基于多维极值参数的飞行风险量化评估方法

数具有和试验数据相同的分布形式,并构建了飞行风险发生的判定条件。在对一维极值参数符合广义极值分布的假设进行证明的基础上,提出了三维极值参数的四参数变权重(four adaptive weight parameters, FAWP),Copula模型利用自适应粒子群算法对一维和三维目标函数中的未知参数进行了辨识,对多种Copula辨识出的三维极值分布进行了拟合优度检验,结果表明FAWP Copula对三维极值参数分布形式的描述最为精确。利用FAWP Copula模型对尾流遭遇情形下的飞行风险概率进行了量化计算,所得指标可用来研究尾流场内的风险规避策略及算法。     

基于智能优化算法的T-S模糊模型辨识

将智能算法应用在T-S模糊模型的辨识方面,是模糊系统辨识的一种新途径。文中对几种智能优化算法,如遗传算法(genetic algorithm, GA)、粒子群(particle swarm optimization, PSO)算法、菌群优化(bacterial foraging optimization, BFO)算法等的优化原理和在模糊辨识方面的应用现状进行了综述和分析,并给出了它们在T-S模糊模型辨识中对参数进行优化的过程。最后将这些优化方法用于一非线性动态系统的建模,并对仿真结果进行了对比和详细的分析,为进一步了解这几种优化方法在模糊模型辨识参数优化方面的作用提供了仿真实验依据。     

航空人-机复杂系统极值风险评估稳定性分析

针对航空人-机复杂系统极值风险评估中存在不确定性、难于验证的理论问题,建立了综合考虑“物理特性”、“随机性”和“非线性”的驾驶员-飞机系统和故障数学模型,通过大量仿真数据分析样本数量、评估次数以及优化算法选取对评估稳定性的影响。为提高极值分布中样本数据序列的拟合精度,针对综合评估模型提出一种随机自适应进化粒子群算法（random adaptive evolutionary particle swarm optimization,RAE-PSO）算法,实现了收敛速度和拟合精度的提高。提出了提高航空人-机系统风险评估稳定性、降低评估误差的方法步骤,并通过案例验证了方法的有效性。     

细菌生存优化在非线性模型辨识中的应用

提出了一种新的基于细菌生存优化(Bacterial Foraging Optimization BFO)的非线性模型辨识方法.它是利用群集智能仿生BFO算法对一类Hammerstein系统进行辨识,从而估计出它的参数模型.通过对这类输入非线性模型进行辨识,并用仿真实验说明BFO算法的参数设置与选择方法.比较基于粒子群优化(Particle Swarm Optimization PSO)的非线性模型辨识算法,特别是对有色噪声的鲁棒性、模型的辨识精度、辨识收敛速度进行对比分析,以得出BFO辨识算法的优缺点及其有效性.     

运用ADE算法进行Wiener模型辨识

DE算法是一类基于种群的启发式全局搜索技术,该算法原理简单,控制参数少,鲁棒性强,具有良好的优化性能.首先利用DE算法对Wiener模型参数进行辨识,分析了算法中变异率F对辨识过程中的全局并行搜索能力和收敛速度的影响;其次运用一种自适应变异差分进化算法(ADE)进行Wiener模型参数辨识,该算法在初期变异率较高,种群具有多样性,避免过早收敛于局部最优解;在进化过程中,变异率逐渐变小,优良个体得以保留,避免最优解遭到破坏.运用ADE算法对Wiener模型的数值仿真结果表明了ADE算法在参数辨识问题中的有效性,以及较PSO算法更强的非线性系统辨识能力.与一般的DE算法相比较,ADE算法辨识到全局最优解的精度和概率有较大提高,对算法参数的敏感性降低.     

基于遗传算法的伺服系统摩擦参数辨识研究

LuGre摩擦模型能够精确描述摩擦环节的动态特性 ,但由于其高度非线性 ,使得参数辨识非常困难。针对LuGre摩擦模型 ,提出一种新型的基于遗传算法的模型参数两步辨识方法。首先通过Stribeck曲线 ,辨识出摩擦模型中的静态参数 ,然后由系统的稳态极限环振荡响应 ,辨识出摩擦模型的动态参数。在每一步辨识中 ,均采用遗传算法作为优化工具 ,从而避免了采用线性辩识方法时的局部极小问题。对提出的方法进行了数字仿真 ,并通过设计摩擦补偿环节 ,对辨识参数进行验证 ,结果表明了该方法的有效性。     

基于神经网络的飞控系统实时容错设计与仿真

为了提高系统的可靠性与容错能力,提出了基于径向基神经网络的飞行控制系统传感器实时容错策略.利用改进的梯度下降优化算法来设计神经网络,以提高网络的学习速度和映射能力;基于网络的逼近性能,建立在线神经网络辨识模型;考虑到系统闭环反馈与实时控制的特性,使用多个辨识模型的信息进行传感器故障的定位和信号重构.应用某型飞机进行仿真,在保证闭环系统稳定的前提下,实现了传感器的在线故障隔离与信号重构,达到了预期的效果.     

多传感器量测自适应Rao-Blackwellised粒子滤波算法

针对量测不确定下非线性系统状态估计中多传感器量测数据的有效利用和计算复杂度的简化问题,给出了一种多传感器量测自适应Rao-Blackwellised粒子滤波算法。首先,通过随机采样策略和量测模型先验转移概率实现用于评估粒子权重的传感器有效量测集合的采样;其次,利用重采样步骤和概率最大化原则完成对不含扰动影响传感器量测模型的辨识;最终,依据Rao-Blackwellised粒子滤波中非线性状态分量和线性状态分量的独立求解方式实现当前时刻系统的状态估计。理论分析和仿真实验结果验证了算法的可行性和有效性。     

基于状态空间模型分解的分数阶系统辨识算法

给出了分数阶线性系统的一种有效辨识算法.该算法可以辨识出系统的模型参数,同时也可以对系统的阶次进行辨识.通过基底变换把分数阶系统的系统矩阵变换成对角阵,这就把原系统的输入、输出关系转化为若干简单的子系统的和,从而降低了辨识问题的复杂性.该算法还能容易地获得系统的输出误差对其模型参数及系统阶次的偏导数,从而可以选择利用梯度的优化算法,如梯度下降法和拟牛顿法等,进行系统辨识.最后给出了实例证明了算法的有效性.     

机翼结冰后人-机系统动态特性仿真与风险评估

机翼结冰导致气动特性改变,为了定量分析机翼结冰导致的飞行风险,提出了利用人-机系统数值仿真数据进行概率评估的方法.考虑结冰对临界迎角、升阻特性等的影响,通过建立非线性动力学仿真模型和特殊情况下驾驶员操纵副翼偏转模型,实现了机翼结冰后的人-机系统动态仿真.分析了非指令控制滚转不正常现象,并通过影响因子的概率分布模型,最终实现了飞行风险概率评估.     

一种基于最优化的极值分布建模方法

为提高极值分布中样本数据序列分布拟合精度,对改进的综合模型采用遗传算法实现分布参数的寻优。建立了灾难性事件的样本极值分布数学模型。采用非线性回归方法导出样本极值与累积概率之间的映射关系,考虑样本极值的上限和拟合的误差,建立了极值分布的综合模型。采用改进遗传算法,将模拟退火算法应用到遗传算法中,以模型误差为目标函数进行优化,从而确定函数模型中的分布参数,实现了拟合精度的提高。     

股票收益率分布的尾部行为研究

利用极值理论和方法，建立了极端日收益率数据的广义Pareto分布模型。基于所建立的模型，给出日收益率分布的尾概率，并对损失风险值进行了初步探讨。     

多风险控制目标下的资产配置模型

相比于VaR风险测度,CVaR风险测度因满足次可加性能够更好地描述金融资产组合风险,而广义极值分布和Copula函数较好地拟合了金融资产收益率的厚尾特征和相依性。本文尝试使用CVaR风险测度和Copula-GEV分布描述金融资产组合的极端值风险,并将其作为风险控制目标引入传统均值-方差模型,构建多风险控制目标下的资产配置优化模型,实现在金融资产配置决策中综合考虑期望收益、波动性风险和极端值风险,并设计PSO-MC优化算法对模型进行求解。通过对我国上市公司股票收益率数据的实证分析,验证了模型及求解算法的有效性。     

基于性能退化的产品组合维修策略优化分析

为准确掌握产品性能退化规律,合理安排维护与视情修理组合的维修活动,根据维护条件下产品的性能退化过程,利用累积失效理论,分析产品的性能退化特点.建立基于复合泊松过程的产品性能退化模型,并对水泵转子的失效规律进行了拟合,验证了模型的有效性.建立了定期维护与视情修理组合的维修活动概率模型,给出了失效风险的解析表达式.以长期运行条件下产品费用率为目标,失效风险为约束,确定了组合维修策略优化模型.通过对平台惯性导航系统进行数值分析,优化结果能够有效地延长工作时间,实时控制失效概率,使产品具备较高的安全等级,避免失效带来的不利影响,降低了维修费用.     

考虑DNCVaR-利润-客户满意度的分销网络设计多目标优化模型

借鉴金融工程中条件风险价值理论, 提出了分销网络条件风险价值的概念和计算公式, 并用之度量分销网络风险水平. 构建了以DNCVaR、利润、客户满意度为目标的分销网络设计多目标优化模型, 该模型不仅能体现供应链核心企业风险偏好度, 而且还能解决分销网络风险水平-分销中心设立-分销中心购买量-分销中心服务对象-分销点购买量组合决策问题, 并应用多项式目标优化技术进行了多目标组合.这些工作为CVaR与分销网络设计优化决策类问题的结合研究作了有益的探索, 且算例的优化决策结果也说明了文中构建的模型能有效解决上述组合决策问题.     

新冠后疫情时代复学风险评估的不确定性量化分析

针对疫情后的复工复产复学问题,以返校复学中的疫情传播为例,进行了风险评估量化研究。以易感态个体从感染到隔离转化全过程的运动轨迹描述为线索,建立了一种适合于风险评估的流行病动力学模型。在模型参数量化的基础上,对复学风险指标的感染人数进行了量化。根据模型参数的取值特性,将感染人数作为离散型随机变量函数,通过动力学仿真计算,结合概率守恒原理给出了感染人数的概率分布,由此实现了复学风险的不确定性量化。算例仿真表明所提方法在复学风险评估中的可行性,可为复工复产复学决策提供理论依据。     

基于逆高斯退化过程的面向任务系统CBM优化模型

针对现有单调退化系统视情维修(condition-based maintenance,CBM)优化模型中不完全维修影响考虑单一,且未同时融入可用度约束的问题,提出一种考虑不完全维修双重影响与可用度约束的单调退化系统CBM优化模型.首先,基于具有随机漂移系数的逆高斯过程,建立系统退化模型并得到相关概率分布;其次,描述任务...     

基于广大极值分布的高频极值条件VaR模型

在考虑当前预期和波动性条件下,为了有效地捕获极端条件下收益率时间序列动态特征,提高VaR的度量精度,建立了基于高频数据的条件极值VaR模型.应用智能优化算法对条件极值分布的时变参数进行估计,考察了在不同样本容量分块下的条件极值VaR,并对VaR计算结果的精度进行了Kupiec-LR检验和动态分位数检验.研究结果表明,基于高频数据的条件极值分布较好地拟合了极端条件下的收益率特征,与McNeil提出的传统条件极值VaR相比,应用高频数据建立在条件广义极值分布基础上的条件极值vaR的Kupiec检验DQ检验值都较为理想,表明该模型能够捕捉到我国市场风险特征,提高极端情况下风险测度能力.