能量泛函及Euler-Lagrange方程在图像降噪中的应用研究

研究了自适应分数阶偏微分方程修正模型的能量泛函及Euler-Lagrange方程。首先,定义了自适应分数阶偏微分方程修正模型的能量泛函,其中包含未知函数和拉格朗日乘子的集合。然后,通过求解能量泛函的极值方程,推导出了Euler-Lagrange方程。最后,讨论了Euler-Lagrange方程在自适应分数阶偏微分方程修正模型中的应用。

基于Volterra泛函级数的GDP预测模型

提出基于Volterra泛函级数的GDP预测模型.首先收集GDP数据,根据GDP变化特点对原始数据进行相空间重构,然后采用自适应的Volterra泛函级数对GDP数据进行建模和预测.仿真测试结果表明,Volterra泛函级数的GDP预测精度与训练次数、收敛因子等参数密切相关,通过确定合理的参数,可以得到精度较高的GDP预测模型.

基于进化泛函网络的云安全访问控制模型研究

基于角色访问控制模型,结合泛函网络和进化算法得到进化泛函网络,通过重组、变异、计算、选择四项操作形成新群体,直至符合终止条件获取最优结果,构建了具有高动态灵活性和可扩展性的云安全访问控制模型.

基于小波的Volterra模型对黄河源区径流混沌预测的研究

为进行黄河流域水文系统的混沌特性研究和预测,深入了解黄河流域水文系统的运行机制和规律,基于相空间重构、混沌识别与混沌预测理论,对黄河源区唐乃亥水文站1956—2021年月径流时间序列进行分析,利用互信息法求时间序列的时间延迟τ,利用改进虚假邻近点法(CAO法)求该序列的嵌入维数m,并利用改进C-C法对时间延迟τ与嵌入维数m的计算结果进行验证,最终确定时间延迟τ为3,嵌入维数m为5。通过小数据量法计算最大Lyapunov指数,并对月径流量时间序列进行定量的混沌分析,得出最大Lyapunov指数λmax=0.0481>0,确定唐乃亥月径流量时间序列具有混沌特征。通过基于小波分析的二阶Volterra级数一步模型对混沌时间序列进行模拟预测,并与单纯二阶Volterra级数一步模型进行对比,发现基于小波分析的二阶Volterra级数一步模型模拟结果的纳什效率系数可达0.8551,比未经小波分析的模型更好模拟出唐乃亥站月径流量时间序列的演变规律。

基于降阶模型的热过程快速预测方法研究

为了对热过程控制进行设计,常采用“热流耦合”的计算流体力学(CFD)方法对热过程进行模拟,为了得到合理的热控制方案,常需要反复的CFD分析,成本较高,而且不方便实时调整控制方案。为解决这一问题,基于Volterra级数降阶模型,提出了一种热过程快速分析预测的方法,为热过程控制策略制定及控制参数确定提供了一种工具。该方法根据在阶跃温度加热条件下热过程系统的响应,辨识Volterra级数降阶模型的核函数,构建系统温度与控制条件之间关系的降阶模型,进而快速计算不同控制过程下系统的温度响应。该降阶模型可以用来实时预测系统的加热过程和优化系统的热过程控制方法。算例的结果表明:采用Volterra级数降阶模型得到的系统温度响应与采用CFD方法得到的响应一致,且采用降阶模型方法进行热过程预测和控制优化的效率非常高。

基于SMD模型预测全/多氟烷基化合物的正辛醇-水分配系数

全/多氟烷基化合物(PFASs)是备受关注的新污染物.正辛醇-水分配系数(K_(OW))是评价化学品在环境中分配、迁移和归趋的重要参数,但大多数PFASs缺少K_(OW)的实测值.发展可靠的K_(OW)预测方法,对填补PFASs的K_(OW)数据缺失具有重要意义.本研究通过基于溶质电子密度的溶剂化模型(SMD)描述溶剂化效应,以19种PFASs的lgK_(OW)实测值为参照,从哈特里-福克自洽场和密度泛函理论与不同基组的组合中,筛选适于预测PFASs的lgK_(OW)方法.比较lgK_(OW)实测值与不同方法所得预测值之间的相关系数(r)和均方根误差(RMSE),发现当用B3LYP泛函结合6-31+G(d,p)基组优化几何结构,B3LYP泛函结合MIDI!6D基组计算能量时,预测效果最好(r=0.980,P<0.001,RMSE=0.273).发现溶剂形成空穴、溶质-溶剂色散作用和溶剂局部结构变化,为PFASs的K_(OW)值的主要影响因素.本研究为预测PFASs的K_(OW)提供了一种可行的方法.

Volterra泛函级数在非线性系统辨识中的应用

利用 Volterra泛函级数描述非线性系统 ,将非线性系统辨识问题转化为标准的最小二乘问题 ,并通过 QR分解进行求解。在对输入矩阵 P进行 Householder变换过程中 ,提出利用输入向量对输出向量的影响因子进行 P阵的列选择 ,同时完成模型辨识 ,有效地克服了 Volterra泛函级数辨识中维数灾难问题。

语音信号序列的Volterra预测模型

对给定的英语音素、单词和语句进行了采集并完成预处理.分别应用互信息法和Cao氏法确定了实际采集的语音信号序列的延迟时间和嵌入维数,以完成语音序列的相空间重构.通过计算实际采集的语音信号序列的最大Lyapunov指数,完成了语音信号的混沌特性识别,判定其具有混沌特性.引入Volterra级数,提出了一种具有显式结构的语音信号非线性预测模型.为克服最小均方误差算法在Volterra模型系数更新时固有的缺点,在最小二乘法基础上,应用基于后验误差假设的可变收敛因子技术,构建了一种基于Davidon-Fletcher-Powell算法的二阶Volterra模型(DFPSOVF),并将其应用于具有混沌特性的语音信号序列预测.仿真结果表明:DFPSOVF非线性预测模型对于单帧和多帧语音信号均具有更好的预测精度,优于线性预测模型,并且能够很好地反映语音序列变化的趋势和规律,完全可以满足语音预测的要求;可以根据语音信号序列的嵌入维数选取预测模型的记忆长度.所提出模型可以为语音信号重构和压缩编码开辟一条新途径,以改善语音信号处理方法的复杂度和处理效果.

非线性系统故障诊断的Volterra模型方法

针对非线性系统的故障诊断问题,系统地总结了基于Volterra级数模型的故障诊断的理论与方法。由于Volterra级数模型可以完全描述非线性系统的传递特性,因而可将其应用于系统的故障诊断,即在系统工作过程中,通过分析故障发生前后Volterra模型中非线性因素的变化来判知系统的故障。在介绍了这一新的故障诊断理论的基本思想后,结合减震弹簧的疲劳诊断,总结了当前的两种主要研究方法,即基于非线性谱分析的故障诊断方法和基于多重预设Volterra模型的故障诊断方法。阐述了这两种方法的工作原理和实现方法,指出了今后在这一方向上需要进一步研究解决的问题。

Volterra模型预测在EMD端点延拓中的应用

经验模态分解(empirical mode decomposition,简称EMD)的端点效应使得EMD分解结果产生严重失真,为了减小端点效应在分解过程中产生的影响,将混沌序列模型引入EMD,提出采用Volterra模型解决分解中产生的端点效应问题。论述了基于Volterra模型的数据延拓技术原理,即先对原始数据进行Volterra建模,然后利用该模型对数据进行延拓。该方法使端点处的延拓更加合理,从而使得三次样条曲线在端点处不会发生大的摆动,实现了准确的EMD分解。通过对仿真信号的研究表明,延拓抑制了分解的端点效应。把该技术应用于转子横向裂纹振动信号的EMD分解中,取得了良好效果。

苯分子在Cu(100)面平板模型上吸附的密度泛函理论研究

使用量子化学中的密度泛函理论和平板周期模型方法,研究了苯在Cu(100)面上的吸附方式和相对稳定性.计算结果表明,苯在Cu(100)表面的吸附属于较强的化学作用,稳定性穴位优于桥位,顶位吸附最不稳定.在吸附过程中,C—C键有相对大的伸长,C—H键的键长变化较小,但是偏离苯环平面,并背离固体表面,顶位则是朝向表面.吸附过程中,发生了电子从苯向铜原子的转移.

基于Lotka-Volterra模型的股指期货市场竞争分析

2006年中国金融期货交易所在上海成立,我国即将推出沪深300股票指数期货,然而新加坡交易所抢先我国推出了新华富时A50指数期货.新华富时A50指数期货的提前一步推出,会对可能上市的沪深300指数期货产生影响,各方人士对日后新华富时A50指数期货与沪深300指数期货之间的竞争极为关注.本文应用Lotka-Volterra动力系统模型,使用新加坡的摩根台指期货与台湾台指期货的交易量数据,对新加坡的摩根台指期货与台湾的台股指数期货的竞争关系进行了实证分析,结果表明在金融期货推出的初期,两市场更容易处于互惠的关系,随着合约竞争力和市场容量的持续改变,其竞争关系不断地发生着变化.

基于Volterra模型的供应链联盟伙伴企业合作竞争关系研究

为了研究供应链联盟中伙伴企业之间的合作竞争关系对联盟稳定性的影响,借鉴共生理论,分别就主体均势和主体非均势供应链联盟伙伴企业之间合作竞争关系建立了Volterra模型,通过求解,讨论了合作竞争的均衡解的存在及均衡条件,揭示了供应链联盟伙伴企业之间的合作竞争的动态共生本质。研究结果表明,合作与竞争的能力影响均衡值的大小;在主体非均势供应链联盟中,劣势企业在合作竞争中相对被动,对合作溢出的吸收能力较弱;企业要根据自己的合作竞争能力决定在联盟中的合作竞争策略。

应用EMD分解下的Volterra模型提取机械故障特征

将混沌时间序列的Volterra模型引入到机械故障诊断中,提出了采用EMD与Volterra模型相结合的方法提取机械故障特征。该方法较传统的特征提取方法,具有提取特征明显,计算简单等优点。仿真实验表明,此法能够有效地提取特征参数。将其应用于机械转子故障特征提取中,取得了较为满意的结果。

记忆效应非线性功放扩展Volterra模型分析与构建

通用Volterra级数行为模型由于较高计算复杂性使它受限用于弱非线性放大器。为了减少Volterra级数计算复杂性和级数核系数的数量,本文提出了两种方案:基于正交多项式函数Chebyshev和基于正交多项式函数Laguerre的Volterra级数,推导了Volterra-Chebyshev和Volterra-Laguerre的行为模型数学表达式,并对Volterra-Laguerre模型进行了仿真。数学理论分析和仿真结果表明,与普通Volterra级数模型相比,Volterra-Chebyshev和Volterra-Laguerre行为模型具有简化的结构和减少的系数。

基于Volterra模型的非线性系统预测控制

基于系统的正、负和双阶跃响应 ,提出一种新的非线性预测控制模型的建立方法 ,同时给出了相应的非线性控制算法 ,并证明了控制算法解的存在性和唯一性。针对化工过程蒸馏塔控制系统 。

结合VMD和Volterra预测模型的轴承振动信号特征提取

针对滚动轴承振动信号的非线性和非平稳性特点,提出了一种结合变分模式分解(VMD)和Volterra预测模型的轴承振动信号特征提取方法。利用VMD良好的非平稳信号分解能力将轴承振动信号分解成有限个平稳的本征模式函数(IMF)分量,然后对各IMF分量进行相空间重构,在重构的相空间内建立Volterra自适应预测模型,根据类内类间距准则对模型参数进行优选,用于描述轴承振动信号。对4种状态的滚动轴承振动信号进行了分析,优选的特征参数表现出较好的分类性能。实验结果表明,该方法能有效提取振动信号中的非线性和非平稳特征,从而提高滚动轴承故障诊断精度。

基于量子粒子群优化Volterra时域核辨识的隐Markov模型识别方法

将量子粒子群优化算法引入Volterra级数模型的非线性辨识中,并结合隐Markov模型(hidden Markov model,HMM),提出了一种基于量子粒子群优化的Volterra时域核特征提取的HMM识别方法,在提出的方法中,利用量子粒子群优化算法辨识得到的前三阶Volterra时域核作为故障特征,输入到各种状态的HMM中,其中,输出概率最大的HMM对应的状态即为设备的当前运行状态。提出的方法克服了传统的基于Volterra模型系统的机械故障诊断要求目标函数连续可导、容易陷入局部最小以及抗干扰能力差等缺陷。最后,将提出的方法应用到旋转机械故障诊断中。实验结果验证了该方法的有效性。

Volterra泛函级数辨识中维数灾难的一种解决方法

对Volterra泛函级数进行三阶截断近似 ,将Volterra核的求解问题转化为一个标准的最小二乘问题 ,并通过QR分解进行参数估计 ,在利用Householder变换实现矩阵P的QR分解过程中 ,提出了利用输入向量对输出向量的影响因子进行 P阵的列选择 ,进一步简化了算法 .数字仿真表明了该方法的有效性 .

基于Volterra级数模型的非线性系统的鲁棒自适应辨识

研究了基于Volterra模型的非线性系统的鲁棒自适应辨识问题 .针对Volterra系统辨识时输入输出观测数据均受噪声污染的情况 ,建立了基于Volterra模型的鲁棒Volterra总体均方最小自适应辨识算法 .该算法应用梯度下降原理 ,通过对梯度的修正 ,有效地提高了算法的鲁棒性 .仿真结果表明 ,在低信噪比 ,或使用较大学习因子的情况下 ,该算法的收敛性能明显优于其他算法 ,便于实际应用 .