多变量时序分析及其在CIWS中的应用

本文讨论了最大风险最小化（记为ｍｉｎｉｍａｘ）最优辅助变量（ＩＶ－Ｉｎｓｔｒｕｍｅｎｔａｌ Ｖａｒｉａｂｌｅ）法的多变量时序系统的识别。多变量系统参数的ＩＶ估计服从渐近高斯分布，其协方差阵有下界。我们依据ｍｉｎｉｍａｘ原则，得到ｍｉｎｉｍａｘ最优ＩＶ估计。该方法使参数估计具有鲁棒性。本文探讨了其在近程武器系统（ＣＩＷＳ－Ｃｌｏｓｅ－ｉｎ Ｗｅａｐｏｎ Ｓｙｓｔｅｍ）中的应用。     

川江及三峡库区散装化学品船型主尺度优化

针对川江及三峡库区航道特点，以1000吨级散装化学品船为例，运用正交设计和网格法结合分层序列法的多目标综合评价方法，优化出川江及三峡库区散装化学品船船型主尺度。     

采用定时器复用技术实现异步处理的方法

在多任务、多线程环境下,设计有时间间隔的任务序列需要利用定时器进行编程。提出了使用单一定时器控件实现异步处理任务序列以及复杂的嵌套定时任务的算法,并且给出了通用的程序原理图。该算法占用设备资源少,具有较高的可靠性,易于维护。     

基于网格量化和区间均值的动态目标识别

动态目标识别中，当摄像机和目标之间相对距离变化时，对于同一目标的多尺度序列图像。虽然目标区域图像大小和清晰度不同，但整体结构分布具有相似性和一致性。根据这一特点，提出基于目标区域网格量化的方法。在目标区域上形成采样网格，通过相对量化提取结构特征矩阵。对于同一目标序列图像中的每一个目标区域，其结构特征矩阵基本不变。结构特征矩阵反映象素分布的自相关性质。进一步，对由干扰引起的灰度值结构分布误差，采用网格区间均值的方法加以解决。目标区域网格量化是对相邻采样点的差值进行量化匹配。区间均值是对少数相邻采样点的进一步匹配。实例表明，本文的方法运算速度快、可靠性高，达到了实用目的。     

铝合金在铁道车辆上的应用及其可回收利用性

介绍了东京地铁公司的铝合金车辆的发展过程,同时,阐述了对东西线5453号报废车拆卸调查及用回收的铝合金再生成铝锭,且应用于05系列新造车辆上,验证了铝合金车辆的再生利用性,明确了待解决的课题。文章指出:利用单一合金方式,进行新的结构设计,能制成再生利用性好的车辆。     

改进的BP神经网络在铁路客运量时间序列预测中的应用

针对目前铁路客运量预测方法的不足,采用改进的BP神经网络对铁路客运量时间序列进行预测。分析改进的BP神经网络原理,对1980年—1998年的铁路客运量进行归一化处理,建立铁路客运量时间序列神经网络预测模型,设计网络参数,进行网络学习与训练的仿真试验。对比分析改进的BP神经网络与标准的BP神经网络预测结果,证明改进的BP神经网络预测结果更准确,精度更高。     

基于多种失效模式SPS复合钢板替换船用钢板的优化设计

在SPS复合钢板的设计中获取不同的失效模式。以减重为目标,应用序列二次规划法对SPS复合钢板进行等效船用钢板的优化设计,同时对SPS复合钢板进行多目标优化,应用层次分析法定各目标的权重。在这两种优化方法的基础上,对船用钢板与SPS复合钢板进行了屈曲、弯曲对比数值分析,同时将结果与理论计算结果对比分析。结果表明,SPS复合钢板重量能够减轻37%以上,刚度增加两倍多,但厚度增加70%。     

AANA序列的Brunk-Prokhorov型强大数定律

相依随机变量序列极限理论的研究是概率极限理论研究的必然.相依随机变量序列的种类有很多,弱鞅序列就是其中具有广泛应用的相依序列.AANA(渐近几乎负相协)序列作为一种具有代表性的弱鞅序列,对它的研究很有必要.通过AANA序列的大偏差,结合一般随机变量序列的强大数定律,得到了AANA序列在正数p满足不同条件时的Brunk-Prokhorov型强大数定律.同时,得到了特殊的AANA序列——NA(负相协)序列的Brunk-Prokhorov型强大数定律.     

基于同方差的递增时间序列自回归预测的改善方法

提出了"利用反双曲正弦函数变换提高数据列光滑程度"的新结论,获得了递增时间序列改善的自回归预测新方法。