气固两相流中颗粒碰撞的Monte-Carlo数值模拟

利用颗粒碰撞动力学模型和颗粒几何碰撞率模型,采用Monte-Carlo算法来模拟颗粒之间碰撞,把该算法与求解雷诺应力-概率密度函数模型的有限差分-MonteCarlo算法耦合起来,对轴对称突扩通道内的两相旋流场进行了数值模拟,模拟结果表明,由于颗粒碰撞使颗粒的动能和湍动能在三个坐标方向上进行了再分配,从而导致颗粒的动能和湍动能在三个坐标方向上趋于各向同性;另外,由于颗粒碰撞破坏了颗粒-颗粒、颗粒-流体微团之间的速度关联,从而造成颗粒湍动能及两相速度脉动关联的降低。

相干激光雷达中最大似然离散谱峰值估计及Monte Carlo仿真

相干测风激光雷达中一个核心的问题是从微弱的气溶胶后向散射信号中估计出风速。基于零均值复高斯随机过程协方差矩阵统计模型的后向散射信号,首先讨论了最大似然(ML)离散谱峰值(DSP)风速估计算法的克拉美-罗下界(CRLB)与由Fisher信息矩阵论得到的精确CRLB之间的关系。其次,对于ML DSP估计应用于相干测风激光雷达中协方差矩阵统计模型的后向散射信号时,使用计算机Monte Carlo仿真的方法研究了风速估计的概率密度函数。分别讨论了信噪比、激光脉冲累积发数和发射激光脉冲宽度对ML DSP风速估计性能的影响。计算仿真结果表明:ML DSP风速估计的CRLB低于精确的CRLB;在信噪比为-20dB,100发激光脉冲累积和信噪比为-30dB,10 000发激光脉冲累积条件下,ML DSP风速估计中"坏"的估计值所占的比例都为0,"好"的估计值的标准差分别为0.62m/s和0.50m/s。

用差分和Monte Carlo求解相结合的方法计算有化学反应的活塞流

用差分和Monte Carlo求解相结合的方法对有化学反应的标量几率密度函数方程进行了求解,讨论了随机颗粒数和时间步长对计算结果的影响。计算结果表明,当化学反应速率是标量的线性函数时,结果与精确解很吻合;当反应速率满足Arrhenius定律时,结果也是合理的。

MIMO非线性系统状态估计的递推Monte-Carlo方法研究

递推蒙特·卡洛 (Monte-Carlo,MC)方法是基于系统状态和观测值概率分布的估计方法。本文首先讨论了SISO非线性系统状态估计中递推 MC方法的应用 ,在此基础上将上述状态估计方法推广到 MIMO非线性系统 ,并提出了两种不同的估计方案。仿真研究表明 ,这两种方案都可以得到较好的状态估计结果。不过 ,随机抽样数目对递推 MC估计方法的状态估计精度会产生较大影响 ,限制了该方法的进一步应用 ;本文对随机抽样数目对状态估计结果的影响进行了讨论。

基于Monte Carlo方法的任意概率密度随机数字信号发生器设计

在信号处理和计算机微观模拟的过程中,经常要构造具有特定概率密度的随机数发生器。采用常规方法实现难度较大且不具普遍性,本文根据MonteCarlo方法基本原理和随机信号的数字特征给出一种任意概率密度随机数发生器的设计方法及核心源代码。实验证明该方法简单高效、通用性好。

Probabilistic Response and Short-Term Extreme Load Estimation of Offshore Monopile Wind Turbine Towers by Probability Density Evolution Method

A new analysis framework based on probability density evolution method(PDEM)and its Chebyshev collocation solution are introduced to predict the dynamic response and short-term extreme load of offshore wind turbine(OWT)towers subjected to random sea state.With regard to the stochastic responses,random function method is employed to generate samples of sea elevation,the probability density evolution equation(PDEE)is solved to calculate time-variant probability density functions of structural responses.For the probabilistic load estimation,a FAST model of NREL 5MW offshore turbine is established to obtain samples of bending moment at the tower base.The equivalent extreme event theory is used to construct a virtual stochastic process(VSP)to assess the short-term extreme load.The results indicate that the proposed approach can predict time-variant probability density functions of the structural responses,and shows good agreement with Monte Carlo simulations.Additionally,the predicted short-term extreme load can capture the fluctuation at the tail of the extreme value distribution,thus is more rational than results from the typical distribution models.Overall,the proposed method shows good adaptation,precision and efficiency for the dynamic response analysis and load estimation of OWT towers.

广义概率密度演化方程的Chebyshev拟谱法

概率密度演化方法(probability density evolution equation,PDEM)为非线性随机结构的动力响应分析提供了新的途径.通过PDEM获得结构响应概率密度函数(probability density function,PDF)的关键步骤是求解广义概率密度演化方程(generalized probability density evolution equation,GDEE).对于GDEE的求解通常采用有限差分法,然而,由于GDEE是初始条件间断的变系数一阶双曲偏微分方程,通过有限差分法求解GDEE可能会面临网格敏感性问题、数值色散和数值耗散现象.文章从全局逼近的角度出发,基于Chebyshev拟谱法为GDEE构造了全局插值格式,解决了数值色散、数值耗散以及网格敏感性问题.考虑GDEE的系数在每个时间步长均为常数,推导了GDEE在每一个时间步长内时域上的序列矩阵指数解.由于序列矩阵指数解形式上是解析的,从而很好地克服了数值稳定性问题.两个数值算例表明,通过Chebyshev拟谱法结合时域的序列矩阵指数解求解GDEE得到的结果与精确解以及Monte Carlo模拟的结果非常吻合,且数值耗散和数值色散现象几乎可以忽略.此外,拟谱法具有高效的收敛性且序列矩阵指数解不受CFL (Courant-Friedrichs-Lewy)条件的限制,因此该方法具有良好的数值稳定性和计算效率.

混响室内模拟多径衰落场环境的概率统计模型

已有混响室概率统计模型不能同时模拟多种多径衰落场环境。通过扩展经典混响室平面波叠加模型,建立了更具普适性的混响室内模拟多径衰落场环境的概率统计模型。推导了电场直角分量模值的概率密度函数(PDF),在理论上验证了新模型能同时模拟瑞利分布、莱斯分布及更多多径衰落场环境。通过蒙特卡洛模拟仿真了电场直角分量模值的PDF,并与理论PDF对比,进一步验证了新模型同时模拟多种多径衰落场环境的能力。

基于改进概率假设密度滤波器的非合作双基地雷达目标跟踪

为解决非合作双基地雷达目标跟踪面临的低检测概率和高杂波率问题,提出了改进的概率假设密度滤波器。首先,提出一种新的航迹标识与状态估计方法,并将存活概率定义为与目标状态相关的变量;随后,记录每个候选目标在每一时刻是否有量测的情况,采用序贯概率比检验区分真实目标和由杂波引起的假目标;最后,离线估计目标状态。仿真实验结果表明,所提算法明显提高了非合作双基地雷达目标跟踪的性能,可以有效解决低检测概率和高杂波率问题。

A measurement-driven adaptive probability hypothesis density filter for multitarget tracking

This paper studies the dynamic estimation problem for multitarget tracking. A novel gat- ing strategy that is based on the measurement likelihood of the target state space is proposed to improve the overall effectiveness of the probability hypothesis density （PHD） filter. Firstly, a measurement-driven mechanism based on this gating technique is designed to classify the measure- ments. In this mechanism, only the measurements for the existing targets are considered in the update step of the existing targets while the measurements of newborn targets are used for exploring newborn targets. Secondly, the gating strategy enables the development of a heuristic state estima- tion algorithm when sequential Monte Carlo （SMC） implementation of the PHD filter is investi- gated, where the measurements are used to drive the particle clustering within the space gate. The resulting PHD filter can achieve a more robust and accurate estimation of the existing targets by reducing the interference from clutter. Moreover, the target birth intensity can be adaptive to detect newborn targets, which is in accordance with the birth measurements. Simulation results demonstrate the computational efficiency and tracking performance of the proposed algorithm.

Particle flters for probability hypothesis density flter with the presence of unknown measurement noise covariance

In Bayesian multi-target fltering,knowledge of measurement noise variance is very important.Signifcant mismatches in noise parameters will result in biased estimates.In this paper,a new particle flter for a probability hypothesis density（PHD）flter handling unknown measurement noise variances is proposed.The approach is based on marginalizing the unknown parameters out of the posterior distribution by using variational Bayesian（VB）methods.Moreover,the sequential Monte Carlo method is used to approximate the posterior intensity considering non-linear and non-Gaussian conditions.Unlike other particle flters for this challenging class of PHD flters,the proposed method can adaptively learn the unknown and time-varying noise variances while fltering.Simulation results show that the proposed method improves estimation accuracy in terms of both the number of targets and their states.

基于粒子群-蒙特卡罗的PDF形状控制策略

针对传统随机控制方法不能控制随机变量的高阶矩问题,提出一种基于粒子群-蒙特卡罗的概率密度函数(Probability Density Function,PDF)形状控制策略。通过设计多项式控制器和积分形式的目标函数,将PDF形状控制问题转化为控制器增益的优化问题。采用粒子群算法优化PDF形状控制器的增益,同时引入蒙特卡罗方法求解定积分形式的目标函数,使得非线性随机系统状态变量的PDF形状与期望的PDF形状一致。实验结果表明,该控制策略能够解决PDF的形状控制问题,而且缩短了粒子群算法的计算时间,提升了粒子群算法在PDF形状控制器增益中的优化性能。

基于序贯仿真和非参数核密度估计的大电网可靠性评估

序贯蒙特卡罗仿真不但能给出可靠性指标的期望值估计,而且能提供逐年可靠性指标样本。文中研究了序贯蒙特卡罗仿真的收敛特性,分析了仿真年数与计算精度之间的概率不确定性关系,推导了二者的置信区间公式,为实现计算成本和计算精度的综合权衡提供了量化分析手段。此外,基于逐年可靠性指标样本和非参数核密度估计理论,实现了可靠性指标的概率密度估计,从根本上克服了传统期望值指标仅从概率平均意义角度测度系统可靠性的缺点,探索了从可靠性指标内在分布规律和结构特征出发,深刻揭示电网风险特性的新思路。

基于SMC-PHDF的部分可分辨的群目标跟踪算法

提出一种基于粒子概率假设密度滤波器(Sequential Monte Carlo probability hypothesis density filter,SMC-PHDF)的部分可分辨的群目标跟踪算法.该算法可直接获得群而非个体的个数和状态估计.这里群的状态包括群的质心状态和形状.为了估计群的个数和状态,该算法利用高斯混合模型(Gaussian mixture models,GMM)拟合SMC-PHDF中经重采样后的粒子分布,这里混合模型的元素个数和参数分别对应于群的个数和状态.期望最大化(Expectation maximum,EM)算法和马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)算法分别被用于估计混合模型的参数.混合模型的元素个数可通过删除、合并及分裂算法得到.100次蒙特卡洛(Monte Carlo,MC)仿真实验表明该算法可有效跟踪部分可分辨的群目标.相比EM算法,MCMC算法能够更好地提取群的个数和状态,但它的计算量要大于EM算法.

考虑天气不确定性的光伏电站置信容量评估

光伏发电由于具有间歇性和波动性,一般认为只有能量价值而没有容量价值,但在光伏电站并网后电力系统的发电可靠性会有所提升,这表明光伏发电也具有一定的容量价值,如何衡量其置信容量是大规模光伏电站接入电网时需要考虑的问题之一。文中提出了一种评估光伏电站置信容量的计算方法。首先,根据1年中天气情况建立考虑不同天气概率、最大辐射强度、云遮蔽以及温度波动的年光伏电站输出功率波动模型;其次,采用了基于序贯蒙特卡洛仿真的电力系统发电可靠性计算方法,在此基础上应用弦截法进行光伏电站置信容量的迭代求解,并将数理统计中的检验2个大子样均值相等——u检验的假设检验方法引入到迭代求解的收敛性判据之中;最后,应用可靠性标准算例的仿真计算,证明了所述方法的正确性和有效性。

基于序贯蒙特卡洛方法的风电并网系统调峰裕度评估

在分析风电并网后系统调峰需求变化的基础上,运用可靠性理论,基于序贯蒙特卡洛方法,提出了风电并网系统调峰裕度评估方法。该方法计及常规机组的强迫停运概率和风电随机波动特性,充分利用序贯蒙特卡洛方法便于加入规则的特性,提出了调峰不足概率指标及其计算方法。利用所述方法对IEEE-RTS系统进行了调峰裕度评估,验证了该方法的可行性和有效性。

牵引变电所馈线电流的概率模型

基于随机过程理论,采用数值分析方法,通过对大量实测数据的统计分析,用β-函数拟合牵引变电所馈线电流的概率密度.采用蒙特卡罗法,获得了牵引变电所馈线电流的子样,为牵引变电所馈线电流的过程分析提供了大量信息.牵引变电所馈线电流的仿真结果与实测数据的比较表明,二者的统计规律基本相同,说明所采用的方法是有效的.

基于序贯蒙特卡罗方法的风电场有功出力可靠性评估

考虑运行、停运和降额状态,建立风电机组的多状态故障模型;在此基础上,考虑风速的随机性、风电场尾流效应和风机本身的故障建立风电场的可靠性模型。基于序贯蒙特卡罗方法给出风电场有功出力可靠性评估的方法和流程。在Matlab中编写相关程序,并对风电场的有功出力进行可靠性评估,通过分析不同可靠性参数对评估结果的影响,验证所建可靠性模型和评估方法的有效性和适应性。

面向快速多目标跟踪的协同PHD滤波器

考虑到存活目标与新生目标在动态演化特性上的差异性,提出了面向快速多目标跟踪的协同概率假设密度(collaborative probability hypothesis density,CoPHD)滤波框架。该框架利用存活目标的状态信息,将量测动态划分为存活目标量测集与新生目标量测集,在两个量测集分别运用PHD组处理更新基础上建立了处理模块的交互与协同机制,力图在保证跟踪精度的同时提高计算效率。该框架由于采用PHD组处理方式而具有状态自动提取功能。进一步给出了该框架的序贯蒙特卡罗算法实现。仿真结果表明,该算法在计算效率以及状态提取精度上具有明显优势。

降雨和蒸散对夏玉米灌溉需水量模型估算的影响

为揭示降雨和蒸散年际波动对作物灌溉需水量的影响机理，以华北平原南部地区夏玉米为研究对象，基于土壤水分概率密度函数建立灌溉需水量计算模型，分析了降雨、蒸散和灌溉需水量的年际波动特征，结合蒙特卡洛方法探讨了降雨和蒸散对灌溉需水量年际波动的贡献。结果表明：研究区夏玉米降雨参数年际波动显著，平均降雨量波动于4.958～25.003 mm，变异系数为0.326；降雨频次波动于0.143～0.457 d-1，变异系数为0.170；平均降雨量和降雨频次均可采用Logistic分布描述：平均降雨量服从Logistic（11.273,2.022），降雨频次服从Logistic（0.318,0.029）。潜在蒸散量年际波动相对平稳，可采用对数正态分布描述：潜在蒸散量服从LogNormal（1.370,0.076）。灌溉需水量多年平均值为133.1 mm，波动于8.1～381.8 mm，变异系数为0.673，年际波动显著高于降雨和蒸散。平均降雨量对灌溉需水量年际波动的贡献率最大，其次为降雨频次，潜在蒸散量最小；在三者的共同作用下，灌溉需水量年际波动呈现出更大的不确定性。因此，在估算灌溉需水量时有必要对这种不确定性进行定量评估，针对不同降雨和蒸散条件制定合理的灌溉策略，为农业水资源管理和决策提供更可靠的科学依据。