两阶段非线性Wiener过程退化建模与可靠性分析

基于性能退化数据对产品进行可靠性分析一直是可靠性工程领域研究的热点与难点。针对多阶段退化过程中存在的非线性规律,同时考虑变点位置位于测试时刻之间的一般情形且各试样变点存在个体差异性的实际情况,提出了基于Wiener过程的两阶段非线性退化模型,给出了模型参数极大似然估计方法,建立了可靠性分析和寿命预测方法。最后通过高压脉冲电容器实例的对比分析,验证了所提方法的合理性与有效性。结果表明,与多阶段线性Wiener过程方法相比,所提方法能够更加准确地描述退化过程的非线性时变特征,进而得到更为合理的寿命评估结果。     

空基外辐射源定位系统的可观测性分析

针对空基外辐射源定位(airborne external transmitter location, AETL)系统的可观测性问题,建立了AETL系统的二维运动学模型与量测方程,基于离散化的非线性可观测理论求解系统的可观测矩阵,并分析证明了系统不可观测的条件。基于矩阵分析理论的条件数定义了系统的可观测度,并仿真分析了观测站运动参数以及目标和外辐射源的机动参数对系统可观测度的影响。结果表明,当观测站与目标和外辐射源共线或目标和外辐射源保持径向运动时系统不可观测;当系统可观测时,观测站与目标和外辐射源之间的相对速度越小,系统可观测度越大。研究结果可为观测站制定机动策略提高系统定位性能提供有效的参考依据。     

基于改进PID神经网络算法的AUV垂直面控制

针对一类小型低速自主水下航行器(AUV)的垂直面运动控制问题,设计了一种改进的PID神经网络控制器,实现对水下航行器在垂直面内深度和俯仰角的全局控制。利用REMUS水下航行器模型搭建了Simulink下AUV垂直面仿真控制系统,仿真结果表明,改进的控制方法克服了原方法中饱和区过大的问题,具有良好的动态性能同时能够适应不同的学习速率和网络初始权重,对水下航行器的工程实际应用具有一定参考价值。     

下一代光接入网中物理层关键技术研究进展

5G和数据密集型应用的兴起对下一代光接入网的容量提出了新的挑战.作为最成熟的宽带光纤接入技术，无源光网络（passive optical network，PON）受到了广泛关注.为了在满足功率预算的前提下实现更高的传输速率，提升物理层性能的关键技术一直是该领域的研究热点，同时尽可能地降低系统成本对PON的大规模部署有着重大意义.该文梳理并总结了光接入网中物理层关键技术的研究进展.介绍了PON标准的演进和现状，分析了下一代PON面临的挑战和成因，重点阐述了数字均衡技术、高阶调制格式、光放大、前向纠错、非线性串扰实验分析以及低成本相干检测等关键技术及其研究进展，并综述了当前相关工作的研究成果.     

基于抵消技术的邻道干扰抑制

针对无线设备间的邻道干扰,提出了一种干扰抑制方法。在接收机中设计邻道干扰重建支路,利用记忆多项式估计信道的非线性参数,构建邻道干扰信号模型并重建干扰信号,最终从接收信号中消除邻道干扰信号。所提方法能够有效减小邻道干扰影响,提升期望信号接收信噪比,使有限带宽内容纳更多通信设备。计算机仿真与软件无线电平台实验结果表明,在实验室视距环境中,甚高频频段,信号带宽25 kHz,所提方法能够抑制18 dB的邻道干扰,为有限空间内无线电设备间邻道干扰抑制提供了新的研究思路。     

基于电动物流车的充电和换电设施选址模型

本文研究了在充电和换电两种模式下基于电动物流车的充换电设施选址问题.首先,分别建立无充电行为时的路径规划和车辆调度模型以及充电和换电模式下,以用电成本,车辆固定出行成本,机会成本和惩罚成本之和最小化为目标的充换电设施选址模型.然后设计了一种改进的遗传算法求解路径规划和选址模型.最后,对比分析了充电和换电模式下充换电设施的选址决策及配送总成本,并得到结论:充电未造成配送延迟时,充电模式下的配送成本较低;充电导致配送延迟时,提高充电速度或选用换电模式能够使配送成本更低.另外,公用充电站服务费用的高低会显著影响物流企业关于自建充电设施还是使用公用充电站的决策.     

低渗透储层流体非线性渗流机理及特征分析

基于微尺度渗流效应，分析了低渗透油藏非线性渗流机理，根据力学平衡方程和压汞实验数据，建立了低渗透储层流体非线性渗流数学模型，分析了非线性渗流特征，并引入动态阻力梯度概念，实现对低渗储层非线性渗流的动态表征。结果表明，边界层、流体屈服应力、边界流体体相流体间的表面力对低渗透渗流形成的附加阻力，是非线性渗流的主要原因；非线性渗流特征在不同的驱替压力梯度下一直存在，在低驱替压力梯度下明显，高驱替压力梯度下弱化；采用动态阻力梯度代替启动压力梯度对非线性渗流进行表征更加合理；随着驱替压力梯度的增加，动态驱替梯度曲线特征为先从一个比较高初始值瞬间降落，之后逐渐增大；动态阻力梯度与驱替压力梯度的比值先增大后减小。     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

核稀疏概念编码算法及在图像表示中的应用

稀疏编码算法是一种常用的图像数据表示方法.为了处理高度非线性分布的数据,文中提出了一种核稀疏概念编码算法,并应用于图像表示.该算法首先对邻域图进行谱分析,提取数据的几何流形结构信息;然后将原始特征空间数据映射到高维特征空间中,利用谱回归在高维特征空间中来计算基向量;最后在高维特征空间中对每个样本逐个进行表示.文中算法不仅能有效地处理非线性结构数据,而且只需求解一个稀疏特征值问题和两个回归问题,计算简单有效.在Yale、ORL和PIE图像库的聚类实验表明,文中算法的准确率和归一化互信息均优于其它几种对比算法.     

一种新的结合奖励机制的ETLBO算法

通过对原ETLBO(elitist teaching learning based optimization)算法引入一种新的奖励机制, 提出一种新的结合奖励机制的ETLBO-reward算法, 并基于该算法提出一种简单自适应的精英个数算法RETLBO reward, 该算法保留了传统算法参数少、 易实现、 收敛快等优点, 进一步提升了传统算法的收敛能力. 对6个连续非线性优化问题的测试结果表明, 这两种算法均具有良好的性能, 求解效率较原ETLBO算法有明显提升.