简介:在广义系统故障诊断过程中,若系统动态模型中存在不确定性,传统的无迹卡尔曼滤波算法将失去其传感器故障估计精度。为解决该问题,提出一种改进的强跟踪卡尔曼滤波算法以实现广义连续-离散系统的传感器故障诊断及隔离。首先,提出基于多重渐消因子的强跟踪滤波算法以实现动态模型存在不确定性广义连续-离散系统的故障诊断;然后提出一种结合多模型自适应估计的强跟踪卡尔曼滤波(STUKFMMAE)算法以实现传感器故障的有效隔离。最后,针对基于广义连续-离散系统的惯性传感器故障模型提出仿真算例。仿真数据表明,传统无迹卡尔曼滤波对于传感器故障估计误差为0.002左右,而提出的基于多重渐消因子的强跟踪滤波算法对于传感器故障估计误差最大值为未超过4×10~(-4),且STUKFMMAE相较于UKFMMAE算法具有更好的隔离效果。仿真结果验证了设计方案的有效性。
简介:研究了由强奇异Calderón-Zygmund算子T和加权BMO(ω)函数b生成的交换子Tb的sharp极大函数的点态估计,证明了这类交换子是由L^[p](μ)到LP(μ)到LP(υ)上的有界算子,其中ω=(μυ^[-1])^[1/P]且μυ∈Ap,1〈P〈∞.
简介:本文利用Hardy-Littlewood极大函数、光滑模和K-泛函之间的等价关系、N函数的凸性、算子矩量估计及Jensen不等式等工具,研究了由陈文忠定义的LupasBaskakov型算子在Orlicz空间内的逼近性质,给出并证明了该算子在Orlicz空间内逼近的强型逆定理.由于Orlicz空间比连续函数空间和L_p空间涵盖更广泛,其拓扑结构也比L_p空间复杂得多,所以本文的结果具有一定的拓展意义.