基于支持向量机的机械零件剩余寿命区间估计

为提高机械零件剩余寿命估计精度,提出了一种基于支持向量机(support vector machine,SVM)的剩余寿命区间估计模型.简要介绍SVM的线性及非线性理论,分析SVM输入变量与输出变量间的统计关系,将机械零件性能退化指标和剩余寿命分别作为SVM输入变量及输出变量.假设输入变量与残差相互独立且残差分布类型已知,采用极大似然法估计残差的分布参数,在此基础上推导一定置信水平下SVM输出变量置信区间.将均方误差作为SVM预测误差的衡量指标,应用变步长网格搜索法确定SVM参数.通过实例说明所提模型能够准确对机械零件剩余寿命进行区间估计,具有较强的工程应用价值及通用性.     

电路容差对继电保护装置可靠性影响的分析方法

为了分析电路容差对继电保护装置可靠性的影响,提出以正确响应率作为可靠性指标,以系统实际输出信号幅值是否超出标称输出信号幅值的容差范围作为系统失效的可靠性判据,并确定了可靠性指标的置信区间估计.将OrCAD/PSpice软件的电路仿真功能与蒙特卡罗法相结合,基于点估计法和区间估计法求取可靠性指标及其置信区间.最后以数字保护装置的数据采样系统为算例,对其电路参数进行灵敏度分析,证实了所提出方法的正确性.     

多变量Hammerstein-Wiener模型的参数辨识

为了突破现存Hammerstein-Wiener模型参数辨识方法中假设输出非线性块可逆的限定条件,基于可分非线性最小二乘算法,提出由多个单变量Hammerstein子模型和一个多变量输出非线性块组成的多变量Hammerstein-Wiener模型的参数辨识方法.首先,以输出误差最小为准则使用Levenberg-Marquardt法辨识出输出非线性块和Hammerstein子模型的两个参数集.其次,对Hammerstein子模型使用基于张量积的奇异值分解,辨识出输入非线性块与中间线性块的参数.再次,理论分析了所提辨识方法的辨识收敛性.最后,通过仿真验证此法的有效性.     

基于ＳＯＲＡ 的多学科协同优化可靠性优化方法

为了突破现存Hammerstein-Wiener模型参数辨识方法中假设输出非线性块可逆的限定条件,基于可分非线性最小二乘算法,提出由多个单变量Hammerstein子模型和一个多变量输出非线性块组成的多变量Hammerstein-Wiener模型的参数辨识方法.首先,以输出误差最小为准则使用Levenberg-Marquardt法辨识出输出非线性块和Hammerstein子模型的两个参数集.其次,对Hammerstein子模型使用基于张量积的奇异值分解,辨识出输入非线性块与中间线性块的参数.再次,理论分析了所提辨识方法的辨识收敛性.最后,通过仿真验证此法的有效性.     

电路仿真工具Pspice的基本组成

介绍了电路仿真工具的5项组成模块：电路原理图输入程序、激励源编辑程序、电路份真程序、输出结果绘图程序、模型参数提取程序和元器件模型参数库；并介绍了其应用范围。     

基于EM-GIBBS算法的ARMA(p,q)测量误差模型的参数估计

本文对基于ARMA(p,q)的测量误差模型的参数估计提出了EM-Gibbs算法.由于无法给出模型参数的极大似然估计解析解,本文在EM算法框架下对参数进行估计.在实施EM算法M步骤过程中,为了计算高维正态分布的隐变量一阶、二阶矩,需要求出高阶矩阵的逆矩阵.为了避开计算高阶矩阵的逆矩阵,通过Gibbs抽样,给出了隐变量的一阶、二阶矩的估计,从而给出了EM算法M步骤中参数最优值的估计.最后通过对ARMA(1,1)测量误差模型进行了数值模拟,模拟结果验证了所提EM-Gibbs算法的可行性和有效性.     

一类H_∞线性连续时变反卷积滤波器

在反卷积框架下研究未知输入的估计问题,提出一类线性连续时变H∞反卷积滤波器.反卷积滤波器的结构等效于输出观测器和一个线性映射,该线性映射反映了未知输入与输出估计误差之间的内在联系.基于有界实引理给出了反卷积滤波器的时域设计方法和滤波器存在的充分条件.滤波器的设计参数可通过求解一个Riccati方程来构造.文中还给出了反卷积滤波的稳态解,并通过数值算例证明了所提出方法的有效性.     

外激励禁忌学习单神经元模型的动力学分析及混沌电路设计研究

对近期文献中提出的具有外部输入正弦激励的禁忌学习单神经元模型的动力学行为进行了分析,详细地设计了该混沌系统的硬件电路,包括具有非单调激活函数的电路,运用电路仿真软件对所设计的实现该混沌系统的振荡器电路进行了实验仿真,研究了电路中的非线性动力学现象,经过电路仿真与数值模拟结果分析对比验证了所设计电路的合理性.     

基于遗传算法的组合电路最大功耗估计

用遗传算法来选择具有高功耗的输入模型,对电路进行仿真,实现组合电路的最大功耗估算。同时给出了基于统计的逻辑模拟最大功耗估计方法。基于ISCAS85基准电路的仿真表明,该方法在大规模门数时具有明显的优势,估算精度较高,且计算时间基本上电路逻辑门的线性关系。     

系数为对称梯形模糊数的回归模型

针对输入为精确、输出和系数为对称梯形模糊数的情况,建立模糊线性回归模型,给出该模型的最小二乘估计和模型性能的评价方法.当输入、输出以及系数都退化为精确值时,该估计退化为经典的最小二乘估计.