基于新广义变分原理的非平衡统计力学方法及应用

在近年来非平衡统计力学研究进展的基础上,尝试从广义变分法的视角建立一套描述非平衡统计力学的新方法。即以对哈密顿原理进行修正得到的最大流原理为基础,对开放的复杂系统建立新的统计系综,构造出新的势函数,并推导出随机动力学方程,进而得出重整化方程并进行求解,得到自相似的分形结构,从而建立起一个新的统计力学理论框架。以城市系统为例,结合自组织特征映射网络进行结构模式数值分析,展示了新方法处理复杂系统的强大潜力。     

基于一个移动锚节点的无线传感器网络节点定位算法

节点定位技术是无线传感器网络应用的重要支撑技术之一,对此提出了一种基于移动锚节点的两步定位算法。该算法利用一个移动锚节点遍历整个网络,并周期性的广播包含自身当前位置的信息。把传感器节点的自身定位过程用基于无迹状态滤波(UKF)的目标跟踪方法实现。由于所用的目标状态模型和量测模型有一定的不确定性,所以先选取不共线3个锚节点信息,利用三边定位法提高滤波的初始位置精度,从而改善定位效果。最后仿真并分析比较了锚节点在多种移动轨迹情况下节点定位误差,结果表明本文所述两步定位法改善了对锚节点移动轨迹的特殊要求的限制,更适合实际情况,并取得理想的定位精度。     

基于分层贝叶斯网络的计划识别方法

分析了态势估计中计划识别问题。采用分层贝叶斯网络对计划进行分级表示,依据发生的战场事件和目标行为,动态构建分层贝叶斯网络结构,并将其作为证据进行推理。为了解决动态构建贝叶斯网络的推理问题,提出构建虚拟节点的方法,将底层贝叶斯网络的推理结果作为不确定证据,输入到对应的上层网络节点中,以代替该底层贝叶斯网络。最后,文中通过仿真实验,对基于分层贝叶斯网络的计划识别方法进行了实验验证,结果表明该方法是有效可行的。     

自调整非线性遗传算法

通过对简单遗传算法的理论分析，得出了复制、杂交、变异等算子的每次作用均相当于对所作用的个体进行一次线性变换。因此，通过对传统遗传算子进行修改，作者提出了非线性遗传算法。本文发现规范化操作对算法的计算效率有很大的影响，并且给出各遗传算子的一种等价线性表示。因此，如果针对不同的优化问题动态的进行规范化操作及遗传算子的选择，将会大大提高算法的效率。本文提出一种新的自调整非线性遗传算法(Self—Ajusting Nonlinear Genetic Algorithm,SANGA)，该算法通过规范化操作的动态选择，结合简单的遗传算子，对算法的效率有很大的提高。仿真结果表明该算法的有效性。     

基于冲击理论的性能可靠性评估研究

性能退化产品的可靠性通常可以通过性能指标值来反映,而性能指标的退化机理常常可以利用冲击理论进行解释。本文在一定假设下,针对性能退化产品,建立了基于冲击理论的产品性能退化模型,提出了将性能退化模型预测与产品寿命分布拟合相结合的可靠性评估方法,即使用极大似然估计对产品性能退化模型参数进行估计,利用性能退化模型预测拟合产品的寿命分布来评估产品的可靠度。最后,通过实例比较,验证了本方法的可行性和有效性。     

环形振子的扭转振动等效电路及有限元模态分析

基于机电类比原理,对弹性薄圆环振子的扭转振动进行了研究,建立了圆环振子平面扭转振动的机电类比等效电路模型,从等效电路得出了其扭转振动频率方程及共振频率表达式,给出了薄圆环振子频率方程的数值根与其半径比的拟合关系曲线,通过有限元(FEM)模态分析表明,理论与FEM仿真结果符合较好,对环形扭转振子的工程设计具有参考价值.     

加速RRA的随机模拟算法

文章提出"最后所有可能步进的RRA算法(Final All Possible Step RRA,FAPS RRA)".该算法改变了RRA算法的数据收集方式,目的是在不失算法精度的前提下,减少模型的运行次数,有效地提高算法的运行速度.仿真实验结果表明:在相同精度的要求下,FAPS RRA算法比RRA算法的模拟运行速率有显著提高.     

车床主轴箱体采用不同定位基准的孔径加工精度的仿真

针对某型车床主轴箱体孔径加工的特点和采用不同的定位基准对孔与孔之间的位置精度的直接影响,选择3种不同的定位方式来进行对比,即以较大的孔为定位基准、以较小的孔为定位基准和孔之间互为基准进行仿真,选择最佳的定位基准来提高某型主轴箱体主要孔径的加工精度。研究结果表明,采用小孔为定位基准来保证孔与孔之间的位置精度优于较大的孔为定位基准。     

随机模拟时滞生化反应系统的DRRA算法

提出了随机模拟时滞生化反应的DRRA算法,该算法在模拟有时滞的随机生化反应系统时更为有效与实用.文中用了两个具体的生化反应系统模型,分别使用DSSA算法、D-leaping算法和DRRA算法进行模拟.仿真实验结果表明,在精度损失较小的前提下,DRRA算法的模拟运行时间约为DSSA算法的45%~60%,约为D-leaping算法的60%~84%.     

纵向数据的混合效应模型

考虑如下的线性混合效应模型:.其中αi为随机效应部分,{εik}对同一i而言是平稳的α-混合序列.使用特征函数的方法估计了随机效应的密度函数以及模型的参数β,并研究了估计量的大样本性质.