算法复杂性平滑分析的研究进展与展望

有很多算法其最坏情况复杂性很坏 (甚至是指数阶的 ) ,但在实际应用中却很有效 其中一个典型代表就是求解线性规划问题的单纯形算法 最近 ,Spielman和Teng提出了算法的平滑复杂性概念及算法复杂性平滑分析方法 ,对上述矛盾给出了合理的解释 ,在理论计算机科学界引起了极大的关注 为此 ,做了以下工作 :介绍算法复杂性平滑分析的基本概念 ;介绍两年多来算法复杂性平滑分析主要的研究进展 ;从实际应用出发提出一个更合乎算法复杂性平滑分析思想的随机扰动模型 (简称TSSP模型 ) ,克服“PartialPermutation”随机扰动模型的不足 ,并证明在TSSP模型下快速排序算法的时间平滑复杂性为O(2λn×log2 (n) ) ,其中λ是随机扰动幅度大小 最后 。

滑坡位移分解预测中的平滑先验分析方法

目前在滑坡位移预测研究中,先将滑坡位移数据分解为趋势项及周期项后再分别进行预测已成为普遍做法。平滑先验分析法(Smoothness Priors Approach,SPA)是一种计算过程简单、计算量极小,且能快速分离原始数据趋势项和周期项的数据处理方法。在介绍SPA基本原理基础上,以三峡库区白家包滑坡典型监测点位移数据为例,对通过调节SPA正则化参数而获得的不同趋势项及周期项进行特征分析;进而结合对滑坡变形演化机制过程的先验分析,根据位移分解特征确定合理的参数取值;最后针对不同参数SPA位移分解数据,采用支持向量机进行位移预测对比分析。结果表明,SPA是一种适用于滑坡位移预测的位移分解方法,通过调节正则化参数并结合滑坡变形机制先验分析,能够获得较为合理的位移分解结果,进而提高滑坡位移预测精度。

基于小波变换平滑主成分分析

小波变换具有很强的信号分离能力，很容易把随机噪音从信号中分离出来，从而提高信号的信噪比。本文把小波变换引入到因子分析中，提出了基于小波变换平滑主成分分析，该算法既保留普通主成分分析的正交分解，又具备了小波变换的信号分离能力。模拟数据和实验数据的结果表明，该算法具有从低信噪比的数据中提取出有用信息，并提高信号的信噪比。迭代目标变换因子分析处理实验数据的结果表明，基于小波变换平滑主成分分析的处理结果优于普通主成分分析。

基于非平滑分析的时变时滞神经网络系统的全局渐近稳定性研究

基于Lyapunov稳定性理论,利用非平滑分析的方法去掉了激励函数可微和有界的条件,通过构造一种新颖的Lyapunov泛函推广改善了判定时滞神经网络系统的全局稳定性的条件.数值仿真表明了结果的有效性.

粒子加速器束流轨道的移动最小二乘法平滑分析

粒子加速器停机时间短,磁铁间相对精度要求高,为提高束流轨道平滑分析效率,提出了一种基于移动最小二乘的平滑分析方法。首先,对原始平滑数据作预处理,使环形磁铁数据呈直线形分布;其次,对平滑区域进行网格化处理,提取网格点并选定合适的基函数与权函数;然后,给出平滑分析的三项指标并设计了整个平滑分析流程;最后,通过仿真数据对比分析了平均值法、最小二乘拟合与迭代法及本文方法的平滑结果。结果表明:在相同指标条件下,本文得到的拟合曲线最光滑,且磁铁调整数量最少,在一定程度上,节省了调整时间,提高了效率。

SPA-HRDE在机械设备声信号故障诊断中的应用

针对现有故障诊断方法存在接触式采集、精度低等问题,提出了一种结合平滑先验分析和层次反向散布熵的机械设备故障诊断方法。首先,通过SPA将声音信号分解为趋势项和去趋势项。随后,利用HRDE提取趋势项和去趋势项信号的层次熵值,构建故障特征样本;最后,利用蜜獾算法对支持向量机的关键参数进行搜索,建立参数最优的故障识别模型,将故障特征输入到HBA-SVM分类器中进行故障识别,并基于离心泵和滚动轴承两种机械设备的实验评估证实了所提方法的有效性。试验结果表明:该方法分别取得了100%和97%的故障识别精度。相较于其他故障诊断方法,该方法能够充分提取声信号中的故障信息,实现更高精度的故障诊断,具有很强的鲁棒性。

一类M/D/c排队网络的灵敏度分析

提出一类针对散货码头货运列车集疏港生产调度的M/D/c排队网络,建立生灭过程模型,利用排队网络系统的数学模型及查普曼-柯尔莫哥洛夫方程一般法则导出其性能指标的运算公式,并运用平滑摄动分析法做出该类型排队网络的平均服务效率对服务时间的灵敏度估计.分析方法在国内某大型散货码头调度策略仿真中得到较好的验证.

数据趋势分析法的审计运用

本文介绍了数据趋势分析基本知识,总结了数据趋势分析法在审计中的主要用途;结合具体案例,研究了数据趋势法的一些技术技巧在审计实务中的具体运用。

基于多元统计的河流年度径流预报及误差分析

河流年度径流具有周期性、层次性、可预测性的特点,通过研究和分析河流年度径流的统计变化特征,可以对河流径流未来的长期变化作出预测。该文研究了佛子岭水库的河流年度径流滚动预测的方法,通过观测的河流年度径流资料,探索径流统计变化规律,运用多元回归理论建立预测模型,并且进行了模型参数的确定和径流的预测。通过预测模型对河流年径流实际值与预测值误差分析,并绘制实际值与预测值折线图进行比对,对选择最优的预测模型提供了数据支持和理论指导,继而对预测结果进行分析。计算结果表明,线性回归模型预测的实际值与预测值误差在较为合理的范围。最后得出结论,建立二元线性预测模型对于佛子岭水库年径流量预报结果的拟合模型较好,预测精度较高。

基于平滑先验分析改进散布熵的滚动轴承故障诊断

运用SPA散布熵与SG聚类方法对滚动轴承故障进行智能诊断。先通过平滑先验分析(SPA)的过程处理轴承振动信号获得趋势项与波动项;再对散布熵值进行计算得到故障特征向量,最后利用SG分类器对特征向量聚类识别。研究结果表明:通过分析系统参数对DE值的影响确定最优的取值:高嵌入维数3,类别6,时间延迟1。利用SG模糊聚类方法处理SPA-DE,不同的故障类型聚集于靠近聚类中心的区域,相邻聚类中心间形成了明显间隔,并未出现不同故障问题的相互交叉混叠,因此采用本文方法对各类轴承故障进行诊断时可以实现优异故障分类性能。相对EMD-DE-SG聚类诊断模式,本文算法具备更大分类系数,与1达到了更大的接近程度,大幅降低了平均模糊熵,判断本文算法对于各损伤程度的轴承故障具备更优的诊断性能。根据滚动轴承测试参数可知可以采用此方法快速准确识别轴承各类故障问题及其严重程度,可以实现故障的可靠诊断效果。

基于动态拓扑有领航者的智能群体群集运动控制

对具有二次积分动态的智能群体跟随领航者实现群集运动编队,提出了一个分散控制方法对智能群体进行分散控制。基于动态时变有领航者的网络拓扑,用图论模型表示智能体之间的相互作用及通信关系,运用推广的Lyapunov理论、微分包含及非平滑分析进行了稳定性分析,并得到所有智能体速度方向收敛到同一方向并与领航者保持一致;所有智能体速度大小收敛并与领航者相同;互连的智能体之间没有碰撞发生;所有智能体的人工势场函数被最小化等重要结论。给出了一个仿真实例,验证了该方法的有效性。

桥吊迁移的港口连续泊位分配问题在线算法

集装箱码头资源的高效利用已被研究多年,而多数是在预知所有船舶作业的相关信息(到港时间、船舶尺寸等)的离线情况下建模与计算.现实中,却因一些突发因素(如恶劣天气、设备故障等)使预知信息不可靠,以至原调度方案不可行,从而降低港口作业效率及资源浪费.故在桥吊可迁移的连续泊位分配模式下,首次结合在线算法思想,提出泊位与桥吊调度的模型,并设计相应的在线调度算法.利用平滑分析方法给出算法的平滑竞争比,实验证实算法可行性.

SPA散布熵和GK聚类相结合的滚动轴承故障诊断

为充分利用振动信号的特征信息进行故障辨识,提出一种平滑先验分析(SPA)散布熵和GK聚类相结合的滚动轴承故障诊断方法。首先对滚动轴承振动信号进行SPA分解得到趋势项和波动项;然后分别计算趋势项和波动项的散布熵值构建特征向量;最后将特征向量输入至GK分类器中进行聚类识别。将该方法应用到不同工况下的滚动轴承实验数据中,分析结果表明,与传统的基于经验模态分解(EMD)散布熵和GK聚类的故障诊断方法相比,所提方法能够更加准确地实现轴承的故障判别。

复杂电磁环境下的弱干扰信号检测算法

针对全球导航卫星系统(Global Navigation Satellite System,GNSS)在复杂电磁干扰环境下定位、测速、授时等性能急剧恶化甚至完全失效的问题,提出一种基于自适应阵列天线的弱干扰信号检测算法。通过对各个天线阵子接收的实时数据进行空域-频域联合处理,进而通过全频域的特征值分布可准确分离出强干扰环境下的弱干扰信号分量,同时通过特征值分布的斜率变化可进一步检测干扰信号带宽等参数。仿真结果验证了该算法对不同强度的干扰信号进行分离检测的有效性和准确性,并且在有阵列幅相误差时仍然能够得到有效的干扰检测结果。该算法为后续的抗干扰决策系统实施抗干扰行为提供依据,对不同的压制干扰形式具有通用性。

基于SPA和SQPE的往复压缩机滑动轴承故障特征提取方法

往复压缩机滑动轴承在工作中会受到冲击、摩擦等多种因素的影响,其振动信号具有非线性、非平稳性的特点,从而导致其故障特征不明显,不利于特征提取。针对上述问题,提出一种新的基于平滑先验分析(SPA)和样本分位数排列熵(SQPE)的往复压缩机滑动轴承故障特征提取方法。首先,对滑动轴承振动信号进行SPA分解,得到振动信号的趋势项和去趋势项;然后,计算SPA分解后趋势项和去趋势项的SQPE值,结合两个分量信号的SQPE值构成往复压缩机滑动轴承特征向量;最后,将特征向量及对应的标签输入支持向量机(SVM)进行分类识别。通过实验验证,该方法可以有效提取往复压缩机滑动轴承故障特征,并实现轴承故障类型的准确区分。

一种基于录波启动信息的电网故障诊断特征向量中心性方法

文中提出了一种根据故障录波启动信息进行图信号建模,并基于网络节点特征向量中心性算法的电网故障诊断方法。首先,从继电保护及故障信息主站的故障录波启动信息构建故障启动信息网络图;其次,利用图平滑性分析方法判断电网是否发生故障及识别故障类型;最后,基于网络节点特征向量中心性算法识别故障元件,并进行可视化展示。仿真验证了所提算法的有效性。该方法作为录波智能故障分析的一部分,有助于快速掌握电网故障情况,并有重点地收集录波数据进行故障分析和校核,提高录波分析效率。

基于平滑先验分析和模糊熵的滚动轴承故障诊断

由于机械系统的复杂性,振动信号的随机性表现在不同尺度上,基于对振动信号进行多尺度的模糊熵(FE)分析,提出了基于平滑先验分析(SPA)和模糊熵的滚动轴承故障诊断方法。采用SPA方法对振动信号进行自适应分解,得到振动信号的趋势项和波动项;分别计算趋势项和波动项的模糊熵;将模糊熵值作为特征向量,输入至基于优化算法的支持向量机(OSVM)。将该方法应用于滚动轴承实验数据,分析结果表明:该方法在仅提取两个分量特征的情况下即可达到100%的故障诊断精度,可有效实现滚动轴承的故障诊断。

基于SPA-FIG与优化ELM的滚动轴承性能退化趋势预测

为了提高滚动轴承性能退化指标的预测精度,得到性能退化指标准确的预测范围,提出了基于分解-模糊粒化与优化极限学习机(Extreme Learning Machine,ELM)的轴承性能退化趋势模糊粒化预测。首先利用平滑先验分析提取轴承性能退化指标序列的趋势项及波动项,再利用信息粒化方法对波动项进行模糊信息粒化;然后将趋势项及粒化后的波动项数据输入至ELM进行回归预测,并采用粒子群算法优化ELM参数;最后根据实测值和预测值的对比分析评估预测模型的优良性。实验结果表明,该方法可以有效跟踪轴承性能退化指标的变化趋势,并对其指标的波动范围进行有效预测。

一种简单有效的自动多阈值分割算法

本文提出了一种自动多阈值分割算法,通过直接对图像的灰度直方图曲线进行分析,判断极小值所在的灰度级,再对所有极小值点进行相应的分类合并来最终确定阈值的位置,避免出现过分割的现象。在预处理阶段本文采用了基于各向异性扩散的平滑方法对图像进行滤波,以消除噪声,同时还可以使图像的灰度直方图曲线更为连续,从而加速算法的执行效率。

基于GWO-SPA和MSE的往复压缩机气阀故障特征提取方法

针对往复压缩机气阀振动信号非线性及非平稳性特征,提出一种基于灰狼算法优化平滑先验分析(SPA),并结合多尺度样本熵的往复压缩机气阀故障特征提取方法。以多尺度样本熵均值和偏度的平方作为适应度函数,利用灰狼算法对SPA的参数λ进行寻优,将寻优后的参数λ代入SPA中对往复压缩机气阀处振动加速度信号进行自适应分解,得到信号的趋势项和去趋势项;然后分别求取去趋势项数据的多尺度样本熵均值和偏度的平方,以此作为往复压缩机气阀信号的特征向量输入支持向量机中进行训练与测试。实验结果表明,该方法可以有效提取往复压缩机气阀的故障特征。