多参数广义Wiener过程像集的一致Hausdorff维数

得到了多参数广义Wiener过程像集的一致Hausdorff维数:在一定条件下,a.s. E∈B(RN+)有:2αdimEβdimE dim(～W(E))

多参数广义Wiener过程像集的一致Hausdorff维数

本文得到了多参数广义Wiener过程像集的一致Hausdorff维数:在一定条件下,a.s. E∈B(RN+)有:2αdimE.βdimE≤dim( W(E))

EM算法在Wiener过程随机参数的超参数值估计中的应用

Wiener过程广泛用于产品的性能退化建模,为了便于Bayesian统计推断大都采用随机参数的共轭先验分布。针对目前的二步法得到的超参数先验估计值精度不高的问题,研究了最大期望(expectation maximization,EM)算法在Wiener过程超参数先验估计中的应用。EM算法将随机参数作为隐含变量对先验信息进行整体处理,利用随机参数的期望值代替其估计值,通过Expectation和Maximization组成的递归迭代过程寻找超参数的估计值。仿真实验表明,EM算法相比于二步法提高了估计精度,特别是在采样数量较少时EM算法具有较大的精度优势。GaAs激光器实例应用表明EM算法不但具备很好的收敛性而且有良好的工程应用价值。

N指标d维广义Wiener过程的点常返性

设W^((N.d))=(W^((1)),W^((2)),…,W^((d))为N指标d维广义Wiener过程,W^((i))所对应的方差测度F_i(1≤i≤d)关于L测度是绝对连续的。本文证明了i)当对L测度足够小的矩形A满足F_i(A)≥C_1|A|~a且当d<2N/a时,则W^((N.d))是点常返的;ii)当对L测度足够小的矩形A满足F_i(A)≤C_2|A|~a且当d>2N/a时,则W^((N,d))在非退化区域上是非点常返的。

N指标d维广义Wiener过程象集的m项代数和的几个性质

设 W(t) :RN+ → Rd 是 N指标 d维广义 Wiener过程 ,对任意紧集 E1,… ,Em RN>,该文研究了m项代数和 W(E1) … W(Em)的 Hausdorff维数 ,Packing维数和正的 L ebesgue测度及内点的存在性 .

N参数d维广义OU过程象集代数和的Hausdorff维数(英文)

设X(t)∶RN+→Rd是N参数d维广义OU过程.对任意的紧集E,F RN+\{0},考虑了X(t)象集代数和X(E)-X(F)的Hausdorff维数,得到了象集代数和Hausdorff维数的上下界,这些结果包含了Browniansheet和广义Browniansheet的相应结论.

广义Wiener过程极性的两个充分条件

本文讨论了广义Wiener过程的极性。得到了其极性的两个充分条件,它类同于Brown运动的性 质。

N指标d维广义Wiener过程的变差

研究了N指标d维广义Wiener过程的强变差和弱变差,得到了不具备平稳增量性的广义Wiener过程强变差和弱变差的维数。此结果包含并推广了布朗单相应的结果。

N指标d维广义Wiener过程的极函数

研究了Ｎ指标ｄ维广义Ｗｉｅｎｅｒ过程极函数的特征，得到了满足Ｌｉｐｓｃｈｉｔｚ条件的连续函数类与广义Ｗｉｅｎｅｒ过程极函数类之间的关系．此结果包含并推广了Ｂｒｏｗｎｉａｎ Ｓｈｅｅｔ的结果．

关于无穷参数Wiener过程的随机积分

本文试讨论并建立与无穷参数Wiener过程相应的无穷参数指标集上的随机积分。

两参数分数Wiener过程滞后增量有多大

主要讨论了阶为a(0<a<1)的两参数分数Wiener过程滞后增量有多大的问题.利用Csorgo M和ReveszP中的方法和子序列法,并借助ZHANG Li—xin等关于分数Wiener过程的最大值的概率不等式,获得几个关于过程滞后增量的极限定理.其结果是对Csorgo等和ZHANG等关于两参数Wiener过程增量结果的推广.

多参数Wiener过程增量的泛函极限定理的上界

利用多参数Wiener过程的大偏差估计得到了多参数Wiener过程增量的上界

N指标d维广义Wiener过程的广义极性

研究了N指标d维广义Wiener过程的广义极性 ,采用Ehm的分解方法 。

两参数Wiener过程增量的Strassen型定理

本文通过建立两参数Ｗｉｅｎｅｒ过程增量的大偏差结果，在矩形集上研究了两参数Ｗｉｅｎｅｒ过程的大增量和小增量的Ｓｔｒａｓｓｅｎ型定理．

N指标d维广义Wiener过程水平集的Hausdorff测度

本文获得了N指标d维广义Wiener过程水平集的Hausdorff测度的下界及N指标1维广义Wiener过程水平集的Hausdorff测度的上界.

N指标d维广义Wiener过程象集的一个性质

设(t)是N指标d维广义Winener过程,Borel集E1,…,EmRN+,本文研究了(t)象集的m项代数和(E1)(E2)…(Em)内点的存在性的问题。

一类广义Wiener非线性系统的参数辨识算法

传统的Wiener系统在工业系统建模方面获得了大量应用,但是当系统含有动态非线性环节时,就会因为模型不匹配导致建模效果不佳。为了更好的对这类系统进行建模,必须将传统Wiener系统中的静态非线性模块扩展为动态非线性形式。在采用全新结构的基础上,基于关键项分离技术参数化系统以减小算法计算量,并避免出现参数乘积项;对数据进行滤波以获得参数的无偏估计;运用最小二乘算法以获得健壮的参数估计值。数值仿真表明了算法的有效性。

基于广义高斯隶属度函数的PID参数模糊自整定

提出一种基于广义高斯隶属度函数的PID参数自整定方法。利用对专家经验总结和对系统响应规律的分析获得的具有一般特性的模糊规则 ,通过改变隶属度函数型式 ,适应了不同的过程对象 ,扩大了模糊自整定的适应范围 ,改善了整定效果。同时给出了整定过程中相关初始参数的选定原则。仿真结果表明此方法具有良好的适应性和整定效果 ,对工业过程对象的控制具有很好的实用性和推广价值。

基于OPC技术和果蝇优化广义回归神经网络的海洋蛋白酶发酵过程软测量

鉴于海洋生物酶发酵过程中关键生物参数难以实时在线测量的问题,提出了一种基于果蝇优化算法(Fruit fly optimization algorithm,FOA)的广义回归神经网络(Generalized regression neural network,GRNN)与面向过程控制的对象链接与嵌入技术相结合的软测量方法。GRNN的非线性映射能力强、学习速度快,但GRNN的预测性能受平滑因子的影响比较大,因此利用FOA对GRNN的平滑因子进行寻优,以提高模型的泛化能力,采用OPC技术可以实现MATLAB和组态王之间的数据通讯,将预测的关键生物参数值传送给组态王进行实时显示与存储。通过采集海洋蛋白酶发酵过程的实验数据,建立基于FOA优化GRNN的海洋蛋白酶发酵过程关键生物参数(菌体质量浓度、基质质量浓度、酶活)的软测量模型,并与GRNN、BP神经网络、支持向量机(Support vector machine,SVM)进行对比。结果表明,基于FOA优化GRNN的软测量模型对训练样本的拟合能力和对测试样本的预测能力都远远超过GRNN、BP神经网络和SVM,通过OPC技术将MATLAB和组态王进行数据连接,实现了生物参数的实时在线测量,且系统运行的稳定性较好。

广义预测控制在液位控制系统中的应用研究

研究广义预测自校正控制算法在液位控制系统中的设计方案 ,建立被控对象 CARIMA模型 ,讨论算法优化性能指标中的参数选择 .针对基本的最小二乘法产生的对象模型参数估计不准的问题 ,在参数的递推估计、参数估计的收敛速度、参数估计的在线检验以及对象输入输出数据的处理 4个方面给出相应的改进方法 .实验结果表明 ,所采用的设计方法合理可行 ,具有一定的实用价值 .