非时齐马氏链转移矩阵的性质

对非时齐马氏链转移矩阵的分析性质进行了讨论起因于非时齐马氏链广泛应用于随机控制和奇异摄动．得到了转移矩阵的一些连续性性质，特别是对Q-矩阵函数的概率意义进存了详细讨论，得到了在一状态停留的时间服从一指数分布，从一状态跳到另一状态的概率等较完整的结果，最后还给出一个Q-矩阵函数有界的充要条件。     

基于非负矩阵分解的高速列车走行部工况识别

根据高速列车振动信号数据的特点,针对高速列车走行部工况的识别,提出了一种基于非负矩阵分解(NMF)算法的工况识别模型。该模型通过数据处理获得具有辨识度的工况数据集,使用K-means、谱聚类、近邻传播和模糊C均值4种聚类算法获得初步识别结果。聚类算法的初步识别结果作为NMF算法的输入,获得最终识别结果。相比NMF算法与聚类算法的识别结果,NMF算法具有更高的准确率,本文验证了NMF算法在高速列车工况识别方面的有效性和高效性,为高速列车的工况识别提出了一种有效的解决方案。     

基于改进非等时距灰色模型与PSO优化的轨道不平顺预测

基于轨道动检数据开展的轨道不平顺预测研究,可用于指导以预防为主的养护维修作业。将改进非等时距灰色模型与粒子群优化(Particle Swarm Optimization,PSO)相结合来实现轨道质量指数(Track Quality Index,TQI)的高精度预测。在考虑TQI原始动检数据特征的基础上增加原始数据平滑优化、累加初始值优化和背景值优化等环节提出改进非等时距灰色模型。利用PSO算法的启发式搜索优势,以平滑优化参数、初始值优化参数、背景值优化参数为搜索目标,以预测平均相对误差为适应度函数,实现预测模型参数的自适应优化。在此基础上,基于优化参数计算得到拟合区间和外推区间上的TQI预测结果。选取沪昆线上行区段实测TQI数据对本文方法进行验证,并与既有TQI组合预测模型的预测结果进行了对比。研究结果表明,模型可有效捕捉TQI序列中的随机波动与实时演变趋势,在外推区间上的平均相对误差分别为2.04%和2.54%,预测性能优良;当TQI序列振荡特性显著时,本模型仍能保证预测结果的可靠性;与组合预测模型相比,该模型规避了残差修正、多算法融合等繁琐步骤,可通过有限优化环节提升预测精度,为轨...     

基于灰色GM（1，1）非等时距修正模型的轨道质量预测

根据灰色理论,以轨道质量指数检测数据为原始时间序列,通过累加弱化序列的随机性,挖掘轨道系统内在的规律,研究建立基于厌色GM(1,1)非等时距模型的轨道质量预测方法.为提高模型预测精度,优化模型中的初值和背景值,并基于残差分析引入周期性函数,对模型进行修正.用此模型对轨道质量指数TQI数据进行分析预测,并对模型精度进行检验.结果表明模型能较好地反映轨道质量恶化发展的随机波动特征,拟合、预测精度高,为了解和掌握轨道质量状态的发展规律提供了新的方法.     

马链跳-布朗运动

提出了一类新的随机过程:马链跳-布朗运动模型,给出了它的特例,讨论了过程的马氏性与齐次性,求出了过程的有限维分布.     

非齐次(H,Q)过程积分型泛函的分布与矩

侯振挺等[1]引入了一类具有广泛应用前景的随机过程--Markov骨架过程.文献[2]中研究了这类过程中的齐次(H,Q)过程积分型泛函的分布与矩.在此基础上,对马氏骨架过程中非齐次(H,Q)过程积分型泛函作讨论,并且得到了它的分布与矩的具体计算公式.