矿山开采地表下沉与变形预计新方法

以理想散体移动模型为基础，提出了更具有一般统计意义的采动覆岩与地表下沉概率密度新函数，建立了水平煤层开采地表下沉和变形的预计新体系，为矿山开采地表下沉和变形预计提供了新方法。     

稀疏统计二次Renyi熵的运动估计匹配准则

运动估计是视频编码技术的核心,通过对运动估计基本原理的分析可知匹配准则是运动估计的关键环节。针对传统匹配准则描述块匹配精度不高,导致信息冗余较多的不足,提出一种稀疏统计二次Renyi熵的运动估计匹配准则。该匹配准则在计算Renyi熵时,引入了统计直方图,采用统计的方式计算概率密度函数,并结合基于梯度的图像质量评价和运动矢量中心偏离特性,对直方图的统计区间进行稀疏化。实验结果表明,该匹配准则简化了Renyi熵概率密度函数的计算,通过统计区间的稀疏化减少了80%以上的乘法运算量,对运动剧烈的视频序列能够得到优于传统绝对误差和函数的峰值信噪比,取得更好的图像质量。     

加筋板架击穿概率分析

为评估攻击武器作用下舰船结构的安全性,对战斗部冲击载荷作用下加筋板架的击穿概率进行分析.取初始撞击速度、战斗部密度、材料的弹性模量和极限强度作为随机变量,利用随机数生成程序得到50组随机变量的初始值;采用有限元程序进行仿真计算,得到战斗部击穿板架后的末速度值,并检验末速度是否服从正态分布,若不服从则利用最大熵法拟合末速度的概率密度函数;考虑战斗部撞击点和板架加强筋的相对位置关系,采用速度破坏准则,利用蒙特卡罗方法模拟得到不同入射角度的战斗部击穿单层和双层加筋板架的概率.该方法所用样本数量少,充分利用了样本信息,效率较高,具有一定实际应用价值.     

基于概率密度分析法快速筛选退役电池模组

快速筛选出安全可靠有利用价值的电动汽车退役动力电池仍是急需解决的问题.通过随机概率密度函数(PDF)方法对电池容量标定过程中的充电电压数据进行处理,得到峰B顶点一定间隔内积分面积与SOH之间呈现较好二次函数关系,两者之间拟合优度在0.99以上.将测试获得的电池电压数据代入拟合公式得到估算SO H与实际SO H误差在3％以内.由此提出一种使用电池充电过程中部分电压数据基于PDF即可快速检测SO H以实现对电池模组快速筛选的方法.     

基于耦合概率密度方法的河渠突发水污染溯源

以水动力计算为基础,依据正向浓度概率密度与逆向位置概率密度的耦合关系,构建了以污染源位置和释放时间为参数的相关性优化模型,并利用微分进化算法实现了模型的求解。在此基础上,根据污染物正向浓度概率密度函数构建优化模型确定了污染物强度。耦合概率密度方法将突发水污染溯源问题转换为两个最小值优化问题,原理简单,求解方便,实现了污染源参数的解耦。在求解优化模型时,将梯度概念引入到微分进化算法中,提高了搜索效率。将所提出的溯源方法运用于仿真实验案例以及南水北调中线应急示范工程实例,结果表明,模型溯源效果好、模拟精度高,溯源结果对于河渠突发水污染事件应急处置具有一定指导意义。     

基于逆向概率密度函数的一维污染源排放重构

应用逆向概率密度函数进行一维对流扩散方程污染释放过程重构,给出了采用逆向概率与传统优化过程的流程图和主要区别。采用逆向概率密度函数进行污染源重构,其微分方程求解次数等于观测数据量,有效地降低了数值计算量。应用逆向概率密度函数结合优化算法针对一维对流扩散方程中正态波式和矩形波式的污染源排放过程重构的仿真结果显示:对于1～2个污染物正态函数波释放过程,采用一到两个监测点即可准确得辨识出主要参数;3个正态函数波释放过程,采用3个监测点,辨识结果仍有一定误差,可能与模型的非线性特征或释放过程波的相互干扰有关。矩形波释放过程,采用三个监测能准确辨识出所有参数。     

多维直方图联合概率分布的掩模矩阵降维算法

彩色图像的分量独立处理或感知彩色空间的强度分量处理,都能达到增强图像对比度的效果,但由于没有考虑各个分量之间的联系,不能开发完全的RGB色域。多通道直方图建模技术可以改善上述缺陷,就是通过求取多个分量的直方图联合概率密度函数和累积分布函数,从而得到彩色图像的像素灰度值映射函数,但计算联合直方图的过程也导致了过高的运算复杂度。为了降低计算量,提出了掩模降维的方法,将计算多维直方图的过程转化为了计算一维直方图,从而大大降低了运算复杂度,提高运算速度,增强对比度的效果。     

基于混合瑞利分布的三维医学图像分割算法

水平集算法是当前比较重要的分割算法,研究该算法的三维分割技术.提出高斯分布和瑞利分布相结合的方法进行概率密度函数的确定与分析,通过随机极大似然算法(SEM)把瑞利分布引入到水平集三维分割演化模型中.该方法成功应用于多种医学组织的三维分割,提高了分割速度和分割效果,减少了参数的设置.     

随机分布控制系统的自适应迭代学习控制

介绍输出概率密度函数（PDF）常规的迭代学习控制（ILC）的收敛条件,并利用此条件设计相应的迭代学习律。主要讨论如何解决输出PDF迭代学习控制（ILC）中的过迭代,收敛速度等问题。以离散输出概率密度函数（PDF）控制模型为基础,介绍了直接迭代学习控制算法收敛的必要条件,提出自适应的迭代学习参数调节方法和避免过迭代的迭代结束条件,这些措施能够保证输出PDF的迭代控制收敛且具有较快的收敛速度。仿真结果表明,输出PDF的自适应迭代学习控制具有较快的收敛速度,而学习终止条件能很好地避免过迭代。