基于可线性化Wiener过程的牵引供电设备状态检修决策研究

针对牵引供电设备运行费用高、性能加速劣化以及实际维修效果不完美的问题,提出一种牵引供电设备状态检修决策模型。该模型采用可线性化Wiener过程反映设备运行过程中的加速劣化特性,通过正态分布刻画不完美维修后设备的劣化程度,并通过定期检测确定设备劣化程度。通过遍历全寿命周期内检修情形进行分析,结合劣化程度与预防性维修阈值及失效阈值的大小关系,推导预防性维修和修复性维修实施概率的数学表达式。利用推导的公式计算检测周期和预防性维修阈值的最优组合,实现运行费用率最低的决策目标。采用Monte Carlo法对所建立的决策模型进行求解。通过某干式变压器的仿真数据,验证了状态检修决策的有效性。

基于非线性漂移Wiener过程的产品实时可靠性评估

提出基于非线性维纳退化过程评估单个产品实时可靠性的方法。该方法能够有效融合先验信息和产品自身的退化信息。首先,采用非线性维纳过程描述产品性能退化的非线性特征,产品之间的差异通过随机化参数表示。然后,利用两阶段方法估计模型中的未知参数。当获得新的退化数据信息时,根据贝叶斯方法对参数进行更新,进一步实现对产品实时可靠性的评估。最后,通过一个仿真示例以及电容器实例验证文中方法的有效性。研究结果表明:与线性维纳过程相比,非线性维纳过程能够较好地描述产品性能退化的非线性,并能够给出可信的评估结果。

基于Wiener过程的风电机组轴承剩余寿命预测

为了能及时的了解风电机组轴承的实时运行状况及剩余寿命,提出一种基于Wiener过程的寿命预测方法。首先运用多元线性回归对风电机组轴承温度参量和转速参量建立关系模型;接着运用建立的关系模型进行风电机组轴承运行状态的监测及性能退化量提取模型建立;然后分别运用线性Wiener过程和非线性Wiener过程建立风电机组轴承的剩余寿命预测模型;最后通过对某风场风电机组齿轮箱温度数据的实例分析,验证此方法在实际应用中的可行性并对预测结果进行对比分析。

YEH-WIENER过程的希尔伯特空间再生核

本文证明定义在集合Q中的函数Г是在集合口上一个协方差核,然后找出在Q上协方差核Г的希尔伯特空间再生核,同时讨论了这个再生核的一些线性算子。

多元特征融合的涡扇发动机剩余寿命预测

提出一种融合多种特征提取方式的涡扇发动机剩余寿命预测方法,该方法包括多元特征的提取、复合健康指标的构建与融合系数的确定。然后结合线性Wiener过程,利用贝叶斯更新公式实现涡扇发动机的剩余寿命在线预测。实验结果表明:相较于融合前的单一特征提取方式,笔者所提方法能够有效提高涡扇发动机的剩余寿命预测精度。

医学图像处理中滤波技术的研究

利用Matlab7.0的图像处理工具箱对医学图像进行不同种类的滤波处理,去除各种不同信号噪声干扰,提高信噪比,为医学图像的细微观察和分析提供了简便快捷的方法。

随机不确定系统的鲁棒H_∞ 滤波(英文)

研究在同时具有参数和随机不确定的情况下的鲁棒H∞ 估计问题 .假设系统的方程由It^o随机微分方程描述 ,不确定的参数是范数有界的 ,外部干扰是随机不确定的 .通过解一个线性矩阵不等式 ,可以设计鲁棒H∞ 滤波器 ,最后给出的一个例子对理论分析进行了阐述 .

四重马氏平稳过程的非线性预测问题(英文)

假设{X(t),t∈R}是由广义Wiener随机积分所定义的四重马氏平稳过程.如果该随机过程{X(t),t∈R}被一有界Borel可测函数f(·)变换,则得到新的随机过程,记为Y(t)=f(X(t)).作者在本文中,首先粗略地研讨了四重马氏平稳过程{X(t),t∈R1}及其均方导数的一些概率性质.其次,对于一些构造较简单的Borel可测函数f(·),较详细地探讨了随机过程{Y(t)=f(X(t))}的非线性均方预测问题.

四重马氏平稳过程的非线性预测问题(英文)

假设{X(t),t∈R1}是由广义Wiener随机积分所定义的四重马氏平稳过程.首先粗略地研讨了四重马氏平稳过程{X(t),t∈R1}及其均方导数的一些概率性质.其次,如果这随机过程{X(t),t∈R1}被一有界Borel可测函数f(.)变换,则得到新的随机过程,记为Y(t)=f(X(t)).对于一些构造较简单的Borel可测函数f(.),较详细地探讨了随机过程Y(t)=f(X(t))的非线性均方预测问题,给出了非线性均方预测的理论依据和实例.

Quadratic stabilization for uncertain stochastic systems

This paper discusses the robust quadratic stabilization control problem for stochastic uncertain systems, where the uncertain matrix is norm bounded, and the external disturbance is a stocbastic process, Two kinds of controllers are designed, which include state feedback case and output feedback case. The conditions for the robust quadratic stabilization of stochastic uncertain systems are given via linear matrix inequalities. The detailed design methods are presented. Numerical examples show the effectiveness of our results.

随机连续系统基于Laguerre多项式逼近的Markov参数估计

先讨论基于Ｌａｇｕｅｒｒｅ多项式逼近、有连续Ｗｉｅｎｅｒ过程扰动的随机连续线性系统最小二乘参数估计，然后讨论Ｗｉｅｎｅｒ过程的Ｌａｇｕｅｒｒｅ多项式逼近值的相关性和最小二乘估计的有偏性，在此基础上，提出无偏一致的Ｍａｒｋｏｖ估计（最小方差估计）算法，仿真结果显示本文方法的有效性．

线性连续回归模型基于Chebyshev多项式逼近的Markov参数估计

文中先提出了基于Ｃｈｅｂｙｓｈｅｖ多项式逼近，有连续Ｗｉｅｎｅｒ过程扰动的线性连续回归模型最小二乘参数估计算法，然后讨论了Ｗｉｅｎｅｒ过程的Ｃｈｅｂｙｓｂｅｖ多项式逼近值的相关性，在此基础上，提出了能获得参数估计误差方差为最小的Ｍａｒｋｏｖ参数估计（最小方基估计）算法。文中还将所提出的估计方法推广至控制领域中所讨论的随机连续动态系统的参数估计中，计算机仿真结果显示了本文方法的有效性。

融合多传感器数据的发动机剩余寿命预测方法

针对基于单一传感器数据的剩余寿命预测方法存在数据利用率低和预测精度不高的问题,论文提出了一种融合多传感器数据的发动机剩余寿命预测方法。首先将多个传感器数据融合成一个复合健康指标来表征发动机的退化性能,采用线性维纳过程对复合健康指标进行退化建模,通过极大似然估计方法确定模型参数,进而得到发动机的预测寿命。为了确定融合系数,提出了一种利用真实寿命与预测寿命的预测均方误差最小化的方法。融合系数确定后,基于训练发动机历史寿命数据,确定出模型参数的离线估计值;然后利用Bayesian公式,同时结合发动机的实时监测数据与参数的先验分布对模型参数进行实时更新,接着在首达时间的意义下推导出剩余寿命的概率分布,进而实现了发动机的剩余寿命在线预测。最后,选择商用模块化航空推进系统仿真数据集进行数值仿真实验,结果表明:相较于基于单一传感器的方法,论文所提方法能够提高剩余寿命预测的准确性,其剩余寿命预测的相对均方误差降低了2%左右。

Bayes estimation of residual life by fusing multisource information

Residual life estimation is essential for reliability engineering. Traditional methods may experience difficulties in estimating the residual life of products with high reliability, long life, and small sample. The Bayes model provides a feasible solution and can be a useful tool for fusing multisource information. In this study, a Bayes model is proposed to estimate the residual life of products by fusing expert knowledge, degradation data, and lifetime data. The linear Wiener process is used to model degradation data, whereas lifetime data are described via the inverse Gaussian distribution. Therefore, the joint maximum likelihood(ML) function can be obtained by combining lifetime and degradation data. Expert knowledge is used according to the maximum entropy method to determine the prior distributions of parameters, thereby making this work different from existing studies that use non-informative prior. The discussion and analysis of different types of expert knowledge also distinguish our research from others. Expert knowledge can be classified into three categories according to practical engineering.Methods for determining prior distribution by using the aforementioned three types of data are presented. The Markov chain Monte Carlo is applied to obtain samples of the parameters and to estimate the residual life of products due to the complexity of the joint ML function and the posterior distribution of parameters. Finally, a numerical example is presented. The effectiveness and practicability of the proposed method are validated by comparing it with residual life estimation that uses non-informative prior.Then, its accuracy and correctness are proven via simulation experiments.