电子设备健康状态评估与故障预测方法

针对电子设备的健康性能退化问题,提出一种改进流形学算法与隐半马尔可夫模型(hidden semi Markov model, HSMM)相结合的电子设备健康评估与故障预测方法。首先,在有监督邻域保持投影(supervised neighborhood preserving projection, SNPP)算法中引入非相关约束并加入核函数形成核有监督非相关邻域保持投影(kernel supervised uncorrelated neighborhood preserving projection,KSUNPP)算法,将其用于原始特征的提取,获得有效的特征集作为HSMM的输入进行训练|其次,建立了电子设备健康评估与故障预测模型,该模型用Kullback Leibler (KL)距离来衡量故障程度,实现设备退化程度的评估,又可根据各状态驻留时间,预测出设备故障发生的时间。最后,将该方法应用于某型导弹电子设备的健康评估与故障预测,验证其有效性。     

基于鱼刺图法的有机热载体炉安全评价

将安全工程的理论引入到有机热载体炉安全生产中,利用鱼刺图（Fish Bone Fig,FBF）法对其进行科学、合理的安全评价,进而有效的分析有机热载体炉生产运行中的安全隐患,并针对不同成因采取相应的对策.研究结果表明,鱼刺图法为预防有机热载体炉安全事故发生建立了有效的理论基础,并为有机热载体炉安全管理提供了对策.     

前馈神经网络结构新型剪枝算法研究

研究神经网络的结构优化,提出采用基于贡献值与输出连接的权重来修剪节点,节点是直接剪枝而不是消除存有内在联系的节点;该方法认为神经元贡献值低于阈值,那么此神经元就是毫无意义的,同时将该算法应用于非线性函数逼近,实验结果表明,在不牺牲网络性能的情况下,采用新型剪枝算法来修剪神经网络节点是非常有意义的,所提出的算法也是非常有效的。     

基于HMM-EGARCH的银行间同业拆放利率市场波动预测研究

针对中国金融市场呈现出的多波动状态的典型事实特征,以上海银行间同业拆放利率(Shibor)市场为研究对象,不仅引入隐马尔可夫模型(hidden Markov model,HMM)对其进行了波动状态预测,而且还引入HMM-EGARCH模型对其波动率进行了预测;最后使用成功率(success rate,SR)与平均绝对误差(mean absolute error,MAE)对预测波动状态进行检验,并且还采用标准统计误差函数对预测波动率进行检验.实证研究表明:高低两种波动状态就能够有效地刻画出Shibor市场的波动状态;HMM模型能够对Shibor市场进行较准确地波动状态预测,且更重要的是,HMM模型对高波动状态预测具有显著的优越性;HMM(2)-EGARCH模型能够有效地对Shibor市场进行波动率预测.     

DTHMM based delay modeling and prediction for networked control systems

In the forward channel of a networked control system (NCS), by defining the network states as a hidden Markov chain and quantizing the network-induced delays to a discrete sequence distributing over a finite time interval, the relation between the network states and the network-induced delays is modelled as a discrete-time hidden Markov model (DTHMM). The expectation maximization (EM) algorithm is introduced to derive the maximumlikelihood estimation (MLE) of the parameters of the DTHMM.Based on the derived DTHMM, the Viterbi algorithm is introduced to predict the controller-to-actuator (C-A) delay during the current sampling period. The simulation experiments demonstrate the effectiveness of the modelling and predicting methods proposed.     

从教师的角度谈如何强化隐性课程

在隐性课程实施过程中处于主导地位的教师对学生的言谈举止、个性、人格、价值观等都有着潜移默化的影响。教师美好的形象、教师良好的素质、正确的教师定位能强化隐性课程的积极功能。文章从教师角度出发,从教师形象、教师素质以及教师角色定位三方面论述如何更好地构建隐性课程,充分发挥隐性课程的积极作用。     

三阶隐马氏模型算法及其与一阶隐马氏模型的关系

为了考虑更多的统计特征,提出了一类三阶隐马氏模型,其中状态转移和输出观测同时取决于当前状态和前面两个状态. 研究和推导了这类三阶隐马氏模型中估值问题的向前－向后算法、解码问题的Viterbi算法和学习问题的Baum-Welch算法. 对此类三阶隐马氏模型,构造了一个与之等价的一阶隐马氏模型,提出并证明了它们的等价性定理. 研究结果丰富了隐马氏模型的算法理论,可为一些实际应用提供更好的方法.     

基于自回归模型的加性噪声环境稳健语音识别

为提高噪声不平稳或不可估的情况下语音识别的稳健性,提出了利用自回归模型和短时平稳性假设,估计干净与噪声环境的语音数据,建立相应的语音识别模型,以达到抗噪效果的稳健语音信号处理方法。在N o iseX-92的4种噪声环境(w h ite,babb le,vo lvo,destroyer eng ine)从0到20 dB的不同信噪比下的“863”大词汇连续语音标准数据库的平均识别结果表明,该方法能够使得基于段长分布的隐M arkov模型的语音识别系统在25候选时声学层的音节相对错误率下降达到10.85%以下,同时相对正确识别率上升12.13%。     

基于隐Markov树故障诊断的确定退火设计

隐Markov树(HMT)模型故障诊断作为一种模式识别问题,其目标是得到最小分类误差。由于误分类率函数为分段线性常数,存在许多局部极小值,因此难以直接最小化。提出使用确定退火(DA)方法来最小化误分类率函数,通过在设计过程中随机化分类决策,并使用Shannon熵限制其随机程度,得到一个光滑的误分类率函数,它在熵为0时收敛到原来的误分类率函数。给出了优化过程中梯度计算的上行-下行算法和基于梯度下降的参数重估公式。提出的基于DA的优化方法用于减速器故障诊断,结果表明使用DA较ML估计可以得到更高的识别率。     

具分布延时细胞神经网络的指数周期与稳定性

研究了具分布延时细胞神经网络的全局指数周期性与指数稳定性。在没有假设激活函数是有界的、可微的、单调增的情况下,通过应用一些新的分析技巧与Halanay-type不等式方法,得到了确保延时细胞神经网络周期解存在唯一且全局指数周期与全局指数稳定的简单的、容易验证的、新的充分条件。并给出了算例及其仿真结果支持所得结论。