模拟电路故障诊断——参数容限处理的一种新方法

本文从元件连接模型出发来研究多频故障诊断问题。它依据传递(或策动点)导抗的系数函数,提出要确定元件值所需的函数数目,以及所采用的最大测试频率数目,进而研究在不满足可解性要求下和元件参数有容差情况下,推广应用逻辑函数法来进一步简化诊断过程,并以单故障和双故障为例。说明其应用。     

住宅项目分期开发投资决策期权博弈模型

面对日益激烈的竞争市场,一些大中型房地产项目分期开发投资策略所采用的传统评价和决策方法存在诸多局限。本文构建了双因素随机变量期权博弈模型,推演出三种不同博弈(抢先、追随和合谋)投资行动过程中领先者和追随者的价值函数,给出了领先者和追随者的触发值的解,并分析了价值函数和触发值对关键参数(如销量、标准方差、关联系数和垄断销量)的敏感性。与传统评价模型相比,此模型的构造和分析过程更贴近于房地产项目分期开发投资决策的逻辑。     

基于修正交叉视觉皮质模型的图像分割方法

提出了一种基于修正交叉视觉皮质模型(MICM)的图像自适应分割新方法. 根据待分割图像的自身特性,自适应地设定参数,并以互信息量为目标函数选取最佳分割结果. 该方法解决了针对不同的图像需要人工设定交叉皮质模型(ICM)参数和需要人工选取最佳分割结果的2个问题. 实验结果表明,与通过大量实验获得模型参数的脉冲耦合神经网络(PCNN)基本模型和ICM基本模型相比,MICM与其综合评价函数值相近;与模糊聚类分割算法和最大类间方差(OTSU)算法相比,MICM算法有较明显的视觉优势,并且其综合评价函数值也分别提高了约15%和13%.     

基于高阶神经网络扩展卡尔曼滤波器算法的非线性动态系统辨识

针对非线性动态系统辨识 ,采用高阶神经网络和径向基函数网络相结合的方法 ,神经网络的连接权值可作为系统的未知参数 ,用扩展卡尔曼滤波器 (EKF)算法来估计 ,确保了该方法的快速收敛 .具体模型的仿真结果表明该方法能快速收敛 ,并能方便的用于在线辨识 .     

球形钴钼催化剂硫化动力学研究

本文在缩芯模型的基础上,对硫化反应作了适宜简化假设,以反应速率的计算值与实验值之差的平方和为目标函数,采用powell法回归出适宜的缩芯模型参数.试验发现在高空速下,原粒度钴钼催化剂的硫化过程服从粒径不变的缩芯模型.在H_2气充分过量的情况下关于H_2S为一级反应.回归出的活化能与温度的关系服从阿仓尼乌斯定律.     

E-51环氧树脂/BPF体系等温固化动力学研究

采用差式扫描量热法(DSC)在等温条件下对E-51/(9,9-双(4-氨基苯基)芴(BPF)环氧树脂体系的固化反应动力学进行了研究.结果表明:该树脂体系的固化反应动力学符合自催化反应动力学模型,应用自催化方程对实验结果进行处理,采用多元非线性最小二乘法进行拟合,得到自催化方程中的所有动力学参数,且活化能为63.75 k...     

快速场(FFP)算法反演海底参数研究

针对弹性海底条件下的声传播问题和海底参数反演问题,在Pekeris海洋声场模型的基础上推导了基于快速场(FFP)理论的两层弹性海底声场计算公式,讨论了其传播规律并利用KrakenC进行了验证.其次结合水池条件,采用能够模拟弹性海底海洋环境的声场测量平台进行缩比实验.反演中,采用了实际测得的传播损失与FFP理论计算值相等的代价函数,讨论了其对各海底参数的敏感度,并选用遗传算法对该代价函数进行寻优计算.反演得到的声传播损失与实验中实际测量结果吻合较好,表明所建立的理论模型符合实际声场环境.     

混合自行车交通流速度分布模型

针对电动自行车和普通自行车在非机动车道上混合运行的问题,基于实测数据分析混合自行车交通流速度的基本统计特性.通过对多种影响因素的分析,构建基于高斯混合模型(GMM)的速度分布函数,采用期望最大化(EM)算法对模型参数进行最大似然估计.通过Kolmogorov-Smirnov(K-S)拟合优度检验优化,得到高斯混合模型的最佳组成数.分析不同限速阈值对自行车超速特性的影响.结果表明,利用高斯混合模型能够有效地拟合混合自行车速度.利用三元高斯混合模型能够拟合自由流状态下的速度数据;针对多种交通状态下的数据,须采用五元或六元高斯混合模型进行拟合.     

混合自行车交通流速度分布模型

针对电动自行车和普通自行车在非机动车道上混合运行的问题,基于实测数据分析混合自行车交通流速度的基本统计特性.通过对多种影响因素的分析,构建基于高斯混合模型(GMM)的速度分布函数,采用期望最大化(EM)算法对模型参数进行最大似然估计.通过Kolmogorov-Smirnov(K-S)拟合优度检验优化,得到高斯混合模型的最佳组成数.分析不同限速阈值对自行车超速特性的影响.结果表明,利用高斯混合模型能够有效地拟合混合自行车速度.利用三元高斯混合模型能够拟合自由流状态下的速度数据;针对多种交通状态下的数据,须采用五元或六元高斯混合模型进行拟合.     

基于支持向量机回归的二次网供热负荷预测分析

为提高供热负荷预测精度,在传统支持向量机回归(SVMR)基础上,通过网格搜索(GS)及遗传算法(GA)对惩罚参数C和核函数(径向基函数)参数γ两个重要参数寻找最优参数组合,由此得到最佳预测模型,并采用均方误差、平均绝对误差和判定系数R23种方法对SVMR、网格搜索-K折交叉验证-SVMR(GS-KCV-SVMR)和遗传算法-K折交叉验证-SVMR(GA-KCV-SVMR)3种预测模型进行评价.结果 表明,GA-KCV-SVMR模型更能有效地预测供热负荷,其R2值为0.96,优于SVMR和GS-KCV-SVMR两种模型,可为工程实践提供参考.