基于多层递阶法的伤亡事故预测

运用现代控制理论中的系统辨识方法而给出了多层递阶法的伤亡事故预测系统的动态模型、基本原理，提出运用多层递阶方法对伤亡事故进行预测，通过对某飞机制造公司伤亡事故的实例分析表明，与固定参数预测模型相比较，基于多层递阶的预测过程可以充分利用长时间统计数据，并能减小预测误差，提高预测精度。     

自适应递阶遗传神经网络测井岩性识别方法研究

针对传统神经网络岩性识别模型存在收敛速度慢、难以选择合适的网络拓扑结构和学习参数等问题,提出一种自适应递阶遗传优化神经网络模型。该模型通过采用递阶遗传染色体编码方式优化神经网络拓扑结构和权阈值参数,并将具有非线性特性的Sigmoid函数引入到遗传操作算子设计中,使得交叉变异算子在遗传进化阶段能自适应变化,从而减少遗传算法陷入"早熟"的机率。与三层传统神经网络和基于遗传算法优化的神经网络模型相比较,实验结果显示,该方法平均识别准确率达到95.67%,在准确率、迭代收敛次数、运算耗时和精度指标上均优于其它两种模型。     

基于递阶偏最小二乘回归的数据分析

针对最小二乘法难以克服因子多重共线性对回归模型精度影响的不足和大坝观测数据分析中因变量较多的特征,引进递阶偏最小二乘法,对大坝安全监测变量及其影响因子进行递阶偏最小二乘回归分析,将建模预测分析方法通过递阶分层处理,可同时实现回归建模和数据结构简化,所建立的大坝安全监控模型精度可通过交叉有效性检验来控制.工程应用实例和模型对比分析研究表明,递阶偏最小二乘回归模型能有效克服由于各类因子变量问的多重共线性和因子变量数目较多而对模型拟合精度及其预测能力的影响,相对于传统回归模型有更好的解释能力,因而具有一定的实用价值.     

多层递阶非平稳时间序列模型预测矿坑涌水量

将多层递阶方法与非平稳序列分析相结合来预测矿坑涌水量。在预测过程中,改变了传统的应用周期变量法来时变参数,提出了应用非平稳时间序列模型加以预测。表明了此种方法是可行的。拓宽了多层递阶方法的应用范围,为预测矿坑涌水量提供了一种新思路。     

汇率波动的预测研究

本文提出的多层递阶－灰色预测综合预测法是运用多层递阶法,通过辨识时变参数,建立时变参数动态预测模型,并在此基础上进一步运用灰色预测方法,通过对时变参数的预测来预测汇率波动．实例表明：本法与非时变多项式回归预测比较,有效提高了预测精度     

多变量ARX-like系统的递阶最小二乘估计

利用Kronecker积,推导出多变量ARX-like随机系统的辨识模型,使用递阶辨识原理研制了一个递阶最小二乘参数估计算法.提出的递阶最小二乘算法比现存递推最小二乘算法计算量小.给出了为仿真例子.     

微燃机-冷热电联供机组的Hammerstein模型及非线性广义预测控制

为研究微燃机-冷热电(MGT-CCHP)联供机组动态运行特性及控制策略,采用Hammerstein模型结构快速辨识其非线性动态特性,并将非线性动态特性以串联的非线性静态模型和线性动态模型表示.采用逐步回归法确定动态模型阶次并采用粒子群算法辨识模型参数,得到易于复现的块结构化模型.基于Hammerstein预测模型,设计了MGT-CCHR冷负荷跟踪非线性广义预测控制器.利用Hammerstein模型分块描述对象静态与动态特性的结构特点,将非线性广义预测控制转化为线性广义预测控制与非线性静态函数求根问题,使控制量求解简化.通过与最优参数PID控制器的仿真结果比较表明,所设计的非线性广义预测控制器具有改善冷负荷跟踪性能和节能控制的效果.     

基于驾驶员操纵特性和交通环境状态的换道行为预测

为排除驾驶员在换道过程中存在的交通安全隐患,基于驾驶员操纵特性和交通环境状态分析,提出了一种能有效预测驾驶员换道行为的方法。依托自然道路条件下的实车实验,将驾驶员视觉特性与数据分析相结合,确定了意图时窗宽度为5 s。依据在车道保持与意图换道两阶段的操纵特性和交通环境等参数差异化分析,构建了换道行为预测的表征参数体系。引入二元Logistic模型,确定各参数的回归系数,并进行换道行为预测。研究结果表明:该模型可至少提前2. 5 s预测出换道行为;且换道行为起始时刻的预测精度为96. 34%。与基于视觉特性和转向灯状态预测换道行为相比,具有更高的准确率和更优的时序性。     

基于曲率模态的钢管混凝土拱桥吊杆损伤识别

为研究曲率模态参数在吊杆损伤状态下的响应情况,以某钢管混凝土拱桥为研究对象,进行基于曲率模态的吊杆损伤识别模拟.利用ANSYS软件建立桥梁有限元模型并得到其动力特性,模拟各种不同工况,比较结构曲率模态参数的变化情况.结果表明:采用曲率模态指标可以识别吊杆损伤位置,综合考虑多阶振动情况下的平均曲率模态指标可以提高识别的准确性,并初步估计损伤程度;多吊杆损伤情况可以看成单一吊杆损伤情况的累加.     

光电互联PCB随机振动响应分析

研究随机振动对光电互联PCB可靠性的影响.在其产品概念设计阶段,建立光电互联PCB的三维有限元模型,对4点固支条件下获得的光电互联PCB模态参数进行研究.分析表明1、2阶频率差值和4、5阶频率差值较小,相邻阶之间容易发生多阶共振现象.在GJB150.16-86试验条件下采用分块兰索斯法对光电互联PCB进行随机振动响应分析,重点关注随机振动载荷对光电互联PCB翘曲度、焊点可靠性、光耦合效率和光纤带可靠性的影响.      

基于ISM和AHP的硫化矿石自燃危险性分析

为系统了解硫化矿石自燃的影响因素,从人-物-环-管四个方面找出18个硫化矿石自燃的影响因子.运用系统工程理论,建立硫化矿石自燃影响因素的6级多层递阶解释结构模型(ISM),采用层次分析法(AHP)确定各指标权重.研究表明,多层递阶ISM能有效地表达硫化矿石自燃影响因素的结构,18个影响因子可以分为6个层级,直观地反映出各个影响因素之间的层级及相互关系;AHP法求解出影响硫化矿石自燃的各级指标权重,表明矿石自身特性是影响硫化矿石自燃的决定性要素,管理则是深层次要素.     

非线性动态投入产出优化模型中的预测变量—时间分解方法

本文研究多年延滞非线性动态投入产出模型的递阶优化问题。文中将Hassan共态预测法和Tamura时延算法的主要思想相结合,提出和使用了预测变量一时间分解方法,导出了非线性三级递阶优化结构。有关结果亦适用于具有类似数学结构的其它高维非线性动态优化问题。     

基于递阶遗传算法的模糊系统优化设计

给出一种基于递阶遗传算法的模糊神经网络优化算法, 在该算法中对每个染色体都采用递阶编码, 并提出一种改进的交叉算子, 可以同时优化模糊神经网络结构和权值参数. 算法中采用双目标函数作为适应度函数对模糊神经网络模型的精确度和复杂性进行估价, 且对应一个实际问题, 可以通过调整适应度函数的参数值确定所需模糊神经网络模型的精确度和复杂性之间的比例, 从而生成一个适当的模糊神经网络模型. 模拟实验结果验证了该算法的有效性.     

基于生物反馈试验的高原公路驾驶员生理特性研究

为了掌握高原公路海拔对驾驶员生理特性的影响规律,利用生物反馈系统对急进高原公路的驾驶员进行实地行车试验。通过定量分析,建立了驾驶员各项生理指标与试验路段海拔之间的关系模型。结果表明;高原公路行车驾驶员的各项生理指标都随海拔上升而表现出不同程度的变化;驾驶员心率增长率、LF/HF、LF以及脑电波"频段功率值与高原公路海拔成正相关,而表面肌电IEMG、血容振幅、HF指标与高原公路海拔表现出负相关性;其中,驾驶员心率增长率、LF/HF及脑电波"频段功率值三项指标与高原公路海拔的相关性较强,可以作为相关研究的备用指标。     

基于神经网络驾驶员模型的PIO预测分析

在PIO研究中,拟线性的McRuer驾驶员模型,因其结构简单、能反映驾驶员基本的行为特性而被广泛采用,但在通常情况下,驾驶员的行为具有高度的非线性,而运用神经网络模型可以更精确地描述驾驶员的非线性特性。以某机为例,利用试飞数据对神经网络进行训练和验证,建立了神经网络模型。通过仿真运算,并用时域Neal-Smith（TDNS）准则对该飞机进行了PIO预测分析。结果表明,与McRuer驾驶员模型相比,神经网络模型可以更好地逼近驾驶员特性,据此运用TDNS准则可以很好地对PIO趋势进行预测。     

递阶进化算法的小波网络在设备状态预测中的应用

为改善小波网络的学习和逼近性能 ,基于递阶结构染色体提出了递阶进化算法用以实现小波网络的设计和训练。该算法采用包含控制级基因和参数级基因的递阶结构的染色体 ,分别对网络结构和网络参数进行编码 ,并根据编码特点将遗传算法与进化规划结合进行进化操作 ,可实现同时对网络结构与网络参数进行进化设计和学习训练。该算法不仅克服了梯度下降算法中的局部极小和网络训练不收敛问题 ,也使网络结构更优 ,从而提高了网络训练效率和网络的工作性能。就函数逼近问题和水轮机组的状态预测问题进行了事例研究 ,验证了所提出的算法的优越性和可行性     

悬浮隧道锚索多阶涡激非线性振动

为研究悬浮隧道锚索高阶涡激非线性振动,建立了悬浮隧道锚索在涡街和参数激励作用下振动的数学方程,并用多阶伽辽金法对其进行了化简,运用四阶龙格-库塔法进行了数值求解.通过一系列数值算例对流作用下悬浮隧道锚索的多阶涡激振动响应进行了分析.结果表明:涡街单独作用时,第一阶谐振响应最大,二、三阶谐振响应逐渐减小;产生涡激谐振的模态响应最大,其他阶的模态响应很小.参数激励单独作用时,一阶参数振动的响应最大,二、三阶参数振动的响应逐渐减小;产生参数振动的模态响应最大,其他阶的模态响应很小;锚索的高阶涡激非线性振动不可忽视.锚索产生参数振动时,是否产生涡激谐振对模态响应的影响不大,涡激振动仅为参数振动提供恒定扰动的作用.     

基于GPS轨迹数据的混合多步Markov位置预测

随着移动设备和定位技术的广泛应用,基于位置服务成为研究热点,位置预测是其重要研究内容.基于GPS轨迹数据,对位置预测方法进行研究.Markov模型可以较好地表示时序数据,因此可较好地用于位置建模和预测.在基于Markov建模的位置预测中,1阶Markov模型存在轨迹信息利用不充分、预测准确率低的问题;而多阶Markov模型存在状态空间急剧膨胀的问题.针对这些问题,提出了基于混合多步Markov模型的位置预测方法,在将原始GPS轨迹转化为区域轨迹的基础上,对各多步模型进行融合,提出了基于Adaboost框架的各多步模型影响系数的生成方法,在保证状态空间不变的情况下提高了预测准确性.真实数据集上的实验验证了所提位置预测方法的有效性.     

CARMA模型离线最小二乘迭代辨识方法

基于迭代最小二乘原理,提出了辨识CARMA模型和输出误差模型参数的最小迭代算法。两个最小二乘迭代算法分别比递推增广最小二乘算法和辅助模型递推算法具有更高的参数精度和具有很快的收敛速度。最小二乘迭代辨识的基本思想是:采用交互估计理论和递阶辨识原理,在每步迭代计算中,参数估计依赖于噪声估计,反过来噪声估计通过前一次迭代的参数估计计算,二者执行了一个递阶计算过程。最后用仿真例子验证了提出的算法。     

大流域水资源优化分配技术研究

主要目的是提供一些在水资源优化分配方面有用的方法，并演示如何方便地运用这些方法有效地对复杂的水资源问题进行系统研究.采用大系统递阶动态规划方法(LHDP)确定重要参数的变化.此法能方便地求出模型的最优解和最佳协调解.