构造概率模型巧妙解决数学问题

举例说明如何构造概率模型解决代数、分析中的一些问题，进一步阐述概率思想应用的广泛性．     

安全域的方法学及实用性结果

简要介绍了安全域的方法学，列举了其优越性，定义了注入空间上保证暂态稳定的实用动态安全域(PD—SR)和割集功率空间上保证静态电压稳定的安全域(CVSR)，给出了关于它们的临界面可用超平面描述的两个重要事实，同时解释了这些超平面形式的安全域边界可以大大降低概率的安全性评估计算量的原因和可使一大类电力系统调度最优化问题中暂态稳定约束和静态电压稳定约束难以处理这一棘手的问题变得十分简易的原因。     

概率性序列及其运算理论

在电力系统中,一般使用离散的分布函数来表示发电机组在各种容量情况下的可用率。针对电力系统的这一实际需求,该文在一般序列运算的基础上,定义了一种特殊序列——概率性序列,并进一步详细探讨了其运算性质。从概率论的角度,定义了序列的期望值,并且详细给出了原始序列以及派生序列的期望值之间的运算关系。状态空间分析是该文的一个重要进展,经过对概率性序列的4种序列运算的状态空间分析,发现了其运算所对应的子空间具有明确的物理意义,这一结论对整个序列理论在电力系统中的应用具有重要价值。概率性序列的上述研究成果,成为后续的随机生产模拟研究的理论基础。     

包含统一潮流控制器的概率潮流研究

提出了一种包含统一潮流控制器(UPFC)的概率潮流算法。UPFC采用等效注入功率模型,概率潮流采用非序贯蒙特卡罗仿真算法。讨论了UPFC的初值选取对潮流收敛性的影响,分析了发电机和线路随机故障时UPFC对线路潮流和节点电压的控制作用,并以EPRI和IEEE-RTS系统验证了蒙特卡罗仿真算法的正确性。     

MENGER概率度量空间中集值映象序列的混合不动点

本文在Ｍｅｎｇｅｒ概率度量空间中提出混合不动点概念，研究了集值映象序列的公共混合不动点定理，所得结果改进和推广了近期相关的重要结果。     

基于PCA的概率神经网络模式分类方法

研究了概率神经网络隐单元主要分量的选取方法。这些方法的概率神经网络比原来的网络大大降低了隐单元数，并且带来分类测试时间减少的增益。最后，就模拟和实测两组数据进行了计算机仿真，实验结果证实了这种方法的可行性。     

基于滑动概率神经网络的早期故障诊断

针对机电设备早期故障难以识别的问题，提出了一种动态的概率密度估计方法——滑动概率神经网络，用以跟踪分析测量信号的概率密度变化过程，及时发现早期故障．该网络以固定不变的抽样集作为第一层，动态滑动的测量信号作为样本层，通过求和层得到抽样集的条件概率密度估计，将样本层内测量信号的概率密度动态地投影到统一的抽样集上．将网络分解成以测量值为中心的子网络，来实现网络的递归运算，并且利用高斯函数的快速衰减特性或使用分段线性函数近似高斯函数，从而提高了网络的计算实时性．通过压缩机喘振过程数据的应用实例，表明该方法能够有效识剐故障的早期征兆．     

基于径向基概率神经网络模型的小儿厌食症状辅助诊断

结合了径向基神经网络较强模式分类能力与概率神经网络运算简单的优点,提出了一种径向基概率神经网络模型,并应用于小儿厌食症的辅助诊断,通过对119例样本数据的处理,获得了92.4%的准确率.此外,偏最小二乘法的分析结果表明,Zn元素与小儿厌食症关系最为紧密.     

几种简化联合概率数据互联算法性能分析

针对最优联合概率数据互联算法复杂、运算量大的问题,目前提出了许多简化的联合概率数据互联算法。为了清楚地了解这些算法在不同环境下在跟踪精度、实时性等跟踪性能上的差异,对几种典型的简化算法进行了详细的性能分析。给出了简化算法的数学模型,然后从理论上对这些算法进行了优缺点比较,最后选取了多种典型的与实际工程背景相近的多目标运动环境,对几种比较有代表性的简化算法在这些环境下进行仿真实验,并根据仿真结果对它们各方面的性能进行综合分析。     

基于EEMD-Renyi熵和PCA-PNN的滚动轴承故障诊断

针对滚动轴承故障特征提取与状态监测问题,提出一种基于集合经验模式分解(EEMD)、Renyi熵、主元分析(PCA)和概率神经网络(PNN)的新方法.首先,将轴承振动信号通过EEMD分解成一组本征模态函数(IMF),计算每个IMF分量的Renyi熵值作为表征故障特征的向量,采用主元分析(PCA)对特征降维,提取主元输入概...