基于状态空间分割的两部件系统机会维修优化

针对"硬失效"故障的两部件串联系统,制定了周期性视情预防更换、机会更换和故障更换相结合的维修策略,提出了劣化状态空间分割方法以分析机会维修模型中系统的各种维修组合的维修概率,并给出了系统稳态联合概率密度的数值近似求解方法.应用该方法建立了基于半更新过程理论的系统长期平均费用率模型,求解最优维修策略对应的检测周期、机会和预防维修阈值.数值实验表明了劣化状态空间分割法和费用率模型的正确性和有效性,分析了优化结果对各种费用参数的灵敏程度.     

基于有监督核自组织映射的锂电池健康状态预测

高效准确地预测锂电池的健康状态(State of health,SOH)可以保证锂电池的正常运行,提高维护效率及电池本身的稳定性。提出一种基于有监督核自组织映射(Supervised kernel self-organizing map,SKSOM)的建模方法用于锂电池SOH预测。首先,对锂电池的原始放电数据进行预处理及归一化;然后,设计并优化了针对SKSOM的输入特征,在此基础上训练出SOH预测模型;最后,在美国国家航空航天局(National Aeronautics and Space Administration,NASA)的标准锂电池数据集上进行验证。实验结果表明,该文所用的预测模型能有效挖掘出锂电池的SOH规律,预测性能优于其他已有的SOH预测模型。     

一种新的具有多个储备池的回声状态网

回声状态网是一种新型的递归神经网络,仅需要训练输出权值,克服了传统递归神经网络存在训练算法过于复杂、收敛速度慢、易于陷入局部最小等问题.为进一步提高回声状态网的建模能力,特别是面临实现多个正弦函数叠加(MSO)等任务时的逼近能力,提出了由泄露积分型神经元构建一种新型的多储备池回声状态网,称为多储备池泄露积分回声状态网(MLESN). MLESN是采用由顶向下和由底向上相结合的思路构建回声状态网.首先采用由顶向下的思路构建回声状态网,假设其储备池由P类相异泄露积分型神经元构成,每一类神经元的群体将构成一个子储备池.然后采用由底向上方式构建回声状态网,生成P个相异中心神经元,分别代表P个子储备池,每个子储备池的神经元状态要与其中心神经元状态相同或相近,P个中心神经元之间通过随机稀疏连接构成了一个新的虚拟子储备池.在储备池状态更新过程中,仍需保持各子储备池内部神经元之间的差异性小,不同子储备池神经元状态之间的差异性大的特点.最后,利用Matlab仿真软件进行实现,并与泄露积分型回声状态网(Leaky-ESN)预测性能进行比较.仿真结果表示,本文提出的方法具有更高的预测精度和预测误差波动性小等特点.     

Brent原油期货市场波动结构突变点预测

针对Brent原油期货市场可能存在结构突变点（结构断点），引入了隐马尔科夫模型(Hidden Markov Models，HMM)对其进行波动状态预测，但是由于HMM模型测度下的波动状态中可能存在伪结构突变点，再使用迭代累积平方和(Iterated Cumulative Sums of Squares，ICSS)模型对Brent原油期货市场波动结构突变点进行诊断，并修正其波动状态，为了检验ICSS-HMM-EGARCH模型对Brent原油期货市场结构突变点预测的准确性，基于修正后的波动状态再次使用HMM-EGARCH模型对Brent原油期货市场进行波动率预测。最后，采用成功率(Success Rate，SR) 和基于平均误差函数(Root Mean Squared Errors，RMSE)的Diebold-Mariano(D-M)模型分别对预测波动状态和预测波动率的准确性进行检验。实证结果表明：Brent原油期货市场中存在波动结构突变点；HMM模型测度下的波动状态中存在伪结构突变点，而ICSS-HMM-EGARCH模型能够修正波动状态中的伪结构突变点；基于修正后的波动状态后HMM-EGARCH模型能够对Brent原油期货市场进行更加准确地波动率预测，因而ICSS-HMM-EGARCH模型能够准确地预测Brent原油期货市场波动结构突变点。     

电力机车静动态在线绝缘监控装置研制及应用

电力机车直接影响运行安全及运输秩序的因素之一是车顶雾闪及主变压器火灾事故,因此研制电力机车高压供电系统静动态绝缘监控装置成为确保运输安全的一个重要课题。文章阐述了检测装置系统构成、功能原理、主要技术特点及现场应用情况,为实践提供了科学依据。