子波变换平滑的混沌信号检测

将近几年兴起的子波变换、分形理论应用于带观测噪声混沌信号的检测。基于快速子波变换导出了平滑算子，将其对时序信号进行处理，并根据它在一定的尺度范围内具有标度不变的性质，利用改进的Ｇ－Ｐ算法计算其分数维数，对带有观测噪声的Ｌｏｒｅｎｚ吸引子波的混沌运动进行了检测。实验结果表明，该方法具有较好检测混沌现象的能力。     

基于相空间重构的网络流量RBF神经网络预测

应用混沌理论,分析了网络流量,用单变量的网络流量时闯序列重构与网络动力系统等距同构的相空间,进而计算了实际网络的关维数和Lyapunov指数,并证实了网络流量存在混沌特性;据此建立了基于径向基函数（RBF）神经网络的模型,并对实际网络数据流进行了预测。仿真结果表明,相对于其他前馈神经网络预测,基于混沌理论的RBF神经网络预测方法学习速度快,预测精度高。     

基于小波神经网络的混沌时间序列预测及应用

根据相空间重构理论,探讨了一种基于小波神经网络(WNN)的混沌时间序列预测方法。根据G-P算法和Takens理论,计算出混沌时间序列相空间重构所需的最小嵌入维数,以此作为网络的输入节点数。通过时频分析,使得隐节点数的选取也有了可靠的理论依据。最后对Lorenz仿真信号和滚动轴承信号进行仿真和预测,验证了方法的有效性。结果表明,对于混沌时间序列的预测,WNN网络比BP网络表现出更理想的预测效果,为非线性动态系统的预测提供了一种有效的途径。     

基于混沌特性的网络流量预测

高速网络中存在着以自相似为特征的多种业务流量,这种自相似特征和混沌现象的吸引子有着紧密的联系。本文基于混沌时间序列重构相空间理论,根据最大Lyapunov指数,分别采用W o lf原始算法和改进算法,对高速网络中自相似信源的速率进行了预测,并给出了最大可预报时间。仿真结果表明,W o lf改进算法预测精度及可靠性更高。     

基于混沌时间序列的飞行冲突预测(英文)

为了准确掌握飞行冲突量的变化规律及其准确预测,对飞行冲突的混沌问题进行了研究。首先,基于人-机-环境系统工程理论,建立飞行冲突的故障树,从定性的角度分析了飞行冲突的混沌特性;然后,建立了基于小数据量方法和小波去噪理论的最大Lyapunov指数λmax的改进混合算法,并利用此方法从定量的角度证明了飞行冲突时间序列中混沌现象的存在;最后,利用混沌预测方法对模拟数据进行预测,并通过灰色误差检验方法对预测结果进行评价。检验结果为后验差比值为0.2209<0.35,小误差概率为0.9853>0.95。结果表明该预测方法的有效性。因此,说明应用混沌理论进行飞行冲突分析与预测是可行的。     

基于线性模型最优预测的高光谱图像压缩

高光谱图像取得较高的光谱分辨率对于分类和识别很有益.但与此同时也带来了巨大的数据量,使其压缩成为必需.传统的预测方法能够在一定程度上去除谱带之间的相关性,但其预测系数不能利用高光谱图像谱带间的信息进行自适应的调整,使得预测效果不是最优.本文建立了高光谱图像谱带间的线性模型,推导出在信噪比最优下的预测.该方法能够更好地降低预测后图像的熵值.实验表明,相对于传统方法重建的平均信噪比提高了4.606 4 dB.     

机场规划所需地勤保障车辆最低数量预测

为解决机场车辆资源投资浪费的问题,求得工作负荷相对均匀的最低地勤保障车辆配置,综合考虑多种车辆相互运作关系,建立带时间窗的整体规划调度模型,设计了优化模型的禁忌搜索算法,求得了最少车辆调度数量和相应的服务序列。计算结果表明该模型具有较好的稳定性和收敛速度。最后对未来机场航班增加后所需车辆配置进行了预测。     

基于分形理论的混沌信号与噪声分离方法

提出一种分维数和子波重构相结合的混沌信号与噪声分离方法，与以往出现的子波滤波方法和经典滤波方法相比较，该方法有如下特点；利用子波变换计算带观测噪声混沌信号的真实分数维，进而根据观测序列维数与真实维数的差值控制子波重构的参数，构造出混沌与噪声分离的自适应滤波器结构。仿真实验说明了该算法的有效性。     

气液两相流压差波动信号的混沌特性及Volterra自适应短期预测研究

以空气和水为工质，在直径3.0 mm的水平圆管通道内进行压差波动信号实验研究。根据压差波动信号图及高速工业相机拍摄的流型图，结合相空间重构、Lyapunov指数判别法对压差波动信号进行混沌动力学分析，在其基础上对压差波动信号进行Volterra自适应短期预测。结果表明:混沌分析得到的吸引子图可以更准确地展现管道内气液两相流的流动特性；Volterra自适应短期预测模型可以有效地对管道内气液两相流的压差时间序列进行短期预测，对环状流、层状流、间歇流、段塞流的压差时间序列预测的相对误差分别为1.86%、0.71%、3.90%、2.49%。     

混沌理论在尾桨气动噪声信号分析中的应用

研究剪刀式尾桨气动噪声的混沌特性,并应用混沌理论进行了直升机尾桨气动噪声信号分析。本文通过利用多频调制方法对尾桨噪声进行理论分析,得出相对声压值随剪刀变化的规律;然后将混沌运动的特征参数——关联维数用于剪刀式尾桨气动噪声信号的分析。分析结果表明剪刀式尾桨引起的气动噪声含有混沌特性,同时对比理论和试验结果表明剪刀尾桨构型的参数对气动噪声有明显的影响。     

高温低周疲劳寿命预测模型

系统评介了应变变程划分（ＳＲＰ），频率划分（ＦＳ），频率修正损伤参数（ＦＭＤＦ），损伤速率（ＤＲ）和应变能划分（ＳＥＰ）等五种在国内外影响较大的高温低周疲劳（ＨＬＦ）寿命预测模型，并对ＨＬＦ寿命预测的损伤力学方法作了简介。基于能量原理，本文建立了一个新的ＨＬＦ寿命预测模型，即时间修正能量（ＴＭＥ）模型。通过引入时间因子和采用优化处理技术，该模型能较准确地反映塑变、蠕变和环境介质等ＨＬＦ损伤机制的作用。利用镍基超合金Ｒｅｎｅ’９５（涡轮盘材料）的ＨＬＦ试验数据，对上述几个模型的拟合能力和预测能力进行了评价。结果表明，对于该材料，ＴＭＥ模型要优于其他几个模型。     

考虑脆弱性的航空发动机剩余寿命预测

比例危险模型采用协变量的方式综合多个参数实现对系统的剩余寿命预测,已在航空发动机中得到了应用。然而由于传统比例危险模型是以假设多个研究样本独立同分布,即基本失效率相同为基础的,但对于航空发动机而言,由于运行环境和使用的不同,基本失效率存在差异。研究表明,忽略样本之间的差异会导致估计结果存在严重偏差。为此,本研究将引入用于表达样本之间非独立性的脆弱性概念,针对航空发动机,建立更具普遍性的脆弱性比例危险模型,首次应用于航空发动机的剩余寿命预测。通过实例表明,基于脆弱性比例危险模型得到的预测结果平均误差为4.6%,而基于传统比例危险模型的预测结果平均误差为6.9%,验证了脆弱性比例危险模型在航空发动机剩余寿命预测中的有效性。     

Partial Improvement of Traditional Grey-Markov Model and Its Application on Fault Prediction

Modeling experiences of traditional grey-Markov show that the prediction results are not accurate when analyzed data are rare and fluctuated.So it is necessary to revise or improve the original modeling procedure of the grey-Markov(GM)model.Therefore,a new idea is brought forward that the Markov theory is used twice,where the first time is to extend the original data and the second to calculate and estimate the residual errors.Then by comparing the original data sequence from a fault prediction case with the simulation sequence produced by the use of GM(1,1) and the new GM method,results are conforming to the original data.Finally,an assumption of GM model is put forward as the future work.     

指数分布双样预测的Bayes方法

本文对指数分布的双样预测问题用Bayes方法进行了讨论，结果表明，定数截尾时，无信息先验分布的Bayes预测限与经典预测限相同，但两者的预测子不一致，对有替换定时截尾，给出了经典方法目前尚未给出的双样预测问题的Bayes预测子与预测限，并用数值例说明了这些方法。     

一种基于元路径拥塞模式挖掘的移动对象位置预测方法

路网上移动对象位置预测是许多位置相关服务的基础。目前移动对象位置预测方法没有充分考虑到轨迹数据中所蕴含的道路拥塞信息,而路网上的道路拥塞状态对移动对象的位置更新会产生巨大影响。提出基于元路径拥塞模式挖掘的方法(Meta-congestion-pattern mining,MCPM)。在离线挖掘阶段,从历史轨迹的频繁路径(元路径)的紧集中挖掘当地的拥塞模式,并对运动模式进行建模,其中采用基于k均值的聚类算法解决数据稀疏性问题。在线预测阶段根据挖掘的拥塞模式和运动模式依概率进行预测。最后通过理论分析和实验验证得出了算法的有效性,与相同条件下的精度预测(WhereNext,WN)方法相比,平均预测准确性提高了近20%,预测时间平均缩短了近50%。