针对锂离子电池荷电状态（Stage of charge，SOC）在线估计精度不高，等效电路模型法估计精度与模型复杂度相矛盾的问题，本文对扩展卡尔曼滤波算法进行了改进，并以电池工作电压、电流为输入，对应等效电路模型法的SOC估计误差为输出，采用极限学习机算法，建立基于输入输出数据的SOC估计误差预测模型，采用物理–数据融合方法，基于误差预测模型，建立了等效电路模型法结合极限学习机的锂离子电池SOC在线估计模型。仿真结果表明，改进扩展卡尔曼滤波算法提高了算法的估计精度，而物理–数据融合的锂离子电池SOC在线估计模型减小了由电压、电流测量所引入的估计误差，克服了等效电路模型法估计精度与模型复杂度之间相矛盾的问题，进一步提高了SOC的估计精度，满足估计误差不超过5%的应用需求

为了克服经验法推算结构物埋深的缺陷,基于检测对象的雷达反射波形特征,通过提取反射波形上的少量特征点,提出一种估算结构物埋深的新方法,并考虑实际检测中结构物反射波形的畸变,对估算精度进行分析评价.结果表明:对于理想的无畸变检测数据,该方法对结构物埋深、水平位置及电磁波速的估算结果较为精确;当反射波形存在畸变时,该方法对埋深的直接估算结果误差较大,平均误差达到55.202%,但对于电磁波速的估算结果较为精确;对于实测的有畸变检测数据,可通过电磁波速估算结果及测得的目标体双程旅时对埋深进行间接估算,估算精度满足雷达法检测对埋深估算的要求.相比经验法,该方法在估算精度、误差控制方面具有显著优势

最小方差无偏估计和有效估计是在某种意义下的最 优估计,两者既有区别又有密切的关系。如果求出 参数θ的一个估计量θ,判别其是否为最小方差无偏 估计或有效估计,显然具有重要的意义。倘若能直 接求出参数θ的最小方差无偏估计或有效估计,则 将更加令人满意,本节将研究这些问题

对一个未知量,人们在测量或计算时,常不以 得到近似值为满足,还需估计误差,即要求知 道近似值的精确程度(亦即所求真值所在的范 围).类似地,对于未知参数θ,除了求出它的点 估计外,还希望估计出一个范围,并希望知 道这个范围包含参数真值的可信程度.这样 的范围通常以区间的形式给出,同时还给出此 区间包含参数θ真值的可信程度.这种形式的 估计称为区间估计

本章主要讲述点估计(矩法估计,极大似然估计);估计量的评价准则(无 偏性,最小方差性和有效性,其它几个准则);区间估计(区间估计的一般步 骤,单个正态总体参数的区间估计,双正态总体参数的区间估计,非正态总体参 数的区间估计)等内容

一 学科平台课程 1《工程制图 C1》 2《工程制图 C2》 3《管理学 C》 4《会计学 C》 5《土木工程材料》 6《土木工程材料实验》 7《工程力学 A》 8《工程测量》 9《工程测量实验 A》 二 专业课程 1《土木工程与工程管理概论》 2《房屋建筑学 B》 3《材料力学实验》 4《经济学》 5《经济法》 6《运筹学》 7《工程财务管理》 8《工程结构 1》 9《工程结构 2》 10《土力学与地基基础》 11《建设法规》 12《工程经济学》 13《土木工程施工》 14《工程项目管理》 三 个性化发展课程 1《建筑信息模型技术》 2《工程合同管理》 3《工程估价》 4《房地产开发与经营》 5《房地产估价》 6《工程大数据分析与处理》 7《工程项目融资》 8《高层建筑施工》 9《工程监理》 10《工程管理软件应用》 11《建筑工程估价》 12《装饰工程估价》 13《安装工程估价》 14《工程造价管理》 15《安装工程施工》 16《装饰工程施工》 17《工程造价软件》 18《房地产市场营销》 19《建筑设备》 20《城市规划原理》 21《国际工程合同管理》 22《工程造价案例分析》 23《项目融资》 24《装配式建筑》 25《组织行为学》 26《工程管理综合训练》 四 实践环节 1《毕业设计》 2《房屋建筑学课程设计》 3《工程结构课程设计》 4《工程合同管理课程设计》 5《认识实习》 6《测量实习》 7《生产实习》 9《工程估价课程设计》 10《施工组织课程设计》 11《建筑工程估价课程设计》 12《安装工程估价课程设计》

基本概念 用点估计来估计总体参数,即使是无偏有效 的估计量,也会由于样本的随机性,从一个 样本算得估计量的值不一定恰是所要估计 的参数真值.而且,即使真正相等,由于参数 值本身是未知的,也无从肯定这种相等.到 底二者相差多少呢?这个问题换一种提法就 是,根据估计量的分布,在一定的可靠程度 下,指出被估计的总体参数所在的可能数值 范围.这就是参数的区间估计问题

提出一种基于图像分割的噪声方差两步估计算法.第一步,对含有噪声的图像进行平滑,再利用统计区域归并算法对图像进行分割,并计算每个区域的方差,根据统计规律选择适当的区域估计图像中噪声方差.第二步,利用初始估计的方差,修正平滑滤波、图像分割及噪声估计的参数,进行新一轮的平滑、分割和方差估计,得出更为准确的估计结果.在大量图像和不同噪声情况下的实验结果表明,该算法可以快速、准确地估计图像中噪声方差

针对标准无迹卡尔曼滤波(Unscented Kalman filter, UKF) 算法本身存在着因状态误差协方差矩阵无法实现Cholesky分解而导致滤波发散的隐患，以及在电池状态估计过程中由离线标定的电池等效模型参数而造成的累积误差的问题，本文发展了一种平方根无迹卡尔曼滤波(Square-root unscented Kalman filter, SR-UKF)算法，并设计了一种电池状态联合估计策略。首先快速SR-UKF算法通过对观测方程进行准线性化处理，降低了每次无迹变换时的计算开销；然后在迭代过程中，用状态误差协方差矩阵的平方根代替状态误差协方差矩阵，该平方根是由QR分解与 Cholesky因子的一阶更新得到，解决了UKF 算法迭代过程中可能由计算累积误差引起状态误差协方差矩阵负定而导致滤波结果发散的问题，保证了电池荷电状态(State of charge，SOC)在线滚动估计的数值稳定性；最后采用联合估计策略，对电池等效模型参数进行实时辨识，保证了电池等效模型的准确性与有效性，从而提高了电池SOC的估计精度。仿真对比结果验证了快速SR-UKF算法以及电池状态联合估计策略的可行性与鲁棒性

3.1 问题描述 3.2 随机参量的Bayes估计 3.3 ML估计 3.4 估计量的性质 3.5 线性最小均方误差估计 3.6 最小二乘估计