卡尔曼滤波在非寿险未决赔款准备金估算中的应用

在历史数据缺乏和数据质量较低的情况下,非寿险公司应用传统的准备金估计方法常存在估计精度不高的问题.本文通过状态空间来描述非寿险赔付过程,应用卡尔曼滤波来估计状态空间的转换参数,并分别预测损失频率和损失程度从而动态地估计未决赔款准备金.实证分析表明,在历史数据较少争存在错误数据的情况下,本方法对改善未决赔款准备金的估计是有效的.     

基于数量柔性契约与Markov链的应急物资采购模型

突发灾害是以一定概率发生的随机事件,其状态总是不断发生转移,使政府已采购的应急物资在状态好转时易造成浪费,在状态持续恶化时难以满足突发需求,因此考虑突发灾害状态转移的应急物资采购策略对提升政府应急物资保障能力至关重要.本文将突发灾害状态转移过程视为一个有限次的齐次Markov链,构建了基于数量柔性契约的应急物资采购模型,分析了政企达成合作的条件与双方最优决策策略.采用数值计算与敏感性分析验证该模型的有效性,讨论了若干外生变量对政企最优决策策略与双方成本收益的影响,提出了重要的管理启示.结果表明,突发灾害状态转移情形下的应急物资采购模型既能提高政府应急物资保障能力,又可以保障企业合理收益与控制政府成本.     

基于粗糙集和证据理论的设备状态评估方法

为准确判定复杂设备健康状态,提出一种基于粗糙集理论和证据理论的健康状态评估方法。鉴于粗糙集只能处理离散指标,首先提出一种基于动态模糊C-均值聚类算法的连续型评估指标的离散化方法;再通过基于互信息的属性约简算法对复杂设备健康状态评估指标进行约简;然后对约简的评估决策表进行处理,构建基本信度分配函数;最后利用D-S合成规则进行多指标合成得到健康状态,进一步挖掘评估指标与健康状态间的关系。实例研究及对比分析表明该方法能有效提高决策可信度,减少评估的不确定性。     

基于故障风险标尺的复杂装备健康状态分类模型

针对复杂装备故障呈现出多重性、相关性及模糊性的特点,本文分析了装备健康状态演化规律,利用自适应模糊神经网络、故障模式、影响及危害性分析构建故障风险标尺,实现了对复杂装备故障风险程度的定量化描述及装备健康状态的分类。通过实验分析,本文提出的模型相比于传统的故障预测以及故障风险程度定量方法具有显著优势,实现了对装备从设计生产、部署使用以及退役报废全寿命周期的动态反馈,对提高复杂装备综合保障能力具有重要意义。     

运行状态逐渐恶化的同类设备流维修管理模型

大量同类设备的维修问题具有广泛的应用背景,这样的设置具有运行状态逐渐恶化的性质。虽然有许多文献对这类设备维修问题进行研究,但很少文献在建模中联合考虑其他同类设备运行状态及维修资源有限的情况。Venkatesh等人在这方面进行了开拓性的工作。然而他们只是对一个简单的设备流维修管理问题(FMP)问题进行了研究,仍然存在不足。本文尝试将问题进行扩展,讨论了一类具有多个运作方和维修方的设备流维修优化问题。通过仿真实验,将设备流维修管理与传统的基于条件的设备维修管理进行了比较。结果显示,本文提出的设备流维修策略可以获得更多收益。     

一类切换系统的鲁棒状态反馈控制

考虑了一类非线性不确定切换系统的鲁棒状态反馈稳定问题，不确定项包含了系统矩阵的摄动以及满足匹配条件和不满足匹配条件三部分．对于给定的不确定切换系统，研究了其二次稳定和渐近稳定问题．基于公共李雅普诺夫函数方法，以矩阵不等式的形式给出了非线性切换系统鲁棒状态反馈稳定的若干充分条件．仿真结果验证了文中结论的正确有效性。     

基于扰动观测器的伺服控制器设计及仿真研究

利用扰动观测器减弱系统的量测噪声和外部扰动,利用抗漂移的状态反馈控制器来减弱驱动饱和的影响,将这两种策略综合用于伺服控制器的设计并重点对这种方案进行了仿真对比研究。仿真结果表明基于扰动观测器的伺服系统在扰动及量测噪声不大,且系统模型参数变化不大的情况下具有较高的动态性能及较高的跟踪精度并能克服饱和约束的不良影响。     

用MatLab仿真高阶RC模型的互连线特性

用MatLab软件，对超大规模集成电路互连线的高阶王氏RC梯形电路模型在时域和频域进行仿真。结果显示，①100阶模型与2000阶模型单位阶跃响应0．9的上升时间仅相差9．5‰，表明用100阶模型仿真已足够精确。②通过仿真，确定了一个来自实际的互连线的通频带宽度。③测定了分布电阻和分布电容对互连线阶跃响应的上升时间及其通频带宽度的影响。④高阶仿真结果与1阶模型的理论结果相比，定性描述相同，定量描述差异较大，因此，用高阶模型对互连线的分布电路性质进行准确描述有一定的必要。     

金融波动的平方根随机自回归波动模型

讨论了SR-SARV模型的时间聚合性和同期聚合性,比较了波动模型之间的关系,指出了SR-SARV模型研究的意义,并给出其参数估计方法,对上证指数进行了实证研究。     

被动定位跟踪中的非线性滤波技术

针对被动定位跟踪中状态空间模型非线性程度较高所引发的滤波精度偏低的问题,分析和总结了已有的包括推广卡尔曼滤波(EKF)、修正增益的推广卡曼滤波(MGEKF)、二阶滤波、自适应推广卡尔曼滤波(AEKF)等各种次优递推滤波算法的特点。在此基础上重点论述了一种基于贝叶斯原理的序贯蒙特卡罗粒子滤波技术,该方法通过粒子的加权和表征后验概率密度,获得状态估值,在处理非线性非高斯系统的状态估计问题时精度逼近最优,鲁棒性更好。