用特征向量估计方案权与方案下标序的关系

本文讨论了层次分析法中用特征向量估计方案权与方案下标序的关系。指出特征向量法的解相对于方案下标序来说是不变的，而梯度特征向量法的解依赖于方案的下标序。同时，证明了当方案个数为3时，梯度特征向量法的解的几何平均就等于特征向量法的解。     

用一个Perron补计算非负矩阵的Perron特征向量问题

对于一个具有谱半径ρ的非负不可约矩阵Ａ，Ｍｅｙｅｒ引进了Ｐｅｒｒｏｎ补的概念法解决Ａ的Ｐｅｒｒｏｎ向量问题，Ｍｅｙｅｒ的方法是个典型的Ｄｉｖｉｄｅ－ａｎｄ－Ｃｏｎｑｕｅｒ（“分而制之”）的方法。本文的算法只用一个Ｐｅｒｒｏｎ补就可以计算出Ａ的Ｐｅｒｒｏｎ向量。     

基于CBR的边坡滑坡防治措施辅助决策模型研究

为将历史工程案例用于拟建川藏铁路边坡滑坡防治措施的决策中,建立了基于案例推理的边坡滑坡防治措施辅助决策模型。首先用数个特征属性对边坡工程案例进行定量表示,并通过特征向量分析法确定各特征属性的权重;在此基础之上,利用灰色关联分析法完成相似案例的检索,相似案例的滑坡防治措施经适当修正后用来指导目标案例。最后,通过川藏铁路德沙滑坡实例分析,验证该模型的有效性。     

基于EMD和AR模型的汽车变速器齿轮故障诊断方法

提出了基于EMD和AR模型的汽车变速器齿轮故障诊断方法。该方法采用EMD将齿轮振动信号分解成若干个平稳的IMF分量,对每一个IMF分量建立AR模型,以模型的自回归参数和残差的方差作为特征向量建立Mahalanobis。距离判别函数,进而识别齿轮的工作状态。实验分析表明,该方法能有效地应用于变速器齿轮的故障诊断。     

RBF神经网络的舰船电力系统故障诊断模型

舰船电力系统故障诊断是当前的热点问题,经典舰船电力系统故障诊断模型存在各自的缺陷,影响舰船电力系统故障诊断结果,为了改善舰船电力系统故障诊断结果,提出了RBF神经网络的舰船电力系统故障诊断模型。首先分析当前舰船电力系统故障诊断研究进展,阐述了RBF神经网络的舰船电力系统故障诊断原理,然后从舰船电力系统工作状态中提取特征向量,引入RBF神经网络进行学习,产生舰船电力系统故障诊断模型,并对RBF神经网络参数优化问题进行改进,最后与当前几种经典模型进行了故障诊断对比测试,RBF神经网络的舰船电力系统故障诊断正确率超过92%,而经典模型的舰船电力系统故障诊断正确率低于90%,误诊现象出现的概率很高,验证了RBF神经网络用于舰船电力系统故障诊断的优越性。     

基于时序-神经网络的车辆变速器齿轮故障诊断

采用时序分析和BP神经网络，建立了基于时序-神经网络的车辆变速器齿轮故障诊断系统。通过对车辆变速器齿轮运行状念特征信号进行时序分析和特征向量提取，并以此作为BP神经网络的输入向量进行网络训练，从而实现变速器齿轮运行状态的识别与故障诊断。该系统应用于LC5T81变速器齿轮的故障诊断中，能够比较准确地识别与诊断出变速器齿轮的跑合运行状态、磨损运行状态和故障运行状态。验证表明该诊断系统有效、可行。     

模糊AHP法及其在电子战系统效能评估中的应用

电子战系统的效能评估是基于系统单项效能评估的基础之上的。本文的分析方法是在分析单项效能指标的基础上,应用模糊层次分析法（FAHP）对多个电子战系统进行综合评估。首先构造区间数判断矩阵,然后运用区间数特征向量法（IEM）求取权重向量,最后求出层次的组合区间权及排序指数,得出最佳方案。     

船体弹性支撑轴机械故障检测方法研究

当前船体弹性支撑轴故障检测存在效率低、错误多等不足,为了改善船体弹性支撑轴故障检测效果,设计了支持向量机多类分类器的船体弹性支撑轴故障检测方法。首先选择船体弹性支撑轴作为研究对象,提取其振动信号。然后从振动信号中提取描述其工作状态的特征,并通过对特征进行选择,得到最优的船体弹性支撑轴故障检测特征。最后根据故障检测特征,采用支持向量机多类分类器进行船体弹性支撑轴故障分类和检测。仿真测试结果表明,本文方法能够很好识别各种类型的船体弹性支撑轴故障,对所有类型故障检测率超过95%以上,而且具有较快的船体弹性支撑轴故障检测速度,相对其他船体弹性支撑轴故障检测方法,优势十分明显。     

微分方程的stiff问题研究

本文介绍了刚性(stiff)问题的概念和刚性方程组的数值解法。并通过对一个具体的线性刚性微分方程的例子的求解,给出了刚性微分方程的求解过程和具体实现。