基于马尔科夫模型的双站激光微波混合链路性能分析

针对气象变化对自由空间光(Free Space Optical,FSO)通信链路和毫米波射频(Radio Frequency,RF)通信链路可用率的影响问题,采用马尔科夫建模与稳态概率求解计算方法,分析不同天气条件下FSO/RF混合链路的双接收站分集与中断概率性能.基于FSO链路和RF链路的信道模型,采用有限状态马尔科夫链(Finite State Markov Chain,FSMC)分别对单双站FSO/RF混合链路的切换选择进行建模,推导得出不同参数和天气情况下系统稳态的中断概率表达式.数值计算结果表明,当中断概率达到10^(-6),雨雾天气链路距离为1~7 km时,双站FSO/RF混合链路相比单站可获得4~25 dB的增益.

基于混合Markov模型的ETC收费数据挖掘研究

ETC收费数据中蕴含着大量的信息,如何利用数据挖掘技术解决运营管理中的问题成为高速公路管理部门的迫切需求.本文选取ETC历史数据构建路径序列事务数据库,针对基本Markov路径预测模型预测准确率低、覆盖率低的缺点,提出了一种基于混合Markov路径预测模型预测高速公路车辆路径的方法,利用该方法实现了高速公路ETC车辆未来通行状态的预测,同时检测出异常的路径序列.实验结果表明,该方法检测结果可靠,总体预测准确率达到83%以上,能够为高速公路管理部门开展收费稽查、提高ETC管理水平提供理论依据和决策参考.

基于多状态空间混合Markov链的风电功率概率预测

现有风电功率预测方法只提供功率的单点预测值,但在电力市场的决策过程中却需要更多的信息。文中提出一种基于离散时间Markov链理论的新功率预测模型。针对功率数据的无规律性,采用等分法划分了4种状态空间,并对每种状态空间都建立1阶和2步混合Markov模型,模型权重系数采用加速遗传算法求解。该模型直接对风电功率数据进行数值分析,有效避免通过风速预测再转换为功率时带来的误差累积。给出4种混合模型和最新的评价误差公式。分析和算例表明,N为102时混合模型预测精度高于持续法模型,并给出了单点预测值和概率分布值。

基于混合Markov模型的用户浏览预测

建立有效的用户浏览预测模型,准确的预测用户的浏览路径,是开发各种Web站点导航工具的关键。传统的Markov模型是一种简单而有效的预测模型,但它存在测准确率低、预测覆盖率低以及存储复杂度高等缺点。通过对传统Markov模型的扩展,并研究了群体用户在Web上的浏览特性,采用了基于混合Markov模型的用户群兴趣导航发现方法。实验结果表明,该方法比传统Markov模型更准确的反映了用户的访问兴趣,可以获得更高的预测准确率与覆盖率,以及有效地降低存储复杂度。

一类具有Markov跳跃参数的不确定混合系统滑模控制

针对一类具有Markov跳跃参数的不确定混合系统,基于滑模控制理论,设计了滑模控制器.通过线性矩阵不等式方法,分别给出了匹配不确定和非匹配不确定条件下系统在滑模面上均方意义下指数稳定的充分条件.同时针对这两种不确定性,设计了相应的滑模控制策略,并证明了该控制策略能够确保系统的运动轨迹在有限时间内到达滑模面并一直保持在滑模面上.仿真结果表明,所设计的控制器对不确定混合线性Markov跳跃系统具有很强的稳定性和鲁棒性.

用于移动路径预测的混合Markov模型

分析了移动路径预测的已有方案,指出了各方案存在的问题。针对预测性能相对较好的K阶Markov预测器存在的状态空间膨胀问题,以2阶Markov预测器为例,提出了2步Markov模型,并验证了其在WLAN上的可行性。在此基础上,提出了一个混合多步Markov模型,并利用EM算法估计多个单步Markov模型的混合系数。该混合模型状态空间的复杂度为O(N),而2阶Markov模型为O(N2),其中,N为WLAN中的AP数目;混合模型的存储空间需求为O(N2),而2阶Markov模型为O(N3)。最后通过基于条件熵与误差向量2阶范数的计算分析以及基于实际数据集的实践分析表明,该混合模型能够以比2阶Markov模型小得多的空间代价获得与2阶Markov模型相似的预测精度和普适性,具有较高的实时在线应用价值。

基于广域测量系统的交直流系统Markov切换控制器设计

高压直流输电的附加调制功能可以明显改善交直流混联系统的稳定性。远方反馈信息的不健全和时滞的影响,严重降低了控制器的控制性能和系统的安全稳定性。而电力系统运行状态发生随机跳变时,系统的精确模型更加难以得到,系统可能由于仍采用跳变前的控制策略而失稳。通过考虑交直流混联系统的复杂动态交互行为与广域测量系统的时变时滞特性,利用全状态反馈线性化理论,建立能反映交直流混联系统实时运行状态的Markov切换模型与时滞控制模型,并提出状态转移矩阵未知条件下非线性Markov切换控制策略,设计其稳定控制器。研究结果表明,所提出的基于Markov切换模型的交直流混联系统非线性控制方法可显著提高系统的控制性能,又具有一定的时滞鲁棒性。

Markov链与Q-Learning算法的超轻度混动汽车模型预测控制

为了同时兼顾能量管理策略的全局最优性与运算实时性,本文提出了基于Markov链与Q-Learning算法的超轻度混合动力汽车模型预测控制能量管理策略。采用多步Markov模型预测加速度变化过程,计算得出混合动力汽车未来需求功率;以等效燃油消耗最小与动力电池荷电状态(SOC)局部平衡为目标函数,建立能量管理策略优化模型;采用Q-Learning算法对预测时域内的优化问题进行求解,得到最优转矩分配序列。基于MATLAB/Simulink平台,对于ECE_EUDC+UDDS循环工况进行仿真分析。结果表明:采用Q-Learning求解的控制策略比基于动态规划(DP)求解的控制策略,在保证燃油经济性基本保持一致的前提下,仿真时间缩短了4 s,明显地提高了运行效率,实时性更好。

混合Markov与Bayes的客户欠费预测模型

为有效规避客户欠逃费和实现差异化处置,针对具有长期定时付费特征的后付费类服务,提出混合马尔科夫与贝叶斯的客户欠费预测模型,基于全客户多要素信息增益分析,给出潜在欠费客户的欠费概率,为客户欠费预警和处置提供全面、客观、精细的决策信息,并支持客户差异化处置.首先,基于其付费特点,建立k序马尔科夫模型,计算客户的初始欠费概率;然后,融合客户基本属性、行为特征和欠费信息等要素,基于条件互信息和爬山法生成目标贝叶斯网络,对初始欠费概率予以修正,形成客户最终欠费概率;最后,基于实际数据进行实证分析,验证了该模型的有效性.

基于马尔可夫过程的实时物流VRP建模与求解

在随机车流量环境下,为了有效提高服务质量和减少总运输时间,本文在引入满意度和车流量双指标条件下构建了一种基于马尔可夫过程,以及用于权衡总运输时间和服务惩罚成本的物流服务问题模型。鉴于问题的复杂性,本文设计了一种混合遗传算法对其进行求解,其中基于提高服务质量的局部搜索策略兼顾了车辆总运输时间与客户满意度,使得算法能够在有效空间里进行搜索。为了验证模型和算法的有效性,本文在Solomon数据集的56个测试样例上进行了实验。结果表明,在样例优化服务质量上,所提混合遗传算法在其中28个样例上达到了100%满意评价,较标准遗传算法提高了29%,同时实现了最低总成本目标。

Markov切换系统的随机稳定性分析

根据混合系统离散状态的动态行为和Markov链的状态也是离散的特点,提出了一类离散状态的动态行为是Markov链的混合系统。与传统的混合系统相比,这类系统能够刻画出混合系统离散动态行为的随机性,可以用来描述系统受到外界环境因素制约和内部突发事件等随机因素影响而发生变化的动态行为。根据动态系统的稳定性定义以及随机过程理论,给出了Markov线性切换系统的随机稳定性定义,并且分析了Markov线性切换系统的随机稳定性问题,给出了判定随机稳定性的充分必要条件。

基于马尔可夫蒙特卡罗算法的孤岛模式混合储能微网下垂平坦控制方法

孤岛状况是造成混合储能微网下垂的主要因素,为使混合储能微网正常运行,提出基于马尔可夫蒙特卡罗算法的孤岛模式混合储能微网下垂平坦控制方法。使用马尔可夫蒙特卡罗算法对缺失光伏数据进行填补。依据填补后的微网光伏数据计算微网自身荷电状态,并依据该荷电状态数值建立混合储能微网超级电容和蓄电池功率控制模型,实现孤岛模式混合储能微网下垂平坦控制。结果表明:所提方法填补光伏数据时的效率高于0.99,具备良好的下垂平坦控制能力。采用所提方法可对孤岛模式混合储能微网下垂进行良好控制,可有效保证混合储能微网的平稳运行,具有一定应用价值。

网络攻击下的Markov跳变系统有限时间控制

网络攻击多样化、分布式和高频率的特点,对国民经济和社会发展带来巨大威胁.在工业控制领域,针对网络控制系统安全的研究愈发重要.主要考虑了一类基于混杂驱动机制与双通道量化的Markov跳变系统,研究了系统在网络攻击下的有限时间稳定和H_∞性能.首先,建立输出反馈的Markov跳变系统模型,设计了输出反馈控制器.为减少控制系统中公共网络带宽负担,降低无效信号的传输率,在传统事件触发机制基础上,引入混杂驱动机制和双通道对数量化器,平衡系统性能和通信数据传输率.然后,引入网络攻击模型,增强Markov跳变系统对外部攻击的抵抗性.构造Lyapunov-Krasovskii泛函,利用线性矩阵不等式给出系统在有限时间的稳定性判据和H_∞性能指标,最后通过2个仿真实例证明所提出的定理的有效性.

基于GPS轨迹数据的混合多步Markov位置预测

随着移动设备和定位技术的广泛应用,基于位置服务成为研究热点,位置预测是其重要研究内容.基于GPS轨迹数据,对位置预测方法进行研究.Markov模型可以较好地表示时序数据,因此可较好地用于位置建模和预测.在基于Markov建模的位置预测中,1阶Markov模型存在轨迹信息利用不充分、预测准确率低的问题;而多阶Markov模型存在状态空间急剧膨胀的问题.针对这些问题,提出了基于混合多步Markov模型的位置预测方法,在将原始GPS轨迹转化为区域轨迹的基础上,对各多步模型进行融合,提出了基于Adaboost框架的各多步模型影响系数的生成方法,在保证状态空间不变的情况下提高了预测准确性.真实数据集上的实验验证了所提位置预测方法的有效性.

基于多状态Markov模型和逆最优理论的HVDC附加控制器

高压直流输电(HVDC)的附加控制器可以显著改善交直流混联系统的稳定性,但电力系统在随机大扰动下呈现出连续时间动态和离散事件相互作用的混杂特性,使得基于系统固定工况的传统建模方法无法全面描述系统的运行状态。针对此问题,提出了一种基于多状态Markov模型和逆最优理论的HVDC附加控制器。首先建立了多区域交直流混联系统的多状态Markov模型,在此基础上,提出了交直流混联Markov系统的逆最优反推控制策略,该策略将非线性系统最优控制问题转化为渐近稳定控制律的求解问题,不仅能够确保随机扰动下系统的鲁棒稳定性,还解决了具有非线性特性的系统全局优化问题,同时也避免了求解HJI偏微分方程,使控制策略易于工程实现。在选择控制参数时,以设备停运率替代Markov系统的状态转移率,因而可在满足系统多状态特性的同时,避免由于实际系统运行方式的复杂性给控制策略的实现带来的困难。仿真结果表明,与传统的控制器相比,所提的HVDC附加控制器能显著提高交直流混联系统的暂态稳定性。

带有网络攻击的Markov跳变系统混杂触发控制器设计

文章针对马尔科夫(Markov)跳变系统,基于优化数据通信、提升系统响应和性能的考虑,设计了混杂触发控制器和量化器。利用伯努利分布将时间触发和事件触发相结合,以平衡系统的性能和数据通信,同时利用量化将连续信号转化为离散信号,提高采集数据的传输速率。特别针对工业控制系统的网络安全问题,考虑系统即便在遭受来自外界的网络攻击时,文章设计的输出反馈控制器依然能够保持系统稳定。在此基础上,借助于MATLAB的控制系统工具箱,对一个实际电路系统进行电压与电流控制的仿真,结果表明所设计控制器的有效性和实用性。

发电过程孪生模型在线演化方法研究

随着机器学习和深度学习的成熟,数据驱动模型得到了快速发展,过程模型的精度也得到了显著提高。目前,模型性能评价已经不再局限于模型精度,模型的泛化、演化等能力也成为重要的衡量指标,尤其体现在数字孪生的建模研究中。数字孪生建模不仅要求模型能够逼真地再现物理实体,而且还要求模型随着物理实体的变化而演化。这就要求数字孪生模型能在保证精度的同时,还具备在线演化的特点。基于串联混合模型建立离线局部模型库,构建了马尔可夫模型,设计了马尔可夫模型与局部模型结合的两层演化模型。利用马尔可夫模型对运行状态进行预测,应用RBF神经网络实现串联混合模型中数据驱动子模型过渡参数的演变,从而达到孪生模型整体演化的目的。最后,建立了空预器换热过程的孪生模型,并进行仿真验证,证明了所提方法的有效性。

基于半马尔科夫过程的混合式直流断路器多状态可靠性分析

混合式直流断路器是柔性直流输电系统中实现故障快速切除的关键设备,其可靠性直接影响柔性直流输电系统的运行水平。首先综合考虑设备多级劣化状态、维修状态和老化状态,建立混合式直流断路器多状态转移模型。之后在拓扑分析的基础上通过可靠性框图法计算其基础故障率水平,结合健康指数理论和威布尔分布得到考虑状态差异的离散化时变故障率模型,同时纳入巡检率和维修率得到多状态转移率模型。进而基于半马尔科夫过程进行可靠性分析。算例以某柔直示范工程为背景计算混合式直流断路器多状态可靠性指标,并对其巡检周期和各冗余系统冗余度进行灵敏度分析,研究可为混合式直流断路器的巡检安排和冗余配置提供策略参考。

基于隐藏半马尔可夫模型的传感器状态感知研究

当前,传感器的高误检率和接线故障导致的检定不合格问题,影响了检定效率。为解决这一问题,该研究提出了一种针对IO-Link传感器的状态感知模型,旨在有效应对传感器的高误检率和组件故障问题。首先,构建混合冗余IO-Link传感器容错系统模型与传感器故障诊断和隔离的误检率数学表达式。随后,基于隐藏半马尔可夫模型,提出用于检测传感器状态的随机过程评价模型。最后,通过模拟测试验证所提出模型的有效性。在检测阈值为5%的情况下,所提出的传感器状态感知评价模型没有出现误报,并且实现了100%的状态检测准确度。因此,该研究不仅可为IO-Link传感器状态感知提供解决方案,还能为提高检定效率和确保检定合格性提供理论支持和实际应用基础。

基于改进有效信噪比的混合自动重传请求算法

针对AOS系统中传统的混合自动重传请求算法在传输过程中难以同时兼顾数据传输的误码率和传输效益的问题,提出一种基于改进有效信噪比的混合自动重传请求算法。在基于有效信噪比的自动重传请求的基础上,采用长短期记忆网络和隐马尔科夫组成的混合模型预测有效信噪比的变化。根据不同时刻有效信噪比的变化关系动态调节汉明码的监督元数量,实现保证系统误码率的同时提升系统的吞吐率。仿真结果表明,该算法与传统II型混和自动重传请求算法和基于有效信噪比的混和自动重传请求算法相比,能够明显降低误码率,减少重传次数,提升系统的吞吐率。