矩阵特征值估计  特征值界的估计  盖尔圆法

一、参数估计量的区间估计 二、预测值的区间估计

一、参数估计量的区间估计—不做介绍 二、预测值的区间估计

研究了混合时变时滞(离散时滞和分布时滞)神经网络的状态估计问题.离散时滞在一个区间上变化,区间下界不一定为零.通过构造一个新的Lyapunov泛函,结合Jensen积分不等式,可以得到一个时滞相关状态估计器设计方法,使得误差系统是全局渐近稳定的,所得结果由线性矩阵不等式形式给出.数值算例证明了本文方法的有效性和优越性

一、普通最小二乘估计 二、最大或然估计 三、矩估计 四、参数估计量的性质 五、样本容量问题 六、估计实例

7.1 概述 7.2 估计理论基础 7.3 维纳滤波估计 7.4 最小二乘估计 7.5 卡尔曼滤波估计 7.6 自校正控制

何为网格自适应划分？ ANSYS 程序提供了近似的技术自动估计特定分析类型中因为网格划分带来 的误差。（误差估计在 ANSYS Basic Analysis Procedures Guide 第五章中讨论。） 通过这种误差估计，程序可以确定网格是否足够细。如果不够的话，程序将自动 细化网格以减少误差。这一自动估计网格划分误差并细化网格的过程就叫做自适 应网格划分，然后通过一系列的求解过程使得误差低于用户指定的数值（或直到 用户指定的最大求解次数）

第1节 工程风险估计概述 第2节 工程风险估计的方法 第3节 工程风险损失的内容 第4节 工程风险估计的应用 第5节 工程风险损失影响程度的度量方法

利用多点雷达数据,使用最小二乘法对高炉的料面形状进行估计.首先,采用三段曲线描述料面形状,其中包括两段直线一段二次曲线.其次,利用炉料分布规律对三段曲线的具体参数进行约束,使得料面形状的估计更为合理.然后,利用多点雷达数据和最小二乘法估计料面形状,实现料面的实时动态显示.利用某钢厂的实际雷达测量数据,证实了该方法的有效性

荷电状态（State of charge, SOC）估计是电池管理系统的核心功能之一，它在电动汽车的生命周期中起着重要作用.针对锂离子电池温度影响模型参数，进而导致SOC估计不准确的问题，本文提出了基于鲁棒H∞滤波的SOC估计方法