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。     

二能级二粒子一般态的概率传输

研究了用4个粒子的非最大纠缠纯态传输二能级二粒子的一般态。传输方案没有利用Bell基测量，而是利用么正变换和局域进行了测量。在经典通讯的帮助下，通过做适当的么正变换和对辅助量子位的测量，这个二粒子一般态可以一定的成功几率从发送者处传输到接收者处。     

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。     

最优化问题广义投影下的广义次可行方向算法

利用广义投影技术和次可行方向法思想建立了非线性等式与不等式约束最优化问题的一个算法，它采用广义投影代替了传统的转轴运算，而且广义投影阵只由ε－积极约束函数的梯度产生，对于不等式约束的辅助优化问题，该算法是一个次可行方向类算法，称之为广义次可行方向法，算法在较弱的条件下具有全局收敛性。     

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。     

可行方向法的统一理论及其应用（2）

作者已建立了可行方向法的统一理论，把问题归结为求一组主方向和一组次方向［３］。本文给出产生一组主方向和一组次方向的一般方法，把问题转化为求Ｍ＋；得到了与［３］等价的理论，并给出简化求Ｍ＋的方法，这就使理论和方法都得到了完善。作为应用，给出了Ｒｏｓｅｎ梯度投影法的简明表达式，并给出了求解线性规划的一个新算法。     

凸约束非线性方程组的非单调投影L-M方法

提出一种非单调投影L-M方法求解凸约束非线性方程组,在通常假设条件下,证明了算法具有强收敛性,给出了数值试验结果.     

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．     

不完全信息下概率决策的扩展粗糙集方法

为了从不完备多属性决策系统中获取概率决策规则，提出了一种不完全信息下概率决策的扩展粗糙集方法. 给出了容差关系下相容度的概念，通过设定相容阈值给出知识的粗糙下近似、上近似和边界域，然后讨论了粗糙近似的基本性质和概率决策规则的获取.通过实例说明这个新方法的可行性和有效性.