿着时间维度和批次维度。在MLPV建模方法的基础上,考虑调度变量方程中含有未知参数,且观测到的调度变量中含有部分遗失数据的问题,采用状态空间方程描述真实调度变量的动态特性,然后将期望最大化(expectation maximization, EM)算法应用到对模型参数的辨识中。最后,以青霉素发酵过程为例进行仿真实验,实验结果验证了所提方法的有效性。展开更多
针对多批次试验中由技术状态改进所带来的异总体统计问题,研究了顺序约束条件下的命中概率指标统计评定方法。首先在X-Y向不相关情况下,将命中概率指标归结为X向和Y向的准确度和密集度参数的估计。然后根据多批次试验规律,建立各个参数...针对多批次试验中由技术状态改进所带来的异总体统计问题,研究了顺序约束条件下的命中概率指标统计评定方法。首先在X-Y向不相关情况下,将命中概率指标归结为X向和Y向的准确度和密集度参数的估计。然后根据多批次试验规律,建立各个参数之间的顺序约束关系,基于Bayes方法获得验后分布密度核函数,并采用MCMC(Markov Chain Monte Carlo)方法获得各参数的验后抽样分布,进而获得命中概率指标的抽样分布,以此计算命中概率的期望和置信限。此外,针对运动目标或末端机动的情况,分析了X-Y向相关情况下的命中概率指标计算方法。通过正交变换实现去相关处理,并在命中概率计算中引入旋转角度参数,从而解决运动目标情况下的多批次命中概率计算。最后,通过实例进行了验证,所得命中概率值优于传统方法所获得的统计结果,表明该方法对多批次试验具有良好的适应性和工程推广价值。展开更多
文摘针对多批次试验中由技术状态改进所带来的异总体统计问题,研究了顺序约束条件下的命中概率指标统计评定方法。首先在X-Y向不相关情况下,将命中概率指标归结为X向和Y向的准确度和密集度参数的估计。然后根据多批次试验规律,建立各个参数之间的顺序约束关系,基于Bayes方法获得验后分布密度核函数,并采用MCMC(Markov Chain Monte Carlo)方法获得各参数的验后抽样分布,进而获得命中概率指标的抽样分布,以此计算命中概率的期望和置信限。此外,针对运动目标或末端机动的情况,分析了X-Y向相关情况下的命中概率指标计算方法。通过正交变换实现去相关处理,并在命中概率计算中引入旋转角度参数,从而解决运动目标情况下的多批次命中概率计算。最后,通过实例进行了验证,所得命中概率值优于传统方法所获得的统计结果,表明该方法对多批次试验具有良好的适应性和工程推广价值。
