基于逆高斯退化过程的面向任务系统CBM优化模型

针对现有单调退化系统视情维修(condition-based maintenance,CBM)优化模型中不完全维修影响考虑单一,且未同时融入可用度约束的问题,提出一种考虑不完全维修双重影响与可用度约束的单调退化系统CBM优化模型.首先,基于具有随机漂移系数的逆高斯过程,建立系统退化模型并得到相关概率分布;其次,描述任务...     

正态逆高斯扩散模型的MCMC估计

使用贝叶斯方法估计了正态逆高斯扩散模型,该方法首先使用Eu ler方法对连续过程进行离散化,用离散过程的似然函数做为模型参数的近似似然函数。证明了M CM C方法是分析正态逆高斯扩散模型的有效工具,由M CM C方法抽样所得的后验分布可以用来进行统计推断。模拟试验表明:正态逆高斯扩散能够体现资产收益的许多经验特征,如泰勒效应、尖峰厚尾等。     

基于逆高斯纹理分布的协方差矩阵估计方法

在复合高斯杂波中检测目标信号, 需要对杂波协方差矩阵进行估计, 相应的检测性能与估计精度密切相关。利用服从逆高斯分布的纹理分量来对复合高斯杂波进行建模, 可以更好地拟合高分辨杂波实测数据。本文给出了一种两步广义似然比检测器, 先假设杂波协方差矩阵已知以获得检测统计量, 再利用纹理分量的先验分布推导协方差矩阵的最大似然估计。同时,基于贝叶斯方法, 假定纹理分量和协方差矩阵均为服从某种先验分布的随机量, 推导了协方差矩阵的最大后验估计。仿真结果显示, 基于知识的自适应检测技术由于引入了纹理分量和杂波的先验信息, 其协方差矩阵的估计精度好于最大似然估计和样本估计方法, 同时具有更好的检测性能。     

基于Poisson-Normal过程性能退化模型的可靠性分析

对于高可靠长寿命产品,基于性能退化数据分析产品可靠性是一种行之有效的技术途径。由于有时无法用确定的物理/化学过程定量描述性能退化过程,借助随机过程方法建立退化模型是有效的技术途径。提出了基于Poisson-Normal过程的性能退化模型,给出了参数估计算法和可靠性估计的计算公式,结合实例说明了方法的有效性。     

基于逆高斯纹理空间相关性的雷达目标检测

高分辨海杂波可以采用复合高斯模型进行建模,纹理分量决定了杂波的非高斯特性以及后续的检测算法。传统自适应检测算法假设纹理在距离维独立同分布(independent and identically distributed, IID),忽略了实测海杂波纹理相关性。采用逆高斯分布建模纹理分量,提出了一种基于纹理空间相关性的自适应检测器。该检测器选取部分参考单元带入到似然比检测中,为待检测单元提供了散斑协方差矩阵信息和纹理信息。实测数据实验表明,该检测器相对于IID纹理假设下的最优检测器和自适应归一化匹配滤波器具有一定的性能提升。     

基于扩展有效的逆DEA模型

为了克服决策单元在有效性的评价和排序方面占主导地位的缺陷,在扩展DEA模型的基础上,对于输出减少时的逆DEA问题进行了讨论.通过求解相应的多目标规划问题(VP),得到了多目标规划(VP)的Pareto弱有效解与评价减少了输出的决策单元的规划问题的最优值之间的一些相关性质.对于决策单元为弱DEA有效的情形,也进行了类似的讨论.最后用数值实例加以说明.     

基于T-S模糊模型的模型参考自适应逆控制

针对非线性系统,提出一种基于T-S模糊模型的模型参考自适应逆扰动消除控制方法。所提方法根据模糊辨识理论与模型参考自适应逆控制各自的特点,将两者相结合。首先,根据模糊系统理论,分别采用模糊对角线划分和递推最小二乘算法进行前提和结论参数辨识,离线辨识得到对象模糊模型和逆对象模糊模型。将辨识出的对象逆设为原始控制器,与被控对象串联;为了分离出系统扰动信号,将辨识出的对象模型与被控对象并联,通过被控系统与对象模型输出做比较,再通过逆对象模型反馈到系统输入端,组成扰动消除环节。用最小均方差算法在系统运行过程中在线调节逆对象模糊模型参数,使其输出误差最小。最后,使用所提方法对一混合非线性系统及输入/输出非线性系统进行仿真试验,仿真结果验证了所提方法的有效性。     

基于高斯烟羽模型的PM2.5污染源扩散规律模拟分析

大范围频现的雾霾问题引起了政府部门和社会公众的高度关注。运用高斯烟羽模型构建PM2.5污染物的扩散模型,选取受PM2.5影响较为严重的西安地区作为分析案例,研究分析PM2.5的扩散规律及其扩散的污染区域范围。首先,介绍高斯烟羽模型的使用条件与各参数设置,分析影响PM2.5扩散的相关因素:风速、大气温度度、逆温、泄漏源参数、粗糙度等级等;然后,结合西安春节当天的监测点PM2.5浓度,在Matlab7.0软件平台下模拟仿真出其扩散的污染区域。研究结论对政府环境规制的设计实施以及有效控制和降低环境污染的应急预案具有一定的现实指导意义。     

基于模型的有限预测逆跟踪控制

针对水下无人潜航器(unmanned underwater vehicle,UUV)非最小相位的特性,提出利用有限预测逆方法实现其精确的跟踪控制.利用系统逆方法计算当前时刻t_c的有界的逆输入,需要已知所有未来时刻的理想输出信息.为了有效利用未来时刻的理想输出数据,并提高计算效率,提出将时间窗内理想输出的预测信息用于逆算法中,来求取控制输入值,从而实现对UUV的路径跟踪控制.有限预测逆方法是利用从当前时刻到未来T_p时刻内的理想路径来获得逆输入,可以实现在线控制.通过给定的精确逆输入与利用有限预测逆方法所求得的输入之间的误差,对参数T_p和m进行优化.通过实验验证了该方法的有效性,并对比说明了跟踪误差与优化参数T_p之间的呈指数递减的关系.     

非线性非高斯模型的高斯和滤波算法

通过将模型的状态噪声和观测噪声均表示成高斯和的形式,推导出非线性非高斯状态空间模型的高斯和递推算法,进一步提出了对应的扩展卡尔曼和滤波器（extended Kalman sum filter, EKSF）和高斯厄密特和滤波器（Gauss-Hermite sum filter, GHSF）。EKSF和GHSF分别用扩展卡尔曼滤波器（extended Kalman filter, EKF）和高斯厄密特滤波器（Gauss-Hermite filter, GHF）作为高斯子滤波器。分析的结果表明,现有的高斯和滤波算法是本文算法的特例;仿真结果表明,EKSF和GHSF能有效处理非线性非高斯模型的状态滤波问题,与高斯和粒子滤波器（Gaussian sum particle filter, GSPF）相比,EKSF和GHSF在保证精度的同时,大大降低了计算量,仿真时间分别约为GSPF的5%和6%。     

A dynamic condition-based maintenance optimization model for mission-oriented system based on inverse Gaussian degradation process

An effective maintenance policy optimization model can reduce maintenance cost and system operation risk. For mission-oriented systems, the degradation process ...     

Linear Bayes estimators applied to the inverse Gaussian lifetime model

For the two-parameter inverse Gaussian distribution denoted by I G(μ,λ),the authors employ a linear Bayes procedure to estimate the parameters μ and λ.The superiority of the proposed linear Bayes estimator(LBE) over both the classical UMVUE and the maximum likelihood estimator(MLE) is established in terms of the mean squared error matrix(MSEM) criterion.Compared with the usual Bayes estimator,which is obtained by an MCMC method,the proposed LBE is simple and easy to use.Some numerical results are presented to verify that the LBE performs well.     

随机效应Wiener过程退化可靠性分析方法

针对工程中很多产品的初始退化量具有不确定性的情况,提出一种性能退化随机效应Wiener过程可靠性分析方法,同时考虑初始退化量和漂移系数的随机性.然后,根据首达时的定义,推导出了失效时间概率分布函数和概率密度函数的解析表达式.其次,结合产品性能退化测试情况,给出退化模型未知参数的极大似然估计.最后,通过对磁盘性能退化可靠性实例分析,验证了本文方法的适用性和有效性,与随机效应退化轨迹模型相比,本文方法建模过程更为合理,且评估精度高.     

Objective Bayesian analysis of degradation model with respect to a Wiener process

This paper proposes an objective Bayesian method to study the degradation model with respect to a Wiener process. The Jeffreys prior and reference prior for the parameters are derived, and the propriety of the posteriors under these priors is validated. Two sampling algorithms are introduced to compute the posteriors. A simulation study is conducted to investigate the performance of the objective Bayesian procedure. Finally, the authors apply the approach to a degradation data.     

ExtendSim模型与数据驱动的指控流程建模与分析

联合作战背景下的指控流程(command and control process, CCP)涉及同层级内不同指控单元之间的横向信息交互与不同层级间的纵向信息交互。针对这种复杂化与多元化指控流程,研究了如何利用ExtendSim仿真工具对指控流程进行模型构建、验证、评估与优化。首先,通过对指控流程特点进行分析,抽取通用的要素类型,包括实体和关系要素,并映射到ExtendSim关键模块;其次,构建“指控流程要素-ExtendSim模块”的转换规则,提出构建ExtendSim指控流程模型的方法步骤;然后,研究基于ExtendSim的指控流程可行性验证方法(行为一致性、可执行性、合理性验证),提出了基于ExtendSim的指控流程评估指标(任务平均耗时、任务平均等待时间与任务最大处理容量),并研究了基于ExtendSim的指控流程优化方法;最后,通过一个通用反导指控流程案例,验证了所提建模与分析方法的可行性与有效性,可以为指控流程的建模与分析提供支撑和参考。     

Optimal inverse LQG control for certain ode and PDE stationary processes

<正> Following work carried out earlier on linear-quadratic optimal control for linear finitedimensional stationary systems we report,in this article,on extension of some of those results to certaininfinite dimensional systems;in particular a class of PDE systems of elliptic type.These systems arestudied in the now familiar framework developed by J.L.Lions and E.Magenes,specialized to asubclass of such systems important in a variety of applications.As an extended example this paperstudies an optimal redistribution problem in a groundwater flow system governed by Darcy's equation,presenting both analytic and computational work related to such problems.     

股价泡沫的逆CIR模型研究EI北大核心CSCDCSSCI

按照股价泡沫的定义,泡沫识别的本质是一个联合检验问题,面临着二难逻辑困境.不少学者因此尝试绕开泡沫定义,通过假设投机的行为特征来直接提出对应的泡沫价格随机过程模型,然后围绕这些模型的统计性质来创建识别方法.然而,目前的随机过程模型对泡沫形态的限制性较强,忽略了很多的泡沫形态,导致泡沫识别的灵敏度不高.另外,大部分模型缺乏对泡沫崩溃风险率的动态建模,使得对泡沫的实时预警缺乏理论支持.为了克服传统模型的这些不足,本文提出了一个新的股价泡沫模型.由于该模型的解服从倒数化的Cox-Ingersoll-Ross(CIR)过程,简称为逆CIR泡沫模型.该模型经济学意义明确且形式简约,便于估计.本文证明,该模型兼容传统泡沫模型的非线性风险溢价和价格暂态超指数膨胀特征.同时还证明,逆CIR模型能够解释传统模型所无法解释的泡沫实证效应——泡沫崩溃前的1)暴雨前寂静现象;2)高位滞涨现象.另外,此模型包含内生且具有明确经济意义的泡沫崩溃风险率,可作为实时预警指标.本文给出了崩溃风险率的计算方法——求解高斯超几何函数方程.对我国股市2015年泡沫崩溃的风险率实证估计表明,该模型具有良好的识别和预警效果.