基于双层模型的置信规则库参数与结构联合优化方法

作为置信规则库优化过程的两个重要方向,参数学习和结构学习共同影响着置信规则库的建模精度和复杂度.然而,现有的置信规则库优化方法大多只关注参数学习或结构学习某一方面的研究,无法有效平衡建模精度和复杂度这对相互影响的指标.为此,本文提出了置信规则库参数与结构联合优化方法.该方法基于赤池信息准则将建模精度和复杂度两方面信息纳入统一目标,建立置信规则库联合优化目标函数;然后,建立交集假设下的置信规则库双层优化模型并提出模型求解算法;进一步拓展前提假设条件,提出并集假设条件下的置信规则库规则激活方法和权重计算方法,并提出并集假设下的置信规则库双层优化模型以及相应的求解算法.经过参数与结构联合优化之后,得到置信规则库最优决策结构.文末,引入输油管道泄漏检测案例验证所提出方法的有效性.通过与已有研究相对比,结果表明并集假设下的置信规则库联合优化方法在提高建模精度和降低复杂度方面均具有良好表现.     

一种多用户MIMO OFDM系统中的跨层自适应资源分配算法

提出了一种多用户MIMO OFDM系统中的跨层自适应资源分配算法。在发送功率一定的条件下以吞吐量最大化为目标把用户等待时间作为优化因子,首先分配子载波,再分配子载波的比特和功率。最后分配空间子信道的比特和功率.仿真结果表明提出的算法能够满足用户等待时间的公平性和用户的QoS,而且能够有效提高系统的吞吐量.     

关于XJ01-300KW起动柜V形接线错误的简单分析

V形接线是一种适用于一切三相平衡负荷电路的测量，计量与保护的电路。由于该电路采用的元件少，接线简单，因此应用相当普遍广泛。现结合中职教材《旋转相量与相量》，分析关于XJ01-300KW起动柜的V形接线错误。     

一种混合建模方法在陀螺漂移预测中的应用研究

陀螺仪作为惯性导航系统的核心惯性器件,其漂移性能直接影响导航的精确性,分析陀螺漂移的变化趋势并预测由漂移所引发的陀螺故障具有重要的意义。提出一种基于灰色理论和平稳时间序列分析的混合建模方法,并将其用于预测陀螺漂移。实验结果表明该混合建模预测方法能够精确地预测陀螺的漂移,从而为陀螺的性能分析和故障预报提供依据。同时与单一预测方法相比,该混合方法具有较强的预测能力。     

线性化逐层优化MLP训练算法

提出了线性化逐层优化ＭＬＰ训练算法（ＬＯＬＬ）．ＬＯＬＬ采用循环方式逐层对ＭＬＰ的连接权值进行训练．训练连接权值时用一阶泰勒级数表示神经元的非线性激活函数以实现神经网络的线性化,使ＭＬＰ的训练问题转化为一个线性问题．同时,为保证神经网络线性化条件不被破坏,ＬＯＬＬ通过在神经网络的误差函数中计入部分线性化误差限制参数的改变幅度,对神经网络的误差函数进行了修正．实验结果显示,ＬＯＬＬ训练算法的速度比传统的ＢＰ算法快４倍,用它构成的语音信号非线性预测器有较好的预测性能．     

基于置信规则库的捷联惯组误差系数预测方法

捷联惯组(strapdown inertial measurement unit, SIMU)是火箭等大型飞行器控制系统的核心部件,结构复杂，可获得的误差系数样本较为缺乏。置信规则库(belief rule base, BRB)作为一种专家系统能够有效融合专家知识和监测数据,可以有效处理小样本情况下复杂系统建模问题。鉴于此,本文提出了一种基于BRB的SIMU误差系数预测方法。为充分利用脉冲量输入信息,提高信息转换精度,降低指标转换过程中的信息损失,根据惯组脉冲量输出特点提出了一种新的匹配度计算方法,提升模型的精度。最后,以某型SIMU加速度计为例验证了所提方法的有效性。     

融合多元信息的武器装备性能评估方法

针对武器装备结构层次复杂、评估指标多元等问题,采用一种融合多元信息的性能评估方法对武器装备性能进行评估。该方法考虑装备指标信息的可靠度和权重,构建了多层评估指标体系。基于证据推理规则将多元信息进行融合,得到装备性能评估结果,从而为解决装备性能评估问题提供决策依据。最后,对某型装备中激光惯性组合(inertial measurement unit, IMU)的性能进行评估,验证了所提方法的有效性。     

考虑触点影响的航天继电器寿命预测方法

电磁继电器作为航天系统中的一种关键器件,其性能直接影响着整个系统的可靠性.现行航天继电器的触点大多具有多组且比较紧密的特点,造成了继电器在工作过程中触点组之间相互作用,影响了继电器的退化性能.针对此问题,提出了基于吸合时间退化变量的建模方法.采用小波-卡尔曼滤波算法对模型状态进行估计,将触点组之间的相互影响用带参数的线性关系表示,并用极大似然估计进行参数更新,从而进行继电器寿命预测.通过基于PC104的继电器测试系统获取实验数据,分析验证了该算法的有效性和可行性.     

合作博弈框架的资源分配

提出一种多用户MIMO OFDM系统中的基于合作博弈框架的自适应资源分配算法，该算法在纳什讨价还价解（NBS）和Raiffa-Kalai-Smorodinsky讨价还价解（RBS）的Pareto最优解的基础上分配资源，使用户的速率能够最接近于Pareto最优解．仿真结果表明，该算法的性能明显优于固定分配方案，只是略逊于Max Rate方案，但是其公平性明显优于Max Rate方案和固定分配方案．     

1/fα噪声对计算混沌动力系统最大Lyapunov指数的影响

最大Lyapunov指数是诊断和描述动力系统混沌的重要参数。本文在仿真计算的基础上,发现1/fα噪声对计算混沌动力系统最大Lyapunov指数具有显著影响。在同一噪声水平下,白噪声的影响最为显著,随功率谱指数α的增大,其影响逐渐减弱;随着噪声水平的增加,1/fα噪声对计算混沌动力系统最大Lyapunov指数的影响越显著。当α≥2.0时,在噪声水平为0.2的情况下,计算得到的最大Lyapunov指数的误差小于10%。