仿真VV＆A标准和规范研究现状及分析

VV＆A（Verification，Validation and Accrediration）是仿真建模可信度评估工作的基础，VV＆A工作是建模仿真必不可缺的一部分。VV＆A标准化对VV＆A工作的推进意义重大。介绍了国际上当前主要的VV＆A标准化工作，包括美国国防部VV＆A建议规范系列，IEEE1278．4规范，THALES JP 11．20REVVA项目，ITOPV＆V项目，SISO VV＆A Overlay项目和MSG-019／TG-016项目等，并对它们的VV＆A角色定义、VV＆A过程定义以及核心思想、方法论等方面进行了详细的比较。最后，分析了这些标准的特点、相互关系、发展方向和对我们的借鉴意义。     

基于Simulink的液压起升机构仿真研究

探讨了基于Simulink平台的液压起升机构建模与仿真方法。利用Simulink的SimMechaics模块集建立了起升机构的机械模型,采用改进的节流流量模型,基于节点法建模思想建立了易于计算机求解的液压系统模型,根据液压、机械系统的参数关联关系将两个系统模型有机集成起来,得到较为完整的液压起竖机构仿真模型,并给出了仿真结果,对起升机构的性能分析和智能控制算法的应用研究具有实际意义。同时指出,该方法能够实现机械、液压、控制系统仿真模型的有机集成,对复杂机电液一体化系统的仿真与优化研究具有借鉴意义。     

基于四阶累积量的线性调频信号参量估计

针对加性高斯有色噪声背景下的一维、二维线性调频信号的参量估计问题,引入高阶统计量,提出了一种基于四阶累积量的新方法。该方法利用高阶累积量对加性高斯噪声有较好的抑制能力的特性,结合极大似然方法,可获得较低信噪比下的线性调频信号参量的较高精度的估计。给出了应用该方法的具体步骤,通过仿真实验证明了该算法的有效性。     

多渠道分销库存系统成本模型

考虑由一个制造商、多个分销中心、多个零售商组成的多级分销系统。针对多渠道分销问题,在周期检查库存策略的前提下,分别建立分销中心持有库存和分销中心不持有库存两种情况下,零售商具有随机需求及相关需求的多级库存系统成本优化模型。最后,通过算例,从系统总成本最小的角度出发,给出了这两种条件下库存成本随需求相关系数的变化情况,证明了此模型可用于库存决策。     

基于RBF神经网络的井眼方位角误差建模及补偿

对于陀螺钻井测斜技术而言,由于惯性器件本身误差及井下恶劣条件带来的干扰均具有复杂性,误差补偿是影响测量精度的关键因素。在阐述陀螺测斜原理、分析测斜系统可能产生的各种误差的基础上,进行了测斜仪转台实验,并采用神经网络中的径向基函数理论建立了井眼方位角误差模型,将其建模性能指标与双线形插值建模指标进行综合对比,结果表明RBF网络建模时间短、拟合性能好、预测能力强、补偿后方位角误差得到有效抑制、补偿精度高,各项指标均优于双线形插值方法。     

离散事件动态系统理论在通信网络中的应用

通信网络是—个典型的离散事件系统。离散事件动态系统（ＤＥＤＳ）理论综合并提出了许多对离散事件系统建模及性能评估等的方法,为解决通信网络中的一些关键问题提供了有力的工具。本文综述了近年来ＤＥＤＳ理论在通信网络建模、分析、优化以及网络管理等方面的应用进展情况,并提出了一些自己的看法。     

用神经网络实现线性系统状态估计

本文研究了一种用神经网络解决线性动态系统状态估计问题的方法。使用了动态优化技术设置Ｈｏｐｆｉｅｌｄ网络的加权矩阵。仿真结果显示本文研究的方法具有广泛的适用性。此方法对于大型系统实时估计具有很大的应用潜力。     

高速背板互连的信号完整性仿真方法

提出了一种高速背板互连的信号完整性仿真方法。高速接插件的厂商只提供参数模型,借助矢量拟合方法可以推导出电路模型,再使用部分元等效电路法仿真走线得到等效电路模型。推导出联合仿真的方法,实现了高速背板互连的信号完整性仿真。通过等效电路的仿真结果和厂商提供的原始参数进行的比较,以及部分元等效电路法与商用软件仿真结果的比较验证了等效电路的正确性。最后对完整的板间互连通道进行了仿真,并将最终的仿真结果与商用软件的仿真结果进行了比较,证明了所提方法的正确性,给出了整个通道眼图仿真分析结果。     

Multi-label dimensionality reduction and classification with extreme learning machines

In the need of some real applications, such as text categorization and image classification, the multi-label learning gradually becomes a hot research point in recent years. Much attention has been paid to the research of multi-label classification algorithms. Considering the fact that the high dimensionality of the multi-label datasets may cause the curse of dimensionality and wil hamper the classification process, a dimensionality reduction algorithm, named multi-label kernel discriminant analysis （MLKDA）, is proposed to reduce the dimensionality of multi-label datasets. MLKDA, with the kernel trick, processes the multi-label integrally and realizes the nonlinear dimensionality reduction with the idea similar with linear discriminant analysis （LDA）. In the classification process of multi-label data, the extreme learning machine （ELM） is an efficient algorithm in the premise of good accuracy. MLKDA, combined with ELM, shows a good performance in multi-label learning experiments with several datasets. The experiments on both static data and data stream show that MLKDA outperforms multi-label dimensionality reduction via dependence maximization （MDDM） and multi-label linear discriminant analysis （MLDA） in cases of balanced datasets and stronger correlation between tags, and ELM is also a good choice for multi-label classification.     

基于储备容量的交通网络潜在瓶颈路段识别

交通网络潜在瓶颈路段是随着需求变化将来可能会成为瓶颈的路段.准确识别出潜在瓶颈路段并进行优化管理,可以更好地适应未来交通需求的变化.基于交通网络储备容量模型,提出了交通网络潜在瓶颈路段识别方法,并设计了储备容量模型的求解算法.算例分析比较了现状需求和路网可容纳最大需求下的交通均衡流量模式.结果表明,不能简单地根据现状需求去推断潜在瓶颈路段,而论文提出的方法可以识别出路网达到最大需求时的潜在瓶颈路段.此外,利用交通网络储备容量模型设计了一种次要潜在瓶颈路段识别方法,次要潜在瓶颈路段是在优化潜在瓶颈路段之后随需求增长新出现的瓶颈路段.算例表明该识别方法具有一定的适用性.