集成模糊推理与定量仿真的故障预测系统研究

为解决传统故障诊断方法在装备维修保障方面的不足，将虚拟样机作为一种新的定量推理机制引入到故障仿真和预测领域，提出了基于虚拟样机的装备故障仿真预测模型。以某型自行火炮为研究对象，在ADAMS环境下建立了火炮虚拟样机。仿真预测过程根据用户输入的初始参量由虚拟样机获取初始状态，由基于动态模糊综合评判的预测方法生成候选故障集，虚拟样机结合知识库确认实际发生的故障并找出相应的故障原因和故障部件。虚拟样机的仿真结果和相关的预测实例验证了模型的有效性，表明基于上述模型的故障仿真预测系统可以获得较高的预测精度，能够满足装备预知维修保障的需求。     

一维正态云模型单规则推理映射研究

一维云模型可以用三个参数进行表征,即均值Ex、熵En和超熵He,能够实现数据从定量输入到定性推理,再到定量输出的转换过程,该转换过程可以认为是一种映射过程。针对这种映射,构造了一维云模型单规则推理结构,给出了推理算法,总结出了云模型的三个参数对这种映射过程的影响关系,最后给出了仿真验证结果。     

基于比例差分型迭代学习的故障诊断算法

因为微分运算会给系统带来不良影响,所以为了避免在迭代学习算法中使用微分运算,同时又可以取得比单纯比例型迭代学习算法较快的收敛速度,将比例差分型迭代学习策略应用到故障诊断中,提出了一种新的故障诊断算法。该算法利用残差以及相邻两次残差的差分信号对引入的虚拟故障信号进行逐次修正,使虚拟故障逼近系统中实际发生的故障,从而达到对系统故障诊断的目的,并通过压缩映射方法,对故障跟踪估计器的收敛性进行了严格证明。该方法不仅可以有效地检测出系统不同类型的故障,还可以精确估计出各种故障信号。最后仿真结果验证了该方法的有效性。     

基于灰色神经网络组合模型的故障预测

针对装备故障预测存在有效样本少、模型预测精度低等问题，集成灰色理论和神经网络方法，提出基于灰色神经网络的故障预测组合模型。基于新信息优先原理和重构背景值方法优化灰色GM（1，1）模型的初始值与背景值，利用Levenberg-Marquardt算法改进反向传播神经网络模型；采用组合预测思想，将多方法融合改进灰色模型和神经网络模型，分别构建基于权重分配、基于误差修正和基于结构优化的3种灰色神经网络组合模型。以某雷达发射机的故障预测为例，验证上述方法在故障预测中的有效性。结果表明，灰色神经网络组合模型的预测精度优于单一预测模型，可用于装备的故障预测和预测性维修。     

基于未来负载预测的无线异构网络自适应负载均衡算法

为避免由于网络负载抖动而造成的频繁网络选择,本文为无线异构网络提出了一种预测网络未来负载的自适应负载均衡算法。通过马尔可夫链预测负载状态空间的概率,将预测到的概率通过负载趋势函数映射为趋势值,利用趋势值进行网络选择和自适应触发门限的调整。仿真结果表明,该算法能有效降低接入阻塞率及均衡切换次数。     

基于神经网络的军用飞机故障预报系统研究

在军用航空领域 ,及时准确的故障预报对提高飞行器的安全性具有极其重要的意义。针对飞机故障预报系统的设计要求 ,考虑到神经网络用于故障预测的优点 ,在神经网络技术应用于军用飞机的故障预测过程中提出了神经网络模型的训练算法。把神经网络、预测理论、专家系统有机地结合起来建立了一个故障预报系统。并以某型军用飞机冷气系统的典型故障为例 ,实现了故障的预测。实例预测结果证明 ,给出的神经网络预测模型和训练算法是可行的     

新的空间权重矩阵及其在中国省域对外贸易中的应用

采用空间计量经济学的方法,研究我国31个省市1997--2006年间对外贸易的空间关系．提出了一种新的经济空间权重矩阵——基于区域变量协动程度的协动空间权重矩阵(Co-Movementspatial weight matrix)．并分别采用简单地理空间权重矩阵和协动空间权重矩阵对31个省市间的空间关系进行了检验,说明我国各省市间存在空间相关关系.基于这两种空间权重矩阵及31个省市的数据,分别构造得到影响各个省市的空间滞后项, 将其引入到误差修正模型中,对31个省市的出口数据进行了预测, 并以有代表性的三个省市:广东、北京、湖南说明模型预测效果. 结果表明: 在一些省市的预测中,引入空间关系十分必要, 并且能够显著的提高模型的预测精度.     

基于证据推理和置信规则库的涡扇发动机故障预测

针对某型涡扇发动机故障预测的问题,提出一种基于证据推理和置信规则库的涡扇发动机故障预测模型。为描述涡扇发动机的健康状态,利用证据推理算法融合发动机系统状态信息;结合先验知识建立混合驱动的置信规则库仿真预测模型;采用投影协方差自适应进化策略用于优化模型参数;通过实验验证了模型的有效性。研究结果表明：该方法不仅准确预测涡扇发动机故障风险概率,而且为故障诊断和维修保障提供了有力的支撑。     

基于加权网络结构熵的电网连锁故障研究

为研究大规模互联电网连锁故障的发生机理,选取输电线路的电抗值作为线路权重,建立电网加权拓扑模型,定义综合考虑节点和边差异性的加权网络拓扑模型结构熵的概念,以此描述故障演化过程中电网拓扑结构的不均衡性。对新英格兰39节点系统和IEEE118节点系统动态仿真实验说明,在连锁故障中,结构熵值的变化规律能较好地表征连锁故障的传播特性,同时结构熵值越小,系统损失负荷越多。     

考虑故障检测效用与修正效用的软件可靠性增长模型

测试效用是影响软件测试过程的重要因素,其随时间的变化情况直接影响着测试过程中的故障检测和修正的效率,合理地评估测试效用对测试过程的影响是建立精确软件可靠性模型的关键因素。针对现有模型对测试效用认识的不足,严格根据实际测试情况,将测试效用分为故障检测效用和故障修正效用,并在此基础上,建立了综合考虑这两种效用的软件可靠性增长模型。利用公开发表的软件测试失效数据集对模型进行验证,结果表明,与现有的考虑故障检测与修正过程的模型相比,所提模型具有更好的拟合和预测能力。     

地空导弹装备高原训练安全风险评估

地空导弹装备在高原开展训练时,面临众多具有随机性和模糊性特点的风险因素。针对该问题,结合高原环境以及地空导弹装备作战流程,分析了影响其高原训练安全的主要风险因素,构建了安全风险评估指标体系。在模糊综合评价法的基础上引入云模型,通过云模型的熵和超熵反映风险的随机性和模糊性,提出了基于云模型的地空导弹装备高原训练安全风险评估方法。最后,通过一个算例分析验证了该方法的实用性。研究结果可为风险控制提供参考。     

云模型算法及在过热汽温控制中的仿真研究

为了实现非线性、大时滞系统的良好控制，提出了一种新型的云模型智能控制算法．该算法是基于云模型控制规则的不确定性推理，用期望值Ex、熵En和超熵He表征定性概念，将概念的模糊性和随机性集成在一起，实现知识库中定量与定性之间的相互转换。谊智能控制器采用模糊控制原理，同时为了消除稳态误差，加入了一堆云控制，故采用了一种基于混合维的云模型智能控制器，并对600Mw超临界机组直流锅炉的过热汽温进行了仿真研究。仿真结果表明，该控制器简易、直观、鲁棒性强，具有良好的控制性能和较好的应用价值。     

电液伺服变距系统的二维云模型控制研究

云模型是对语言值所蕴含的模糊性和随机性的一种数学描述，它用期望值Ex、熵En和超熵He表征定性概念，将概念的模糊性和随机性集成在一起，是实现知识库中定量与定性之间相互转换的一种新途径。本文论述了模糊子集的云模型表示、基于云模型控制规则的不确定性推理，并设计了一种二维云模型控制器。仿真结果表明，该控制器简易、直观、鲁棒性强，具有良好的控制性能和较好的应用价值。     

基于稀疏重构的L型阵列MIMO雷达降维DOA估计

针对L型阵列多输入多输出(multiple-input multiple-output,MIMO)雷达二维空间角估计问题,提出一种基于协方差矩阵联合稀疏重构的降维波达方向(direction of arrival,DOA)估计算法。该算法根据L型阵列MIMO雷达联合流型矢量的特点,通过降维矩阵的设计及回波数据的降维变换,最大程度地去除了所有的冗余数据;通过协方差矩阵联合构造稀疏线性模型,将2维角参量空间映射到1维空间,极大降低字典长度和求解复杂度的同时,不牺牲阵列孔径,实现了二维空间角度的有效估计和参数的自动配对。理论分析与实验仿真表明:与RD_MUSIC算法相比,本文降维处理有效提高阵元利用率的同时,最大程度地降低了回波数据的维数;与传统子空间类算法相比,基于协方差矩阵联合构造的稀疏线性模型充分利用了阵列孔径,无需预先估计目标数目,参数估计性能在低信噪比及小快拍数据长度下优势明显。最后,仿真结果验证了本文理论分析的正确性和算法的有效性。     

基于超曲面的多类分类方法

使用支持向量机对非线性可分数据进行分类的基本思想是将样本集映射到一个高维线性空间使其线性可分 .基于 Jordan曲线定理 ,提出了一种通用的基于分类超曲面的分类法 ,它是通过直接构造分类超曲面 ,根据样本点关于分类曲面的围绕数的奇偶性进行分类的一种全新分类判断算法 ,不需作升维变换 ,不需要考虑使用何种核函数 ,而直接地解决非线性分类问题 .对数据分类应用的结果说明 ,基于分类超曲面的多类分类法可以有效地解决非线性数据的分类问题 ,并能够提高分类效率和准确度 .     

基于核和灰度的灰色马尔可夫预测模型及应用

在处理预测问题时,常有原始数据为区间数组成的随机波动性较大的区间数列的状况。为进一步提高区间灰数预测精度,提出基于核和灰度的灰色马尔可夫预测模型。该方法以区间灰数核序列为依托建立预测模型,实现区间灰数核的预测;又根据“灰度不减公理”,由灰数核为中心延伸得出区间灰数的上下界;在保持区间灰数独立完整的前提下,构建了区间灰数预测模型,在此基础上用马尔可夫预测模型修正预测结果。该模型在航空货运量的趋势预测中显示马式链修正结果较区间灰数预测数据呈低估状态。结果有助于加强市场参与者对航空货运市场的宏观认识,并为经济决策行为提供参考。     

基于贝叶斯网络的复杂系统故障预测

针对复杂电子系统信号具有不确定性的特点,提出一种基于贝叶斯网络的故障预测模型。该模型通过对连续的信号特征进行量化处理,利用专家知识结合信号建立贝叶斯网络结构;对不同样本采用不同算法来进行网络学习,采用概率推理定量估计信号的区间预测概率,从而建立一个可推理的预测模型。将该方法应用于电源系统进行故障预测,针对不同数据样本进行实验,结果验证具有较高的区间预测率,为复杂系统的故障预测提供了新手段。     

支持向量回归机预测误差校正方法

针对传统的ε不敏感支持向量回归机(ε insensitive support vector regression, ε-SVR)未充分考虑局部支持向量对回归预测结果的影响,不利于提高回归预测精度的问题,提出了一种εSVR预测误差校正方法。该方法以期望预测值与εSVR回归预测值及局部支持向量间的欧氏距离和最小为目标函数,以ε不敏感损失带(εtube)宽度为约束条件,通过利用高维特征空间中εtube边界上和边界外的局部支持向量对εSVR的回归预测值进行误差校正。利用人工产生的不同分布数据集和UCI数据集进行的仿真结果表明,与传统的εSVR相比,该文方法具有更高的预测精度和更强的泛化能力。