基于三维随机集料的钢渣沥青混合料微波加热和冷却过程温度模拟

为研究钢渣透水沥青混合料在微波加热和冷却过程中的温度分布以及不同材料之间的传热机理,采用钢渣集料部分替换玄武岩粗集料(4.75~9.50 mm、9.50~13.20 mm),基于三维随机集料构建沥青混合料试件的细观模型,分别模拟了普通玄武岩集料试件(PAC-B)、普通钢渣粗集料试件(PAC-US)及改性钢渣粗集料试件(PAC-MS)3种沥青混合料在连续微波加热和冷却过程的温度分布,并将数值模拟结果与室内试验相互验证。结果表明:无论是加热过程还是冷却过程,沥青砂浆的表面温度分布区域与集料表面温度分布区域均一致,且集料表面的最高温度要大于沥青砂浆的表面最高温度,说明集料吸波能力强于沥青砂浆。在冷却过程中,集料向沥青砂浆传导热量,二者之间温差不断减小。对于同一种试件,集料(2.36~4.75 mm、4.75~9.50 mm、9.50~13.20 mm)粒径在4.75~9.50 mm范围内的体积平均温度最高。加热和冷却过程中,2种钢渣集料试件PAC-US、PAC-MS温度均高于PAC-B。将非均质数值模拟结果与室内试验结果对比,二者吻合度较好,用非均质模型模拟微波加热与冷却过程温度具有可行性。

Pawlak粗糙集模型的随机集表示及合成

1.引言和预备知识 粗糙集作为一种处理不精确、不确定与不完全数据的新的数学理论,最初是由波兰数学家Z.Pawlak[1]于1982年提出的.在Pawlak粗糙集模型中,论域中的对象或元素可以用可利用的信息(或知识库中的知识)来描述.当两个不同的对象具有相同的描述时称这两个元素是不可区分的.所有具有相同描述的元素构成了一个等价类,所有等价类构成了这个论域的一个划分,任意给定论域的一个子集,人们不一定能用知识库中的知识来精确地描述,这时就用关于这个集合的一对上、下近似来描述.粗糙集理论的主要思想是利用已知的知识库,将不精确或不确定的知识用已知知识库中的知识来(近似)刻画.

随机集方法在防洪堤稳定性建模中的应用

为研究防洪堤稳定,本文将随机集理论应用在防洪堤稳定性建模中,并评估给定参数值对路堤稳定性影响的重要程度。结果表明:随机集方法适用于数据不精确和缺乏信息的岩土工程问题。给出的所有数值中,内聚力和孔隙度是最不敏感的参数;渗透系数、密度和内摩擦角是影响洪水过程防洪堤稳定性的重要参数。基于随机集方法的防洪堤稳定性模型丰富了相关研究的理论方法。

随机集理论及其在信息融合中的应用

多源信息融合经过近20年的发展已经取得了丰富的理论成果和应用成果,但是其理论框架尚未建立。近几年由Mahler提出的有限集合统计学(FISST)理论——随机集理论的特例,从概率论角度统一表述了信息融合技术的主要方面。该文对近十几年随机集信息融合技术的发展加以回顾,主要包括随机集理论的产生背景、基本的思想和理论框架,以及当前的应用领域。最后指出了随机集理论将来可能的发展方向。

基于随机集理论的并发故障诊断信息融合方法

为了诊断并发故障,提出一种基于随机集理论的信息融合方法。首先构造包含并发故障的论域,并在此论域的超幂集上定义扩展型随机集。基于该随机集和广义集值映射给出证据组合规则的随机集模型,用其构造可以同时适用于单发和并发故障诊断的新型组合规则。此外,根据传感器提供的故障信息构造故障样板模式与待检模式的模糊隶属度函数,利用模糊集的随机集表示以及随机集似然测度,获得两种模式匹配的程度作为待融合的诊断证据。最后通过在电机柔性转子平台上的试验,证明了所提方法可有效地减少单一传感器信息诊断的不确定性,显著提高转子系统故障诊断的精度。

基于随机集含糊证据的风力发电机故障诊断方法

针对大型风力发电机故障信息的复杂性和不确定性,提出了基于随机集信任测度和似真测度的含糊化方法。该方法将故障样本模式和故障待检模式进行含糊化,利用随机集的信任测度和似真测度对待检模式和样本模式进行匹配,实现数据级融合;然后将匹配的结果作为证据理论的信任函数和似真函数,进行特征级融合;最后将融合结果作为决策级证据理论的证据进行最终融合,从而得出诊断结果。风力发电机的算例验证了该方法的合理性和有效性。

基于模糊故障特征信息的随机集度量信息融合诊断方法

该文给出一种基于模糊故障特征信息随机集度量的信息融合诊断方法。针对信号采集与故障特征提取中的模糊性,首先用模糊隶属度函数分别表示故障档案库中的多种故障样板模式和从不同传感器观测中提取的多类故障特征亦即待检模式,进而基于模糊集的随机集模型,得到样板模式与待检模式的匹配度,即基本概率指派函数(BPA)。然后利用Dempster-Shafer证据组合规则对BPA进行融合,给出诊断结果。该文给出的待检模式是从多个连续观测中提取的,与原有的由单个观测确定待检模式的方式相比,文中提出的特征提取及匹配方法,同时考虑了样板模式和待检模式所具有的模糊性,能够显著降低融合决策中的不确定性,大大提高故障识别的能力。最后通过电机转子故障诊断实例验证方法的有效性。

基于随机集理论的多源信息统一表示与建模方法

由于信息形式的多样性及其特征的复杂性,使得对不确定、未知性、非精确和不完全等类型信息的表示和建模都要通过相应的方法完成,由于方法的不统一,从而很难实现对异类信息的融合.所以,能否找到一种统一的理论实现多源异类信息的表示与建模,最终实现融合成为信息融合中的关键问题.众多研究者经过多年的探索发现,随机集理论有望解决这个难题.本文首先对各种多源信息进行分类,并介绍几种常用的表示和建模方法及其适用范围;随后引入随机集理论的基本概念和性质,综合论述该理论与已有方法之间的相互转化关系,并进一步论证用随机集统一表示和建模多源信息的可能性;最后,介绍随机集理论在信息融合中的应用并指出未来的发展方向.

基于随机集的粗糙集模型(I)

为了处理人工智能中不精确和不确定的数据和知识 ,介绍了一个新的领域———粗糙集的基本概念及其有关进展 ,提出了基于随机集的研究框架 ,进一步用随机集去描述粗糙近似算子 ,并讨论了随机集。

基于随机集的粗糙集模型(Ⅱ)

为了说明粗糙集理论在不完备信息系统中的应用 ,给出了基于随机集的粗糙集方法 .提出了不完备信息系统的随机粗糙集的描述 ,讨论了不完备属性的随机集选择与系统的完备化的关系 ,并且介绍了一个求不完备属性的最大熵概率测度的算法 .

多Agent系统的协调度及随机集表示

多 Agent的协调性是多 Agent系统与其它相关研究领域区别开来的关键性问题之一 ,也是保证多智能系统能在一起共同工作的关键 .因此 ,本文对多 Agent协调工作机制进行研究 ,给出多 Agent的协调度理论及随机集表示方法 ,进一步丰富多 Agent系统的研究内容 .

基于随机集模型的MIMO-OFDM信道估计算法

在多径分量数确定的前提下,MIMO-OFDM系统采用传统的基于导频辅助和盲信道估计算法能获得较好性能。实际无线环境中,多径分量数目与幅度都是时变的,则传统信道估计方法不再适用。该文采用随机集理论建模MIMO-OFDM系统信道多径分量数的变化和MIMO信道。基于此模型提出了集中粒子空间重采样方法(CRS),在保留大概率粒子抽样样本的同时主动抛弃小概率抽样样本,以获得更为准确的真实样本逼近。并提出了基于集中重采样Rao-Blackwellised粒子滤波的信道估计方法(RBPFC)。仿真结果表明:所提出的RBPFC方法信道估计性能最好,基本Rao-Blackwellised粒子滤波方法次之但优于基本粒子滤波算法,卡尔曼滤波的信道估计方法性能最差。

随机集港的出口箱堆存策略设计与仿真

为降低集装箱堆场的翻箱率,研究在船舶到港前已经获知出口箱属性的情况下随机集港的出口箱堆存策略.在分析出口箱已有堆存策略的基础上,提出一种以平面箱位为分配单元的改进型堆存策略.对该策略的步骤进行详细阐述,给出模型的假设条件、评价指标和组成模块,利用仿真软件Flexsim建立集装箱堆场仿真模型,分析不同堆存策略的效果.以某集装箱码头为例进行仿真分析,结果表明:在堆场利用率相同且高于70%的情况下,采用改进型堆存策略所带来的翻箱率远远低于其他已有堆存策略。

一种基于随机集的模糊观测的多目标跟踪算法

为解决目标数未知或随时间变化时模糊观测的多目标跟踪问题,将多目标状态和模糊观测数据表示为随机集形式,利用模糊观测的似然函数融合模糊数据,建立了模糊观测的概率假设密度(probability hypothesis den-sity,PHD)粒子滤波方法。这种方法首先利用粒子滤波预测和更新随机集的PHD,然后估计目标数N,最后找出N个PHD最大的点就是多目标的状态估计。在相同的仿真环境中,用这种方法与用重心去模糊器进行去模糊处理后的观测数据同时跟踪目标数变化情况下的多目标,并进行了比较,结果表明,模糊观测多目标跟踪的PHD粒子滤波能稳健跟踪目标数未知或随时间变化时的目标状态和目标数,性能好于去模糊情况。

时间序列分析的随机集方法

通过建模仿真,对有独立观测值的统计方法进行估计、预测和控制,并提出了一种新的解决时间序列分析的方法.由全集中某些指定数值的最邻近域诱导出一种局部不确定的随机集模型,在"模糊集"的基础上将统计目标整合到基于规则的系统中.实例结果分析表明,随机集模型是一种很好的时间序列分析方法.

基于随机集的不完整信息可靠性分析方法

提出一种基于随机集的混合不完整信息可靠性分析方法。将各类不完整信息用随机集表示,在随机集理论框架下建立了混合不完整信息的可靠性分析统一模型。用基于随机集的函数扩张原理,得到极限状态函数的随机集表示,然后求出可靠度的极限累积分布函数。在此基础上,求出可靠度的上下界,得到可靠度的区间估计。给出了基于随机集的可靠性分析实施方法与步骤,并给出了一个组合拉杆的可靠性分析实例。

基于随机集的多源信息表示方法

目标身份属性融合中,包含由传感器、数据库及专家等提供的多源信息,这些多源信息相互之间在数据精度、表示方法及融合方法等方面有很大差别,存在难以进行整体融合的困难。本文提出了一种基于随机集理论的表示方法,把证据理论和模糊集理论的表示转化为随机集理论表示,并设计了多源信息目标识别仿真模型,仿真结果表明,系统能够准确地对目标进行识别,验证了这种表示方法的可行性。

基于随机集的合成信息系统粗集模型

研究基于随机集的实值信息系统及其合成系统的粗糙集模型。用随机集值映射表示专家对实值信息系统知识结构的认识,给出2类合成信息系统的形式化定义,并研究对象合成信息系统和属性合成信息系统的基于随机集值映射的粗糙集模型及其性质,讨论其中上、下近似算子之间的关系。实例证明,该模型能利用此关系由原信息系统模型估算或计算出其合成信息系统模型的上、下近似算子。

随机集理论在数据融合中的应用研究

数据融合研究的重点是建立一个具有严格数学基础的框架体系,随机集理论是解决这一问题的有效方法。在介绍随机集理论基本原理的基础上,阐述了数据融合系统中使用较多的证据理论、模糊逻辑和条件事件代数理论的随机集表示,使随机集理论能有效地处理数据融合系统中的不确定性、模糊性、经验性数据。

随机集的概率假设密度粒子滤波

多目标跟踪问题中,当目标数已知时,可以用概率数据互联(PDA)或联合概率数据互联(JPDA)算法.而当目标数未知或随时间变化时,需要对不同目标数的跟踪进行比较.可以把目标集看作随机集进行讨论,目标数N是随机变量.随机集的跟踪通过有限集统计(FISST)理论来完成.文中讨论了用粒子滤波实现跟踪随机集的方法.实验表明,在杂波环境下,粒子滤波可以稳健跟踪目标状态和目标数.