基于时间策略的连续时间Markov过程验证

对系统模型进行验证是保证系统安全的一个关键.连续时间Markov过程可以刻画复杂并发系统的随机、概率、不确定性特征.提出时间依赖策略下连续时间Markov过程验证方法,将连续时间Markov过程转换成为交互式马尔科夫链,给出模型的转换方法及不确定性选择策略的转换方法,最终通过求解交互式马尔科夫链的时间可达概率最值实现对连续时间Markov过程模型的验证.理论分析表明,提出的方法具有可行性.     

转移概率不完全已知的离散随机Markov跳跃系统的稳定性与镇定控制

研究了一类转移概率不完全已知的离散随机Markov跳跃系统(MJSs)的稳定性与镇定控制问题。以严格线性矩阵不等式的形式给出了离散随机MJSs均方渐近稳定的充分必要性判据,并设计了状态反馈镇定控制器;通过数值仿真验证了结论的正确性。     

用马尔科夫过程描述水库径流

以年为周期、按时间序列把径流连续过程离散化为月或旬,若相邻月(旬)存在依赖关系则径流过程符合马尔科夫链。在求出条件概率后,即可求出相邻时段的转移概率矩阵,最后求得相应的条件概率流量。全部计算用FORTRAN语言编写程序,在VAX—8350机上实现。     

离散时间单重休假温储备系统的可靠性分析

在时间参数为离散的假设下,研究单重休假两同型部件的温储备系统,在部件工作寿命、储备寿命服从几何分布,修理时间和修理工休假时间服从一般离散型概率分布时,利用离散向量Markov过程方法,建立系统状态转移的差分模型。采用控制工程中常用的Z变换对模型进行处理,从而得到系统的稳态可用度、可靠度、等待维修概率、首次故障前平均时间...     

带中途退出的MMAP[K]/PH[K]/1排队系统的性能分析

研究了带中途退出的离散时间MMAP[K]/PH[K]/1排队系统,其中到达过程中有K种类型的顾客,不同类型顾客的耐心时间服从不同的一般离散型分布。通过构造GI/M/1型马尔可夫链,分析转移概率矩阵,并利用不可约马尔可夫链转移概率矩阵的UL型RG分解方法,得到了稳态下系统状态的平稳分布。在此基础上,分析了稳态下系统的顾客丢失率、等待队长和k（1≤k≤K）类顾客等待队长的概率分布等性能指标。     

储能式快速充电站负荷功率离散化模型建立

电动汽车随机进入充电站进行快速充电,容易造成电网过负荷和不确定性峰荷.为提高电网稳定性,减小随机充电带来的功率波动,提出了充电负荷离散化储能配置模型.将时间上连续的充电负荷曲线离散为等间隔时段的充电序列,电网供电功率上限和储能容量量化为可服务的充电桩个数,在设定的时间内用排队理论描述负荷状态,并以二维离散时间马尔科夫链建立系统负荷状态转移关系,确立单个储能式快速充电站随机充电模型.根据离散化负荷的状态空间和概率分布,进行不同负荷状态下的经济性分析,最后通过算例仿真,在电网供电功率和储能功率的不同配比下,分析电动汽车到达量对服务质量和经济性的影响,验证模型的有效性.     

跳跃CKLS模型的MCMC估计与应用

考虑金融市场的非系统风险,在传统的CKLS模型中加入随机跳跃因素,提出了一种刻画短期利率的扩展CKLS模型.采用Euler法离散化连续过程,得到离散过程的似然函数,并采用基于马尔可夫链蒙特卡洛法估计了模型的未知参数.采用上海银行间同业拆放利率数据进行实证研究.结果表明,跳跃在所选的研究期间以较高的概率发生,马尔可夫链蒙特卡洛法在参数估计中是有效的.     

基于3-D SGM移动模型的MANET链路动态性

针对目前移动Ad hoc网络(MANET)的链路动态性研究多采用传统RD、RWP等移动模型,存在速率突变、急转等不符合现实物体运动规律的现象,致使结论的准确性不高的问题,基于三维平滑高斯半马尔科夫移动模型,采用马尔科夫链理论研究了三维MANET的链路动态性,通过计算两节点间相对速率的概率密度函数和分离距离的一步转移概率矩阵,得到了链路断开概率和链路寿命期望的数学表达式。最后通过仿真实验进行了验证,表明了理论计算结果的准确性。结论对三维MANET网络协议设计具有一定的参考价值。     

通信网业务参量的一个随机预测模型

利用离散时间型马尔科夫链及随机理论,构造了一个转移概率矩阵,并按照通信网业务特性,将需要预测的通信业务分为N个等级,定义了S={1,2,…,N}共N个状态空间,建立了通信网业务参量的随机预测模型。通过通信网的实例分析,说明了该模型的可靠性。     

考虑认知不确定性的风力发电机维护决策优化

风电清洁又安全,然而,风力发电机存在维护成本高、难度大的特点。在将风力发电机作为多状态系统进行维护决策优化时,其各个状态的性能水平、状态转移概率和维护成本等很难精准得知,因而模型中会产生认知不确定性。以特定型号风力发电机的实际运行情况为背景,利用其运行过程中可能出现的多个性能水平进行多状态退化建模,提出一种基于模糊马尔科夫决策过程的风力发电机维护决策优化方法,再用三角模糊数量化模型中的状态转移概率、设备单位时间收益等参数的认知不确定性,最终实现求解。该方法旨在考虑模型认知不确定性下优化合理的维护决策,在工程中更好地实现兆瓦级风力发电机系统的收益最大化。     

离散时间下有优先权的两部件系统可靠性分析

研究了离散时间状态下有优先权的两部件可修系统,在假定工作时间服从几何分布、维修时间服从一般分布的条件下,引入了二维离散时间马尔可夫过程来定义系统的状态。通过概率分析的方法,建立系统状态转移的差分方程,采用控制工程中常用的Z变换对模型进行处理,得到系统的稳态可用度、可靠度、等待维修概率、首次故障前平均时间等一系列可靠性指标。     

带中途退出的排队系统的性能分析

研究了带中途退出的离散时间排队系统，其中到达过程中有K种类型的顾客，不同类型顾客的耐心时间服从不同的一般离散型分布。通过构造马尔可夫链，分析转移概率矩阵，并利用不可约马尔可夫链转移概率矩阵的UL型RG分解方法，得到了稳态下系统状态的平稳分布。在此基础上，分析了稳态下系统的顾客丢失率、等待队长和类顾客等待队长的概率分布等性能指标。     

基于隐马尔科夫模型的变压器剩余寿命分析

针对电力变压器故障引起的被迫停机状况,推进符合运维需求的视情维修机制,利用隐马尔科夫模型对变压器剩余寿命进行了研究.收集系统相关运行状态和工况数据,利用退化信息及历史寿命数据基于隐马尔科夫模型对系统进行退化状态评价,得出状态转移矩阵以及观测概率矩阵.利用故障比率模型进行可靠度分析,得出变压器剩余寿命概率分布.结果表明,本文方法能大概率准确预测变压器剩余寿命.     

冗余可修系统的可靠性分析

针对冗余可修系统这一类广泛配置于各种关键应用中的高可靠系统,定义简单的冗余可修系统可靠性描述模型--冗余可修门.该模型能够有效地集成于动态故障树分析工具中,用以刻画冗余可修系统的可靠性行为,基于离散事件仿真方法给出通用的冗余可修门可靠性模拟方法.基于随机过程理论,证明了共享维修系统状态演变对应的随机过程是马尔科夫再生过程,推导了有效的可靠性分析公式.基于系统的同构性和负指数分布的无记忆性,证明了独立维修系统的失效转移性质,结合马尔科夫再生过程理论推导了有效的可靠性分析公式.通过实例说明了给出的冗余可修系统可靠性分析方法的具体应用.     

基于隐马尔科夫模型的变压器剩余寿命分析

针对电力变压器故障引起的被迫停机状况,推进符合运维需求的视情维修机制,利用隐马尔科夫模型对变压器剩余寿命进行了研究.收集系统相关运行状态和工况数据,利用退化信息及历史寿命数据基于隐马尔科夫模型对系统进行退化状态评价,得出状态转移矩阵以及观测概率矩阵.利用故障比率模型进行可靠度分析,得出变压器剩余寿命概率分布.结果表明,本文方法能大概率准确预测变压器剩余寿命.     

随机离散事件系统的故障预测

针对随机系统模型,提出一种随机离散事件系统的故障预测方法. 先对随机离散事件系统的故障可预测性进行形式化,再通过引入概率转移矩阵构建一个故障预测器自动机,得到关于随机离散事件系统的故障可预测性的充分必要条件. 由此,在故障预测器的基础上,通过计算其扩展马尔可夫矩阵,可判定随机离散事件系统是否具有故障可预测性,从而实现对故障事件在其发生之前的准确预测.     

控制系统数学模型的统一性研究

采用一种等价的δ算子代替离散时间系统中的平移算子，使连续时间系统与离散时间系统的数学模型得到统一；并讨论了离散时间系统与其对应的连续时间系统之间的某些内在关系．     

基于隐马尔科夫模板模型的视频动作识别算法

针对动作识别算法中构建局部特征间关系不准确、先验知识少的问题,采用一种隐马尔科夫模板模型(HMT),用于从视频中识别人的动作。通过隐马尔科夫模型的状态转移概率,描述动作的各个姿态间的关系。通过模板匹配的方式来计算观测值到隐含状态之间的似然函数(因此称为隐马尔科夫模板模型),模板是活动的,可以克服目标几何外观的变化。隐马尔科夫模版模型的参数包括所有关键姿态模板的参数和这些关键姿态之间的转移概率。这些参数可以通过"期望最大化"算法从训练数据中学习。实验结果表明,所提出的方法在识别准确率上有明显优势。     

谈马氏过程在经济生活中的应用

马尔科夫过程是具有马尔科夫性质并且是存在于离散的指数集和状态空间内的随机过程。适用范围在连续指数集中的马尔科夫链我们称之为马尔科夫过程,但有的时候也被看作是马尔科夫链的子集,也就是连续时间的马尔科夫链。马尔科夫过程的应用十分广泛,不光在工业和商业中有所涉及,在经济和金融方面都有着极其重要的作用。结合实例给出马尔科夫过程在经济生活领域里的一些简单应用。阐述马氏过程在经济生活中的重要作用和应用价值。     

基于Markov链的最优化模型在长江水质预测中的应用

马尔科夫预测方法在预测领域有着广泛的应用.该方法应用的一个重要问题就是如何估计一步状态转移概率矩阵.在历史资料没有给出系统处于n个状态次数的情况下,给出一步状态转移概率矩阵估计的最优化方法.最后讨论了基于Markov链的最优化预测模型在长江水质预测中的应用,表明该模型有效、可行.