https://zbmath.org/atom/cc/93E24 2024-04-15T15:10:58.286558Z Werkzeug公司 https://zbmath.org/1530.93497 2024-04-15T15:10:58.286558Z “安德拉德，J.M.” https://zbmath.org/authors/？q=ai:andrade.joanlise-马可·德莱恩 摘要：提出了一种基于滑模概念和带常遗忘因子的递推最小二乘（RLS）算法的在线电解电容器状态监测新方法。该方案包含鲁棒精确微分，当系统受到噪声影响时，其性能优于基于线性近似的经典微分器。本文提出的状态监测方法允许在线估计ESR，ESR被认为是电容器退化的最佳指标之一。考虑DC-DC降压变换器的计算机仿真结果证明了本文提出的电容器状态监测方案的有效性。整个系列见[Zbl 1485.93017]。 https://zbmath.org/1530.93520 2024-04-15T15:10:58.286558Z “宁，子安” https://zbmath.org/authors/？q=ai:ning.zian “张茵” https://zbmath.org/authors/？q=ai:zhang.in.4|zhang.in |张茵.1 “赵世玉” https://zbmath.org/authors/？q=ai:zhao.shiyu （无摘要） https://zbmath.org/1530.93526 2024-04-15T15:10:58.286558Z “曹木清” https://zbmath.org/authors/？q=ai:cao.muqing “徐新航” https://zbmath.org/authors/？q=ai:xu.xinhang “曹坤” https://zbmath.org/authors/？q=ai:cao.kun “谢，李华” https://zbmath.org/authors/？q=ai:sie.lihua（中文） （无摘要） https://zbmath.org/1530.93527 2024-04-15T15:10:58.286558Z “里霍尼娜，莱斯萨” https://zbmath.org/authors/？q=ai:likhonina.raissa 总结：本文描述了一种基于QRD递推最小二乘（RLS）格算法和系统辨识概率方法的手部检测新方法。所述方法应作为基于超声波技术的手势识别应用程序的预处理阶段。该方法包括噪声抵消概念，并在MATLAB环境中使用基于线性有限脉冲响应（FIR）的回归模型。在该算法中实现了假设检验技术。该工作显示了使用超声波设备的实际数据进行计算的结果。该算法的最终版本应该在嵌入式Xilinx Zynq设备上实现。整个系列见[Zbl 1485.93013]。 https://zbmath.org/1530.93528 2024-04-15T15:10:58.286558Z “罗西尼，弗拉维奥·路易斯” https://zbmath.org/authors/？q=ai:rossini.flavio-路易斯 “马丁斯，吉尔赫米·桑托斯” https://zbmath.org/authors/？q=ai:martins.guilherme-圣诞老人 “圣保罗，席尔瓦·贡萨尔维斯” https://zbmath.org/authors/？q=ai:silva-贡加尔维斯·乔·鲍罗 “吉斯布雷希特，马特乌斯” https://zbmath.org/authors/？q=ai:giesrecht.mateus（网址：https://zbmath.org/authors/？q=ai:giesrecht.mateus） 摘要：本文提出了一种连续时变动力系统辨识的方法。该研究基于状态变量滤波器（SVF）、扩展卡尔曼滤波器（EKF）和递归最小二乘状态变量滤波器的集成。本文应用的算法的主要贡献在于，可以基于系统采样输入和输出估计状态空间连续时间模型。为了验证该方法，对一个连续时变基准系统进行了仿真，并将基准参数与估计的模型参数进行了比较。还将基准输出与模型输出进行了比较，以验证所提方法的准确性。结果表明，该模型准确地再现了基准行为。关于整个集合，请参见[Zbl 1485.93017]。 https://zbmath.org/1530.93554 2024-04-15T15:10:58.286558Z “阿佐利尼，伊拉里奥·安东尼奥” https://zbmath.org/authors/？q=ai:azzollini.ilario-安东尼奥 米开朗基罗·宾 https://zbmath.org/authors/？q=ai:bin.michelangelo “马可尼，洛伦佐” https://zbmath.org/authors/？q=ai:marconi.lorenzo “托马斯·帕里西尼” https://zbmath.org/authors/？q=ai:parisini.thomas 摘要：我们考虑了在误差-变量上下文中网络上的鲁棒估计问题。每个代理测量由公共未知参数定义的线性回归相关的局部信号对的噪声样本，并且在存在影响回归变量、回归变量和变量的不确定性的情况下，代理必须合作寻找未知参数。我们提出了一种递推最小二乘估计方法，在不存在不确定性的情况下为未知参数提供全局指数收敛性，并在存在影响所有变量的不确定性时，根据输入-状态稳定性形式化估计的鲁棒稳定性。结果依赖于合作激励假设，该假设被证明严格弱于每个局部数据集的激励持续性。该估计器在自适应道路定价应用程序上进行了验证。