未知分布误差的熵不确定度

分析现有估计方法的不足 ,提出基于最大熵的不确定度估计。所得的指标不受置信水平选取时的主观性影响 。

面向多模式多元未知分布的协方差过程监控

针对工业过程数据的多模式、高维性和非正态性等挑战,设计了一种考虑模式过渡约束的基于协方差检验的多模式在线监测方法。首先利用交叉验证的线性收缩估计方法对待监测数据的协方差矩阵进行估计,然后基于估计的协方差矩阵计算稀疏主特征值检验统计量,进而基于稀疏主特征值检验统计量设计具有滑动窗口的指数加权移动平均(EWMA)控制图——MSPEWMA控制图,结合模式过渡约束得到最终的检验统计量。通过Monte Carlo模拟研究了MSPEWMA控制图在不同条件(变量维度、漂移大小、可控样本大小、过渡约束参数和观测数据分布)下的性能,结果表明,与基于协方差检验的其他控制图相比,新提出的控制图在大漂移和非正态条件下具有更好的监测效果。最后利用风力发电机组真实SCADA数据证明了所提方法的有效性。

需求分布未知下含数量折扣的多产品库存与定价

考虑需求分布未知情况下含数量折扣的多产品库存与定价联合问题,建立混合整数非线性规划模型,假设已知信息为随机需求扰动的均值和方差,通过引入最大化最坏情况下利润的max-min准则给出期望利润的下界。在此基础上,利用拉格朗日对偶处理约束条件,根据成本折扣区间将原问题分解为若干个子问题;证明了拉格朗日松弛问题的目标函数为关于库存因子的凹函数和关于定价的拟凹函数,并给出最优定价和最优订货量的表达式,设计启发式算法对模型进行求解。最后通过数值算例对算法的鲁棒性和有效性加以说明,并分析了参数变化对最优解的影响。

未知需求分布下的供应链交易信用组合激励机制

运用不确定型决策理论中的极大极小方法,讨论了在需求最坏可能分布情况下集中式供应链的最优联合策略选择;考察了在分散决策供应链中零售商订货量与广告投入不足将导致供应链绩效不佳。研究发现,引入由交易信用、广告费用补贴以及销售收入共享构成的组合激励机制,能够协调作为独立主体的零售商的订货行为与广告策略,在满足零售商参与约束的同时,最终实现制造商期望利润的显著提高,并且例示了需求波动对供应链成员最优期望利润的影响。

未知需求分布下含数量折扣的可变提前期库存模型

针对上游供应链厂商提供数量折扣以及可变提前期的情况,探讨了零售商选择最优提前期和库存策略.将提前期、再订货点以及订货量作为模型的决策变量,并且放松了对提前期内需求服从具体分布的假定,考虑提前期内需求分布未知的情形.利用Minimax方法讨论了最优解的性质,给出了求解算法和数值算例,并分析了允许延期交货比例的变化以及需求波动对最优解和期望总成本的影响.

多目标环境下分布未知的系统误差估计方法研究

针对多传感器多目标跟踪过程中分布未知的系统误差估计问题,对于系统误差在均匀分布和非均匀分布之间保持不确定假设下的估计方法进行了研究,提出了两种不同的误差估计方法,推导出相应误差估计方法的误差计算公式。针对两种方法在不同的系统误差分布假设下所表现出的估计性能和特点,提出了一种将两种方法结合起来的系统误差估计算法:通过合理选择阈值门限η,能够在多传感器多目标且系统误差分布未知的复杂环境下对两种误差估计方法自适应的进行切换,从而充分发挥两种方法各自的优点。同时可以对算法中估计方法模块进行扩充,以适应更复杂的误差分布情形下的多传感器系统误差自适应估计。

关于空间回归模型残差项分布未知的研究

文章分析了剖面似然方法,在残差项分布未知的条件下研究了空间回归模型的回归系数的估计问题,并在模拟实验中与二阶段最小二乘方法做比较,得出剖面似然方法所得到的参数估计更加稳健的结论。

多目标环境下基于分布式融合思想的误差估计方法

针对多雷达多目标跟踪过程中分布未知的系统误差估计问题,提出了基于"分布式融合思想"的误差估计方法。给出相应误差估计方法的计算公式,利用改进截断奇异值方法来减轻矩阵病态性的影响,提高误差估计的稳健性。设置了两种不同的系统误差仿真场景,对"分布式"误差估计方法在两种情形下的估计性能进行了仔细对比分析。结合"分布式"误差估计方法与"集中式估计"方法所体现出的优缺点,提出了一种将两种方法结合起来的系统误差估计算法,算法通过合理选择阈值门限η,能够在多雷达多目标且系统误差分布未知的复杂环境下对两种误差估计算法自适应地进行切换,从而充分发挥两种误差估计算法各自的优点,给出更好的误差估计结果。

复杂失效分布下的动态检查点设置

检查点技术是保障计算机系统可靠性的一种常用方法.通常假定系统失效的发生服从泊松分布,因此检查点是等间隔设置的.但近几年公布的现场数据表明以上假定不合实际.因此,首先利用现场失效数据对固定检查点间距方法的适应性进行分析,并提出两种检查点动态设置方法,它们根据系统前个阶段的失效信息动态地设置下一个检查点.模拟实验结果表明,所提出的方法在复杂失效分布下所获得的效果达到或者优于最优固定检查点的水平.

客户到达率分布未知和服务容量可调整的超额预售决策

超额预售(简称“超售”)策略是服务企业提高自身利润,降低服务资源浪费的常用收益管理策略。针对客户到达率具体分布未知条件下企业超额预售决策问题,利用鲁棒优化方法构建了相关报童模型,对服务容量可调整的超售决策进行了分析,通过对模型的计算得出了使企业期望利润最大的超售决策组合。结果表明,当服务价格、惩罚成本及客户到达率均值方差满足一定数量关系时,采取超售策略能够使企业获得更多的利润。此外,分布未知情况下的最优决策在客户到达率波动较大时有着更好的效益。

一种优化的扩展定界椭球集员滤波算法

针对噪声未知分布但有界的非线性系统,为了提高计算效率,提出了一种优化的选择更新方法用于扩展定界椭球集员滤波。通过对非线性系统的高阶误差项进行定界处理,给出了选择更新策略以及滤波参数优化方法。与扩展卡尔曼滤波算法的仿真比较,验证了本优化算法的有效性。

一种用于非线性系统的扩展集员滤波状态估计算法

针对噪声未知分布但有界的非线性系统,为了提高系统计算效率,提出一种通过对非线性系统的高阶误差项进行定界处理并考虑线性化误差边界的方法。首先,对非线性状态方程和量测方程进行泰勒级数展开,利用区间分析法进行线性化处理,将系统误差整合到椭球集合中,在此基础上进行时间更新策略和测量更新策略。分析仿真结果表明了该算法良好的鲁棒性。

基于Bootstrap方法的装备固有可用度序贯试验方案

为解决大样本条件下,寿命和修复时间分布未知的装备固有可用度检验问题,基于Bootstrap方法,得到估计量方差简易估计方法;进而得到估计量概率密度,提出一种序贯验证试验方案。将可用度试验分为交替进行的可靠性和维修性试验两个项目,假设可靠性和维修性试验方案已知,所提出的可用度序贯试验方案可验证固有可用度、平均故障间隔时间和平均修复时间3个指标参数。

基于搜索带宽感知的多机器人WSN孤岛结盟方法

为了提高无线传感器网络(wireless sensor network,简称 WSN)孤岛结盟方法对未知孤岛分布和中继带宽约束的适应性及效率,提出了基于搜索带宽感知的多机器人 WSN 孤岛结盟优化问题,并给出了求解该问题的近似算法.首先,在相关模型假设及符号定义的基础上,借鉴迭代局部搜索和流水作业调度思想,引入同步轮次流水迭代过程,建立该优化问题的公式化描述;然后,在连通重叠搜索算法基础上,结合层次分簇和网络流相关理论,设计基于搜索带宽感知的层次中继部署算法;最后,通过与现有方法进行对比实验的结果表明:提出的方法能够在满足未知孤岛分布和中继带宽约束的同时,有效地提高 WSN 孤岛结盟效率.

圆锥滚子轴承振动数据改进Huber M稳健化处理方法研究

针对未知分布数据序列稳健问题,提出改进Huber M稳健化处理方法处理滚动轴承振动数据。基于Huber M估计法,融合了中位数估计的优点,根据时间变量t将实验数据进行离散,构建数学模型,得到一种改进的Huber M方法。应用该方法对圆锥滚子轴承振动数据分析,确定稳健数据的边界值及显著水平。研究结果表明:在0~0.1显著性水平范围内,经过改进Huber M稳健化处理方法的滚动轴承振动数据稳健指标、离散指标均优于原数据指标,有效提高了滚动轴承数据的稳健性。

基于稳健理论的一种精密轴承性能退化评估方法

精密轴承的性能演变过程可以实现轴承性能评估及寿命预测,对精密设备运行的可靠性与安全性有重要意义。针对精密轴承性能演变的未知分布特征,文中基于稳健理论,采用中位数估计与Huber M估计融合方法研究其性能稳健性及置信水平。为有效在线监测精密轴承性能的演变过程,提出了一种基于稳健理论算法的精密轴承性能退化评估方法。首先,对服役期间轴承振动数据进行定时采集,构成评估对象;然后,用中位数估计与Huber M估计融合方法进行稳健数据分析,以中位数与平均值接近的程度为稳健标准,按照Huber M方法分析采集数据的稳健性,获取不同时间阶段轴承性能的稳健数据与显著性水平;最后,根据参数非参数方法特征,获取轴承性能本征区间、变异率、中位数,以及平均值特征构成评估体系,评估精密轴承性能演变的动态过程。实例验证结果表明:该评估体系参数的变化趋势与滚动轴承性能变化趋势保持一致,变异率与轴承性能失效评价标准完全一致,可以很好评估精密轴承性能退化。因此,该方法无需知道性能数据的分布及置信水平,可以很好地评估精密轴承的性能退化。

未知需求分布下提前期可控的整合库存模型研究

考虑了单供应商单采购商的生产-库存联合优化问题,采购商面临未知分布的随机需求,供应商的提前期可以控制。采用Minimax方法建立了供应商和采购商联合期望总成本最小化模型,模型中允许采购商缺货,并且部分缺货延期交付,部分缺货发生销售损失,同时也考虑了运输成本,并且假设运输成本依赖于订货量和提前期。给出了求解联合最优生产批量、联合最优提前期、联合最优再订货点和订货量的算法,并通过数值算例作了说明。

基于参数非参数融合方法的精密机床性能评估

精密机床机械系统误差受传动系统的设计和调试,以及环境变化等多种因素的影响,属于分布未知的乏信息系统,为了很好地解决精密机床机械系统误差数据分布未知的乏信息评估问题,提出了一种用于评估精密机床机械系统性能变异的参数非参数融合方法。首先,在服役现场,至少采集两个不同时间阶段精密机床加工产品尺寸的序列数据,构成了评估对象;其次,采用中位数与Huber M估计融合方法,对不同时间阶段序列数据进行了稳健处理,得到了次序统计量与尺寸性能区间,确定了置信水平;计算出了尺寸性能区间的分组数及尺寸数据列的累积频率,并用斯米尔诺夫假设检验标准统计量,对其进行了对比,评估了不同时间阶段序列数据的分布相似性特征,以此判断精密机床性能是否发生变异;最后,利用专用滚动轴承外圈检测装置,实测两个时间阶段的数据,对该方法的有效性进行了验证。研究结果表明:两个时间阶段产品精度分布是置信水平为95%的偏态分布,二者分布特征不相似,可推断出精密机床机械系统发生了变异;系统通过运用中位数与Huber M融合方法、斯米尔诺夫假设检验方法可以克服数据未知分布及置信水平特征的问题,有效地分析机械系统误差,为精密机床性能评估与维修提供可靠依据。

变换核估计在未知需求分布函数条件下多阶段库存控制策略中的应用研究

传统的多阶段库存控制主要致力于库存持有以及过多库存的经济性研究.随机库存模型经常假定需求分布已知,这样可以产生容易解决的方案.但随着销售信息的不断更新,需求分布函数的参数常常未知.这样传统的多阶段库存模型很难产生最优的库存控制策略.当前文献对未知需求分布函数条件下的多阶段库存管理问题研究得不多,当需求分布函数随时间变化,是个多阶段随机规划问题,通常情况难以直接进行求解.针对一般非平稳需求,还缺少有效的库存管理方法.本文致力于变换核估计和优化理论相结合的方法研究未知需求分布函数条件下多阶段库存控制策略,提供一条多阶段库存控制的新思路.可以很好地确定各阶段的最优订货点、最高库存、最低库存等来达到整个系统的最优,从而节省更多的成本,达到营运资本的永久性减少、更高的销售量和客户满意度,从而增加企业的竞争力.

基于游程检验的多元非参控制图

本文提出了一个新的基于游程检验的多元非参控制图。首先,运用Kruskal算法的思想,将观测值排列成最短汉密尔顿路径;其次,基于最短汉密尔顿路径中的游程数设计带有滑动窗口的EWMA结构控制图,记为HAMEWMA控制图。通过蒙特卡洛随机方法对HAMEWMA控制图在不同条件(维度的高低,均值漂移的程度,受控数据量大小以及观测数据遵循的分布)下的控制效果进行研究,并与其他多元非参控制图(DFEWMA、SREWMA、SSEWMA、RTC)进行比较。结果表明:当均值漂移较大时,HAMEWMA控制图有更优秀的监控性能;当数据分布为非正态时,HAMEWMA控制图同样表现良好甚至优于数据分布为正态时;HAMEWMA控制图更适用于高维度的监控环境。