基于多模型假设检验的认知无线电频谱感知方法

提出一种基于序贯概率似然比多模型假设检验的认知无线电协作频谱感知方法,用于检测可能含有不同结构和参数不确定性的未知信号.传统的认知无线电协作频谱感知方法(如基于序贯概率似然比的单模型假设检验、M元假设检验等),仅限于处理已知信号分布,不考虑信号分布的不确定性,可能会造成检测误判.所提出方法不仅可以处理认知无线电信号分布模型的不确定性问题,而且可以得到满足错误概率约束的有效检测.对频谱感知的一个典型场景进行仿真实验,结果表明所提出基于序贯概率似然比多模型假设检验方法相对于传统方法的检测有效性.     

一种新的概率关系数据库系统

传统的关系模式只能处理一些确定性的信息,而在现实生活当中大量存在着不确定的信息,而传统的关系模式对这些信息是不能进行有效处理的.本文在总结有关研究工作的基础上,提出了一种能够存储不确定性信息的数据库模型——概率关系数据库模型,并给出了概率关系的查询运算,包括单表查询和多表连接查询.     

粗糙集概率神经网络高斯网页期望排序

针对多标签网页推荐算法中存在信息不精确及新增信息较多,传统精确算法效果并不理想的问题,提出一种多标签网页的粗糙集概率神经网络高斯块植入期望排序推荐方法。首先,针对信息不确定性,利用粗糙集理论改进传统的概率神经网络模型,使之适合处理信息非确定性问题;其次,针对固定概率神经网络在处理多标签网页推荐问题时,存在覆盖率差,结构冗余较大,且对新增标签信息无法快速识别的问题,利用高斯块植入期望排序方式,构建概率功能块的合并、添加和删除操作,提高预测精度同时降低计算复杂度,并有效解决新增信息预测的实时性问题;最后,通过在雅虎多标签数据集实例中的实验对比显示,所提算法具有更高的计算精度和效率。     

基于贝叶斯网络的不确定因果逻辑量化分析方法

在安全苛求系统中,潜在风险会引发灾难事故,研究分析潜在风险的影响至关重要. 风险到事故的因果逻辑关系包括两类：确定性和非确定性的. 确定性因果关系可以用事件树、故障树等分析. 由于非确定性因果关系包含不确定性因素和数据不足,贝叶斯网络成为最佳选择. 量化分析中,条件概率的分配是一件不容易的工作,本文提出一种基于模糊逻辑的分配方法,结合建立的不确定性影响模型,利用贝叶斯网络进行量化分析,分析确定性因素的影响. 最后通过实例学习,验证和评估方法的有效性.     

基于条件概率的粗糙集不确定性度量

通过语义分析,提出一种修正的粗糙集不确定性度量公理化定义。首先,对该定义的数学特征进行分析,提出两种基于条件概率的粗糙集不确定性度量方法;然后,证明它们满足所提出的公理化定义,并导出相应的知识不确定性度量,发现其中一个是现有条件信息熵,另一个与确定性度量形成互补关系。设计算例对各种不确定性度量进行比较分析,验证了所提出的度量公式与不确定性语义保持一致。     

范数有界型参数不确定性系统的概率鲁棒H∞控制方法

利用确定性鲁棒控制方法对参数摄动的最坏情况进行研究,设计出的控制器具有较大的保守性和较高的控制成本.针对这一问题,建立范数有界型参数不确定性系统模型,分析系统性能的置信概率与参数不确定性随机向量的范数边界之间的关系,提出一种基于概率估计的鲁棒H∞控制方法,该方法能以有限的迭代步数给出一个与系统性能置信概率相关的鲁棒H∞控制器的可行解.最后通过仿真实例验证了所提出方法的有效性.     

概率盒框架下多响应模型确认度量方法

在随机和认知混合不确定性表征的概率盒框架下,提出一种多响应模型确认度量方法.概率盒框架下的模型确认度量主要采用面积方法量化仿真与实验结果的一致程度,但传统面积度量方法并不适用于多个相关响应量的多输出确认度量问题.不确定性条件下多响应量模型确认度量问题,实质上是量化计算模型的多个响应量的联合概率分布与实验观测数据所服从的联合概率分布之间的差异程度.对此,引入马氏距离的概念对多响应量模型确认度量问题进行降维,以马氏距离作为转换的统计量,将多响应量的多指标确认度量问题转化为马氏距离的综合指标度量问题.数值仿真算例验证了所提出方法的正确性和稳定性,并将该方法应用于“2014年圣地亚验证与确认挑战问题”的研究.研究表明,基于概率盒和马氏距离的确认度量方法可以有效解决多相关响应量多输出模型确认度量问题.     

Markov决策过程不确定策略特征模式

马尔科夫决策过程可以建模具有不确定性特征的复杂系统,而在进行模型分析时需要采用策略对不确定性进行处理。首先,研究不同策略下时空有界可达概率问题,给出不确定性解决策略的定义及分类方法。其次,在时间无关策略下,证明基于确定性选取动作和随机选取动作的时空有界可达概率的一致性,并且论证了时间依赖策略相对于时间无关策略具有更好的时空有界可达概率。最后结合实例简要阐述了结论的正确性。     

有色冶金过程不确定优化方法探讨

有色冶金过程受原料来源多样、工况条件波动、生产成分变化等因素的影响,存在大量的不确定性,严重影响了冶炼生产的稳定性与可靠性.鉴于此,综述不同类型不确定性优化问题的描述方法,具体包括概率不确定优化问题、模糊不确定优化问题和区间不确定优化问题.通过分析有色冶金生产过程的特点与需求,以3种典型的有色冶金过程不确定优化问题为例,探讨不同类型的有色冶金过程不确定优化方法.针对氧化铝生料浆配料过程的概率不确定优化问题,采用基于Hammersley sequence sampling(HSS)的方法实现不确定模型的确定性转换;针对湿法炼锌除铜过程的模糊不确定优化问题,采用基于模糊规则的方法进行确定性评估;针对锌电解分时供电过程的区间不确定优化问题,采用基于min-max的方法求解鲁棒解.工业运行数据均验证了上述方法的有效性.     

基于有损网络的任意关联系统的分散控制

研究当子系统之间的通讯网络的信息传输存在随机丢包时, 在任意拓扑结构关联系统中的控制问题. 将网络通信状态的随机变量视为一种模型不确定性, 系统建模为关于确定性标称系统和一个随机模型不确定性的线性分式变换. 然后基于鲁棒控制理论对系统进行分析, 通过求解μ综合问题得到整个关联系统保持均方稳定所能容忍的最大丢包概率. 基于线性矩阵不等式设计了分散状态反馈控制器, 使得整个关联系统在某一给定的丢包概率下均方稳定. 最后通过一个例子验证该模型及算法的有效性.     

A robust critical path in an environment with hybrid uncertainty

In this article, we consider the project critical path problem in an environment with hybrid uncertainty. In this environment, the duration of activities are considered as random fuzzy variables that have probability and fuzzy natures, simultaneously. To obtain a robust critical path with this kind of uncertainty a chance constraints programming model is used. This model is converted to a deterministic model in two stages. In the first stage, the uncertain model is converted to a model with interval parameters by alpha-cut method and distribution function concepts. In the second stage, the interval model is converted to a deterministic model by robust optimization and min-max regret criterion and ultimately a genetic algorithm with a proposed exact algorithm are applied to solve the final model. Finally, some numerical examples are given to show the efficiency of the solution procedure.     

基于误码率与中断概率约束的femtocell网络分布式功率控制

家庭基站(femtocell)网络可有效改善无线通信业务的室内覆盖性能,提高信道容量.然而,复杂的动态通信环境导致信道的不确定性,影响用户服务质量.基于此,研究双层femtocell网络在快衰落信道环境下基于误码率约束的功率控制问题;考虑信号传输的中断概率,以及服务质量指标–误码率等方面的要求,构造在此约束下的优化问题;最大化双层femtocell网络的净收益,使得网络系统的通信性能最优;通过对概率约束进行数学处理,将其转化为确定性形式,并提出分布式鲁棒优化算法对等价的确定性优化问题进行求解,从而获得最优功率分配策略.最后,通过仿真验证了所提出算法的收敛性和有效性.     

基于贝叶斯网络的车辆电源系统故障诊断方法

针对车辆电源系统测试点少且测试数据不完备的问题,提出一种多信号流图模型和贝叶斯网络相结合的故障诊断方法。利用多信号流图模型建立电源系统的故障诊断模型,得到系统故障源与测试信号对应的故障依赖矩阵,在此基础上,建立用于故障诊断的贝叶斯网络结构,根据历史数据完成网络的参数学习,并以故障后验概率最大为准则,实现电源系统的故障诊断。仿真实验验证了该方法的有效性。     

A reliability-based multidisciplinary design optimization procedure based on combined probability and evidence theory

To address the reliability-based multidisciplinary design optimization (RBMDO) problem under mixed aleatory and epistemic uncertainties, an RBMDO procedure is proposed in this paper based on combined probability and evidence theory. The existing deterministic multistage-multilevel multidisciplinary design optimization (MDO) procedure MDF-CSSO, which combines the multiple discipline feasible (MDF) procedure and the concurrent subspace optimization (CSSO) procedure to mimic the general conceptual design process, is used as the basic framework. In the first stage, the surrogate based MDF is used to quickly identify the promising reliable regions. In the second stage, the surrogate based CSSO is used to organize the disciplinary optimization and system coordination, which allows the disciplinary specialists to investigate and optimize the design with the corresponding high-fidelity models independently and concurrently. In these two stages, the reliability-based optimization both in the system level and the disciplinary level are computationally expensive as it entails nested optimization and uncertainty analysis. To alleviate the computational burden, the sequential optimization and mixed uncertainty analysis (SOMUA) method is used to decompose the traditional double-level reliability-based optimization problem into separate deterministic optimization and mixed uncertainty analysis sub-problems, which are solved sequentially and iteratively until convergence is achieved. By integrating SOMUA into MDF-CSSO, the Mixed Uncertainty based RBMDO procedure MUMDF-CSSO is developed. The effectiveness of the proposed procedure is testified with one simple numerical example and one MDO benchmark test problem, followed by some conclusion remarks.     

A chance-constrained portfolio selection model with random-rough variables

Traditional portfolio selection (PS) models are based on the restrictive assumption that the investors have precise information necessary for decision-making. However, the information available in the financial markets is often uncertain. This uncertainty is primarily the result of unquantifiable, incomplete, imprecise, or vague information. The uncertainty associated with the returns in PS problems can be addressed using random-rough (Ra-Ro) variables. We propose a new PS model where the returns are stochastic variables with rough information. More precisely, we formulate a Ra-Ro mathematical programming model where the returns are represented by Ra-Ro variables and the expected future total return maximized against a given fractile probability level. The resulting change-constrained (CC) formulation of the PS optimization problem is a non-linear programming problem. The proposed solution method transforms the CC model in an equivalent deterministic quadratic programming problem using interval parameters based on optimistic and pessimistic trust levels. As an application of the proposed method and to show its flexibility, we consider a probability maximizing version of the PS problem where the goal is to maximize the probability that the total return is higher than a given reference value. Finally, a numerical example is provided to further elucidate how the solution method works.

     

基于多信号模型和盲源分离的复合故障诊断方法

利用多信号模型可简明表征系统因果关系以及盲源分离算法可提取系统本源信息的特点, 提出一种新颖有效的复合故障诊断方法. 首先, 针对复合故障下多信号模型出现冗余测试和故障模糊组的情况, 应用盲源分离算法实现测点信息的盲分离, 基于盲信号重建多信号模型的因果结构; 其次, 理论分析了该方法对复合故障具有良好的可诊断性. 轧制过程AGC系统的实验结果表明, 所提出方法对双复合故障和部分多复合故障的隔离和定位准确率可达100%.

     

Analytical benchmark example for risk allocation in structural optimization

Recently, Rozvany and Maute presented a simple problem of topology optimization under uncertainty with a single load condition that can be solved without Monte Carlo simulation. This note extends this idea to a two-bar truss under two load conditions for the purpose of illustrating differences between deterministic designs and reliability–based ones in terms of risk allocation. For this example, for the same probability of failure, a deterministic design based on the same safety factor for both loads can be substantially heavier than the reliability–based design. The difference in weight is due to very different risk allocation between the two failure modes.     

基于多信号流模型的雷达BIT测试能力分析

多信号模型是一种简单而有效的系统建模表示方法,提出基于多信号流模型的雷达BIT进行验证方法。介绍多信号流模型的定义和表示,分析运用该模型对雷达模块（电路）的建模、相关矩阵简化、对其测试性功能实现原理进行了解析,并以某型雷达截获控制电路为例进行验证。结果表明,多信号模型能给出一个全面的测试性评定结论,对系统测试性分析具有价值。