基于灰色-马尔可夫模型的刀具磨损预测

为了准确判断和预测激光超声复合超精密车削过程中刀具的磨损状况及磨损趋势,基于激光超声复合超精密车削刀具后刀面磨损试验数据,应用灰色-马尔可夫理论建立了激光超声复合超精密车削刀具磨损量灰色预测模型及灰色-马尔可夫预测模型,并对特定切削条件下的刀具磨损量进行了预报。结果表明,两种模型预测值与实测值误差较小,尤其是灰色-马尔可夫模型拟合精度更高,结果更可靠,能更好地满足工程需要。     

基于两次改进灰色加权马尔可夫模型的CPI预测

利用灰色加权马尔可夫预测模型对居民消费价格指数(CPI)进行研究,并在此基础上进行两次改进.首先利用无偏灰色加权马尔可夫模型进行改进,消除了原有模型固有的偏差;又利用递进转移概率矩阵进行二次改进,在预测时增加最新的预测数据,去掉距离最远的数据,最后结合2013.06~2014.03的CPI数据对2014年4月及5月份的数据进行预测.结果表明:两次改进的灰色加权马尔可夫模型与一般灰色加权马尔可夫模型相比,平均相对误差约减少30%,效果较好.     

区间自适应遗传算法在求解马尔可夫状态转移矩阵中的应用

将区间自适应遗传算法应用于马尔可夫预测模型状态转移概率矩阵的求解。用马尔可夫预测法对辽宁省农、林、牧、渔各业产值结构进行了研究,与《中国统计年鉴》整理得到的数据比较,具有较高的预测精度,为优化辽宁省农业产值结构提供参考。     

Two-way Markov random walk transductive learning algorithm简

Researchers face many class prediction challenges stemming from a small size of training data vis-a-vis a large number of unlabeled samples to be predicted. Transductive learning is proposed to utilize information about unlabeled data to estimate labels of the unlabeled data for this condition. This work presents a new transductive learning method called two-way Markov random walk （TMRW） algorithm. The algorithm uses information about labeled and unlabeled data to predict the labels of the unlabeled data by taking random walks between the labeled and unlabeled data where data points are viewed as nodes of a graph. The labeled points correlate to unlabeled points and vice versa according to a transition probability matrix. We can get the predicted labels of unlabeled samples by combining the results of the two-way walks. Finally, ensemble learning is combined with transductive learning, and Adboost.MH is taken as the study framework to improve the performance of TMRW, which is the basic learner. Experiments show that this algorithm can predict labels of unlabeled data well.     

面向新能源消纳能力评估的年负荷序列建模及场景生成方法

全年负荷序列是开展中国省级电网新能源消纳能力评估的基础,文中提出了基于聚类分析和马尔可夫链技术的年负荷序列建模和场景生成方法。首先,通过自组织映射对历史负荷数据进行典型日聚类分析,并采用离散马尔可夫链描述不同典型日之间的状态转移特性。针对每类典型日,采用核密度估计和t-Copula函数构建日负荷特性指标的联合概率分布模型。然后,通过马尔可夫链蒙特卡洛随机抽样生成每日的典型日状态和日负荷特性指标。最后,通过构建日负荷序列优化模型,实现每日负荷序列的优化重构,直至生成全年负荷序列场景。算例基于中国某省级电网全年负荷数据进行测试,并利用所生成的负荷序列场景开展未来年度新能源消纳能力的评估,结果验证了所提方法的有效性及实用性。     

计及经济性和可靠性因素的区域综合能源系统双层协同优化配置

现有的区域综合能源系统优化配置方法在可靠性约束条件下求得经济性最优,容易产生过度投资或可靠性不足等问题,限制了配置方案的可选择性和实用性.为了解决上述问题,该文基于区域综合能源系统状态转移时序性模型,以经济性和可靠性作为优化目标,建立了区域综合能源系统规划与运行相结合的双层多目标优化配置模型.上层规划模型以系统年净成本和综合缺能率最小为目标,采用NSGA-II算法求取配置方案的Pareto最优解集;下层优化运行模型将上层模型确定的配置方案转换为线性约束条件,以系统切负荷量最低和运行经济性最优为目标实现系统的优化运行,采用序贯蒙特卡洛法对运行可靠性进行量化,并将运行成本和可靠性量化值反馈至上层模型.通过某区域综合能源微网系统进行算例验证,分析了不同配置方案经济性和可靠性之间的关系,并通过给出最优解集的方式实现了多目标优化方案的可选择性.     

彩色自然纹理分类识别的研究

为了建立描述彩色自然纹理的参数体系,选用木材纹理这种典型彩色自然纹理为研究对象,提取了木材图像颜色矩和高斯-马尔可夫特征参数,采用改进的模拟退火算法进行了特征优化筛选及特征级参数融合,得到纹理参数体系并进行分类识别实验,识别率为97.25％,明显高于融合前单参数体系.研究表明用该参数体系对彩色木材纹理进行分类识别是可行的,也可用于与其相近彩色自然纹理的分类识别.     

分子标记多位点排序的并行计算

为了对一组连锁的分子标记位点获得正确的排序进而构建生物遗传连锁图谱,提出了并行算法PMMASLH,针对F2作图群体,通过基于消息传递接口并行最大最小蚂蚁系统求解连锁的多个分子标记位点排序,使用隐马尔可夫模型计算一列有序标记位点所获得的极大似然值作为排序的目标函数。计算机模拟结果表明,该算法执行效率高、计算稳定,排序的功效优于著名的连锁作图软件Mapmaker。     

概率模型检测技术在机器人路径规划中的应用

在机器人路径规划的实际应用中,针对机器人移动行为可能会受到外界环境影响的难题,提出了一种采用概率模型检测技术进行路径规划的新方法。首先,分析环境中的主要影响因素,将机器人的移动行为看作一个不确定事件,构建马尔可夫决策过程(MDP)模型。然后,采用概率计算树逻辑(PCTL)公式描述模型属性,表达机器人复杂多样的目标任务。最后,运用PRISM平台对模型进行分析和验证,得到满足属性的全局优化路径和定量数据。仿真结果表明,上述方法不仅能够保障机器人在障碍物环境中无碰撞移动,而且可以避开环境相对复杂的区域,保证机器人以最大概率完成任务。对比试验证明上述方法的正确性和有效性。     

具有随机马尔可夫时延的网络控制系统H∞故障检测

针对存在随机时延的网络环境,研究了一类网络控制系统的H∞故障检测滤波器设计问题．考虑了可 由马尔可夫过程描述的随机时延,网络控制系统被建模成离散时间有限状态的马尔可夫跳变线性系统．基于此类模 型,构造了系统的残差发生器,相应的故障检测问题转化为H∞滤波问题．通过选择合适的滤波器增益,使得残差和 故障之间的误差尽可能地小,保证了残差对于未知输入的鲁棒性．以线性矩阵不等式的形式给出了故障检测滤波器 存在的充分条件,并运用锥补线性化方法完成了滤波器设计过程．数值算例表明,上述网络控制系统故障检测滤波 器不仅对故障敏感,同时对外界扰动具有鲁棒性．