MDP平均模型的强最优性

考虑的是任意状态空间，任意行动空间ＭＤＰ平均模型的四个平均准则，在Ｏ．Ｈ．Ｌｅｒｍａ的遍历性条件下，利用稳定性定理和可测选择理论简明地证明了存在平稳策略关于此模型的四个平均准则同时是最优的，从而扩充并加强了Ｏ．Ｈ．Ｌｅｒｍａ（１９８９）的主要结果。     

经验模态分解和小波分解滤波特性的比较研究

 为了更好地了解小波分解(WD)和经验模态分解(EMD)2种方法对非平稳信号滤波特性的差异,以及2种方法的实际应用效果和各自的优缺点,提出了运用对高斯白噪声信号分解分量平均功率谱特性的分析来对比2种方法滤波特性差异的研究方法,并运用多项对比实验对所提研究方法的有效性进行验证.实验结果表明,所提研究方法能够有效地解释2种分解各自的滤波特性.对于EMD分解,各分量平均功率谱表现为带宽逐渐减小,中心频率逐渐降低的一组有序排列的带通滤波器.整个分解过程不需人为干预可自动完成,但存在边缘效应问题,如不加以处理可能会严重影响分解质量;对于小波分解,选择不同小波基,有的表现出与EMD分解类似的多尺度滤波特性,有的则不尽相同,甚至是完全不同.所以小波基的选择和分解层数的设置不同,可能会导致分解结果出现较大差异,因此存在对小波基优化选择问题.此外,小波分解过程速度较快,平均用时仅为EMD的1/25.     

基于伸缩窗口STFT的信号调制的识别研究

伸缩窗口短时Fourier变换(STFT)通过对窗函数引入伸缩变换对短时Fourier变换进行改进,实现时频分辨率随信号频率变化自动可调,能较好地刻画信号中的瞬态结构.本文把伸缩窗口短时Fourier变换这种时间-频率-尺度三维信号处理方法引入到了数字通信信号调制盲识别领域,对ASK、FSK和PSK信号的伸缩窗口STFT——域特征进行了理论分析和软件仿真,最后给出了识别算法和仿真结果.仿真实验结果及性能分析表明,该算法是可行的,具有较好的抗噪声性能.     

基于SVM短时交通流量预测

交通流量预测是智能交通系统中非常重要的研究领域,传统的预测方法在交通流量预测中有着非常广泛的应用.但是,在短时交通流量预测中,由于其影响因素错综复杂,传统的预测方法对于短时交通流量不能很好地进行预测.随着机器学习和数据挖掘各种理论的不断提出及完善,机器学习和数据挖掘与交通流量预测的结合是智能交通系统未来发展的一个重要方向.本文利用SVM (support vector machine)构建了短时交通流量预测模型,并利用遗传算法(genetic algorithm)对SVM的惩罚参数C和核参数σ进行优化,同时比较SVM中不同核函数,包括多项式核函数(polynomial kernel)和径向基核函数(RBF kernel)的预测效果.径向基SVM (RBF SVM)训练时间要比多项式SVM (polynomial SVM)短,预测准确率和精度也要比多项式SVM要好.从仿真结果上看,SVM非常适合应用于短时交通流量预测,能够取得很好的预测效果与精度.     

基于脉冲耦合神经网络的结构损伤检测方法研究

机械结构的损伤发展到一定程度,会对其功能产生严重影响,所以及早检测出损伤非常必要。针对机械结构在损伤发生时其内部能量分布会发生变化的情况,对加速度计测得的结构振动信号进行短时傅立叶变换,获得可以反映能量分布的时频谱图。使用脉冲耦合神经网络提取时频谱图的熵序列特征,很好地识别了结构的损伤。使用上述方法对简支梁的损伤进行了实验研究,验证了其有效性和实用性。     

基于均匀圆阵的循环平稳信号的DOA估计

相干信源的DOA估计一直是一个十分棘手的问题,由此提出了一种基于均匀圆阵的利用信号循环平稳特性进行DOA估计的方法.利用模式空间变换算法以及矩阵分解算法的思想,结合信号的循环平稳特性和Cyclic MUSIC算法,实现在高斯白噪声背景下均匀圆阵相干信源的DOA估计.通过MATLAB仿真验证了该算法具有良好的解相干能力,在低信噪比条件下具有比常规的循环空间平滑算法更好的解相干性能.     

采用显式动力学的轴承性能退化评估指标构建

针对非平稳工况下常规时域统计特征对滚动轴承早期微弱故障不敏感的问题，提出一种对早期微弱故障敏感且能表征性能退化趋势的性能退化评估指标，即特征相似比(FSI)。首先，对4种变工况轴承振动信号进行测试，分析统计特征对径向载荷、转速波动和故障程度的敏感性；然后，选择对工况不敏感但对故障程度敏感的特征作为最佳特征；最后，通过计算相邻两样本最佳特征的相似比构建FSI指标。采用所构建的FSI指标对轴承仿真故障数据和全寿命疲劳试验数据进行试验验证，结果表明：轴承发生早期故障时，最佳特征幅值增加9.4%,高于均方根值的4.7%、绝对均值的5.2%;全寿命轴承出现微弱故障时，FSI幅值增加21.8%,高于均方根值的6.5%,且FSI准确表征了轴承性能退化趋势。     

基于码头闸口数据的集卡周转时间短时预测方法

为给车辆调度优化以及集卡预约系统设计提供重要参考,利用所采集的深圳市某港口的码头闸口数据,建立一种基于数据挖掘的集卡周转时间短时预测方法.首先,通过对码头闸口数据进行分析,获取车辆到达时间分布、任务类型、作业方式等集卡作业特征以及集卡在码头内的周转时间;在此基础上,利用循环神经网络并结合训练集数据,建立集卡作业特征与其周转时间之间的映射关系.其次,为减少随机波动对周转时间预测效果的影响,利用小波分解算法对循环神经网络拟合结果的残差进行高频噪声分离,并通过自回归模型拟合过滤后的低频序列.最后,将拟合后的循环神经网络与自回归模型进行结合,建立一种支持集卡周转时间短时预测的组合模型,并利用测试集数据进行有效性验证.结果 表明,相比单一的循环神经网络,该组合模型可以大幅提升预测精度.     

一类具有转移和治疗机制的随机结核病模型的平稳分布与灭绝

考虑一类具有转移和治疗机制的肺结核传播模型在随机扰动下的动力学行为. 首先, 通过Lyapunov分析方法得到该模型正解的存在和唯一性； 然后利用Has’minskii理论证明该模型存在唯一的平稳分布； 最后通过随机分析方法得到该模型疾病消失的条件.