灰色马尔科夫组合模型对结构剩余寿命预测的研究

灰色马尔科夫组合模型是将灰色GM（1,1）模型与马尔科夫链有机地结合起来,利用各自优点并充分考虑大型结构整体变化趋势和局部波动的情况。通过对某桥梁结构的损伤系数进行预测分析并与GM（1,1）预测结果进行对比,该方法解决了GM（1,1）模型对波动性较大数据拟合较差,预测精度较低的缺陷。     

马尔科夫分析法在旅客运输市场中的应用

在综合交通运输市场中,旅客出行方式的选择是一个复杂而重要的问题;通过对铁路运输、公路运输、水路运输和航空运输等多种运输方式旅客流动变化的趋势和规律进行分析,采用马尔科夫分析法对交通运输市场的旅客流动变化进行科学预测,为交通运输部门调整运输营销策略提供决策依据。     

铁道信号系统安全计算机状态监测方法

基于隐马尔科夫模型(Hidden Markov Model,HMM)提出了状态监测和故障诊断的原理与基本流程。通过观测数据的提取与降维,正常态模型训练与改进,故障态模型训练等一系列措施,实现了两模冗余安全计算机的状态监测,对正常态与时钟偏离1%～10%等7种不同条件进行监测。监测结果表明:对数似然概率均值从-228.98降至-1 385.60,健康状态不断恶化。对1号处理单元(PU1)故障状态进行仿真监测时,将PU1故障与PU1故障态、正常态、安全容错管理单元(FTSM)故障态、通信控制器(CC)故障态以及系统受扰故障态进行比较,得到对数似然概率均值分别为-161.95、-13.72、-14.13、-40.17及-35.69,证明了系统所发生的故障是因PU1所致。监测方法能够有效实现安全计算机健康状态的检测,为铁道信号安全计算机监测技术提供理论支撑。     

考虑旅客选择行为的高铁席位动态控制策略

利用基于选择行为的网络收益管理原理研究高铁席位动态控制策略.首先,针对多列车多停站的高铁网络建立考虑旅客选择行为的席位控制动态规划模型.然后,设计两阶段控制机制：第一,采用近似动态规划技术,对价值函数进行线性近似,设计策略迭代算法离线获得时间依赖的投标价格;第二,采用能够描述多种选择行为机理的马尔科夫链选择模型刻画旅客选择行为,将投标价格作为输入参数,在线运行品类优化算法获得实时控制策略.最后以京沪高铁为背景设计仿真实验,结果表明该机制在需求水平较低时能够明显改善收益,且保护长途票额.该机制不仅可获得实时动态控制策略,而且通用性好,还可利用历史数据进行参数学习与更新,实现更为精细地连续优化.     

基于灰色-马尔科夫模型的高速公路货物运输量预测方法

为准确预测我国高速公路货物运输趋势,文章提出灰色GM(1,1)模型、马尔科夫模型和新陈代谢思想的组合模型,以2009—2016年我国高速公路货物周转量为原始数据序列,预测2017—2019年高速公路货物周转量。结果表明：组合模型比传统的灰色GM(1,1)模型预测精度更高,加入新陈代谢思想,删除旧数据,引入新数据,降低了长期预测的误差,对新序列采用灰色-马尔科夫模型,2018年和2019年的相对误差由原来的7.81%和6.45%分别下降到3.85%和0.62%。     

带随机延滞的衍生的ARCH模型的几何遍历性

引入了带随机延滞的门限自回归滑动平均一自回归条件异方差模型,讨论了这个模型的极限行为,并给出了该模型以几何速率收敛的充分条件．该模型将固定延滞的衍生的门限自回归滑动平均一自回归条件异方差模型推广为延滞受到一个有限状态马氏链控制的衍生的门限自回归滑动平均一自回归条件异方差模型,能更好的拟合现实世界中的诸多实际问题．同时,推广了自回归条件异方差模型,增强了模型的适应性,能够更好的拟合金融市场中价格行为波动的现象．     

基于神经网络实现的改进灰色组合预测及应用

针对GM（1，1）模型预测精度差的问题，采用马尔可夫链、残差数据正数化等多种方法修正残差．按等维新息的思路建立多个改进型GM（1，1）模型，并提出了基于神经网络实现的改进型灰色组合预测模型及预测算法。仿真分析表明，通过该模型可以寻求到多个改进型GM（1，1）模型预测值的最佳组合。     

自供电路侧单元能量-时延均衡分组调度策略

考虑了自供电路侧单元在分组传输过程中能量收集、车辆到达与车速的随机性, 基于受限马尔科夫决策模型建立分组调度系统模型, 研究了分组平均传输时延与能量消耗; 分析了在能量队列约束下最小分组平均传输时延的优化问题, 提出了自供电路侧单元能量-时延均衡分组调度策略, 通过仿真试验分析了最优分组调度策略性能, 并与贪婪中继方案和Q-learning算法进行对比。仿真结果表明: 该分组调度策略具有双门限结构, 系统通过自供电路侧单元的能量队列状态以及到达车辆的车速状态确定决策变量, 使系统可以在考虑能量利用效率的前提下降低监测数据分组的平均传输时延, 保证自供电路侧单元在能量存储不溢出不耗尽的同时, 最小化系统分组平均传输时延; 在单分组发送模型中, 提出的分组调度策略的平均传输时延相比贪婪中继方案降低了15.7%, 相比Q-learning算法降低了13.5%;在批量分组发送模型中, 其分组平均传输时延相比贪婪中继方案降低了20.4%, 相比Q-learning算法降低了11.5%。     

基于制动驾驶意图辨识的纯电动客车复合制动控制策略

为了研究纯电动客车复合制动系统制动力分配比例, 提出了基于制动驾驶意图辨识的复合制动控制策略。基于隐形马尔科夫理论建立了双层制动驾驶意图辨识模型, 运用道路试验数据对模型进行辨识验证。基于辨识出的驾驶意图和车速, 以前后轮制动力分配比例、ECE法规、电机特性、滑移率、蓄电池特性、超级电容特性与传动系统特性为约束条件, 制定了复合制动系统制动力分配策略, 在9种工况下, 应用Simulink对复合制动系统进行建模仿真。仿真结果表明: 应用基于制动驾驶意图的纯电动客车复合制动控制策略后, 在各种工况下, 摩擦制动系统和电机再生制动系统能够协调稳定地工作, 在保证制动安全性的前提下最大限度地回收了制动能量。低车速轻微制动时能量回收效率最高, 可达到43.84%。高车速紧急制动时能量回收效率最低, 仅为0.89%。     

含表面裂纹板的振动功率流特性研究

  目的  舰船的船体结构、武器装置及动力设备等系统在服役期间的性能退化将增加全寿命周期的运行风险,故须根据实船退化情况开展视情维修策略研究。  方法  基于马尔科夫链建立多状态退化系统模型,利用强化学习方法训练产生维修策略的代理,在自适应学习过程中得到最优维修策略。  结果  某船舶结构退化系统的验证结果表明,该方法可以在考虑系统实际退化状态下实现最优维修策略的快速响应,为决策者提供视情维修策略的智能化辅助决策工具。  结论  舰船视情维修策略与强化学习相结合是一种提升舰船装备维修决策技术水平的可行方法。