基于RVM-PF的動(dòng)態(tài)安全裕度與不確定性評估方法
發(fā)布時(shí)間:2023-08-03 19:29
裕度與不確定性(QMU)評估技術(shù)是一項(xiàng)新興的安全性評估技術(shù),它主要基于“裕度設(shè)計(jì)”的理念,注重區(qū)間分析,考慮系統(tǒng)性能參數(shù)實(shí)際的變化范圍來分析系統(tǒng)安全性。但QMU方法本質(zhì)上是靜態(tài)評估方法,一般通過收集系統(tǒng)固有信息或靜態(tài)數(shù)據(jù)來進(jìn)行評估,對動(dòng)態(tài)系統(tǒng)的適應(yīng)性較差;此外它只提供了評估方法,并未涉及系統(tǒng)性能數(shù)據(jù)的處理,而這部分恰恰是QMU評估的輸入部分,對評估結(jié)果有決定性影響。對于運(yùn)行中的系統(tǒng)來說,掌握實(shí)時(shí)安全狀態(tài)很重要,如能利用狀態(tài)監(jiān)測與預(yù)測技術(shù)實(shí)時(shí)獲取系統(tǒng)性能參數(shù)的時(shí)序信息,將其代入QMU評估模型,就能得到系統(tǒng)實(shí)時(shí)的安全性評估結(jié)果并預(yù)測未來一段時(shí)間內(nèi)的安全狀況,這是對QMU評估的一個(gè)重要補(bǔ)充。獲取實(shí)時(shí)評估結(jié)果后可以提前對可能發(fā)生的事故采取相應(yīng)措施,降低系統(tǒng)發(fā)生故障的可能性或減輕事故對系統(tǒng)的損壞,這對提高系統(tǒng)的安全性與可用性均有重要意義。 按照這個(gè)思路,本文運(yùn)用相關(guān)向量機(jī)(RVM)與粒子濾波(PF)模型對性能數(shù)據(jù)進(jìn)行分析并預(yù)測其趨勢。第二章闡述了經(jīng)典RVM模型的原理以及噪聲項(xiàng)的改進(jìn),通過引入方差修正超參數(shù)來對每個(gè)點(diǎn)的噪聲方差進(jìn)行修正,使得RVM模型對噪聲有更好的適應(yīng)性。本章還對RVM模型進(jìn)行了回...
【文章頁數(shù)】:75 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 QMU 技術(shù)
1.2.2 狀態(tài)監(jiān)測與預(yù)測技術(shù)
1.2.3 相關(guān)向量機(jī)模型
1.2.4 粒子濾波模型
1.2.5 目前 QMU 技術(shù)存在的主要問題
1.3 研究思路與創(chuàng)新點(diǎn)
1.4 論文組織結(jié)構(gòu)
第二章 基于相關(guān)向量機(jī)的回歸模型
2.1 相關(guān)向量機(jī)原理
2.1.1 模型描述
2.1.2 參數(shù)估計(jì)
2.2 噪聲項(xiàng)改進(jìn)
2.2.1 改進(jìn)噪聲項(xiàng)模型
2.2.2 參數(shù)估計(jì)
2.2.3 時(shí)序回歸表達(dá)式
2.3 回歸性能分析
2.3.1 核函數(shù)帶寬對回歸性能的影響
2.3.2 改進(jìn)噪聲項(xiàng)對回歸性能的影響
2.4 RVM 回歸數(shù)據(jù)庫建立
2.5 本章小結(jié)
第三章 基于 RVM 回歸數(shù)據(jù)庫的粒子濾波預(yù)測模型
3.1 在線預(yù)測的難點(diǎn)與解決思路
3.2 粒子濾波預(yù)測基本原理
3.2.1 標(biāo)準(zhǔn)粒子濾波算法
3.2.2 影響預(yù)測精度的關(guān)鍵因素
3.3 基于 RVM 回歸數(shù)據(jù)庫的粒子濾波預(yù)測算法
3.3.1 粒子采樣方法
3.3.2 粒子權(quán)重計(jì)算方法
3.3.3 運(yùn)動(dòng)方程與預(yù)測值計(jì)算
3.3.4 粒子權(quán)重更新與真實(shí)值修正
3.3.5 算法流程
3.4 參數(shù)設(shè)置與預(yù)測性能分析
3.4.1 預(yù)測長度的影響
3.4.2 平滑系數(shù)的影響
3.4.3 權(quán)重更新的影響
3.4.4 真實(shí)值修正的影響
3.4.5 與一般趨勢外推方法的精度對比
3.5 本章小結(jié)
第四章 動(dòng)態(tài)安全裕度與不確定性評估模型
4.1 QMU 評估方法基本原理
4.2 閾值計(jì)算方法
4.3 動(dòng)態(tài)優(yōu)良系數(shù)評估
4.3.1 優(yōu)良系數(shù)計(jì)算方法
4.3.2 評估結(jié)果判定
4.4 本章小結(jié)
第五章 案例分析
5.1 一回路冷卻劑管道簡介
5.1.1 性能退化機(jī)理
5.1.2 性能監(jiān)測量構(gòu)建與計(jì)算方法
5.2 性能趨勢預(yù)測
5.2.1 回歸數(shù)據(jù)庫構(gòu)建
5.2.2 預(yù)測結(jié)果
5.3 動(dòng)態(tài) QMU 評估
5.3.1 閾值計(jì)算
5.3.2 評估結(jié)果
5.4 本章小結(jié)
結(jié)束語
致謝
參考文獻(xiàn)
作者在學(xué)期間取得的學(xué)術(shù)成果
本文編號:3838675
【文章頁數(shù)】:75 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 QMU 技術(shù)
1.2.2 狀態(tài)監(jiān)測與預(yù)測技術(shù)
1.2.3 相關(guān)向量機(jī)模型
1.2.4 粒子濾波模型
1.2.5 目前 QMU 技術(shù)存在的主要問題
1.3 研究思路與創(chuàng)新點(diǎn)
1.4 論文組織結(jié)構(gòu)
第二章 基于相關(guān)向量機(jī)的回歸模型
2.1 相關(guān)向量機(jī)原理
2.1.1 模型描述
2.1.2 參數(shù)估計(jì)
2.2 噪聲項(xiàng)改進(jìn)
2.2.1 改進(jìn)噪聲項(xiàng)模型
2.2.2 參數(shù)估計(jì)
2.2.3 時(shí)序回歸表達(dá)式
2.3 回歸性能分析
2.3.1 核函數(shù)帶寬對回歸性能的影響
2.3.2 改進(jìn)噪聲項(xiàng)對回歸性能的影響
2.4 RVM 回歸數(shù)據(jù)庫建立
2.5 本章小結(jié)
第三章 基于 RVM 回歸數(shù)據(jù)庫的粒子濾波預(yù)測模型
3.1 在線預(yù)測的難點(diǎn)與解決思路
3.2 粒子濾波預(yù)測基本原理
3.2.1 標(biāo)準(zhǔn)粒子濾波算法
3.2.2 影響預(yù)測精度的關(guān)鍵因素
3.3 基于 RVM 回歸數(shù)據(jù)庫的粒子濾波預(yù)測算法
3.3.1 粒子采樣方法
3.3.2 粒子權(quán)重計(jì)算方法
3.3.3 運(yùn)動(dòng)方程與預(yù)測值計(jì)算
3.3.4 粒子權(quán)重更新與真實(shí)值修正
3.3.5 算法流程
3.4 參數(shù)設(shè)置與預(yù)測性能分析
3.4.1 預(yù)測長度的影響
3.4.2 平滑系數(shù)的影響
3.4.3 權(quán)重更新的影響
3.4.4 真實(shí)值修正的影響
3.4.5 與一般趨勢外推方法的精度對比
3.5 本章小結(jié)
第四章 動(dòng)態(tài)安全裕度與不確定性評估模型
4.1 QMU 評估方法基本原理
4.2 閾值計(jì)算方法
4.3 動(dòng)態(tài)優(yōu)良系數(shù)評估
4.3.1 優(yōu)良系數(shù)計(jì)算方法
4.3.2 評估結(jié)果判定
4.4 本章小結(jié)
第五章 案例分析
5.1 一回路冷卻劑管道簡介
5.1.1 性能退化機(jī)理
5.1.2 性能監(jiān)測量構(gòu)建與計(jì)算方法
5.2 性能趨勢預(yù)測
5.2.1 回歸數(shù)據(jù)庫構(gòu)建
5.2.2 預(yù)測結(jié)果
5.3 動(dòng)態(tài) QMU 評估
5.3.1 閾值計(jì)算
5.3.2 評估結(jié)果
5.4 本章小結(jié)
結(jié)束語
致謝
參考文獻(xiàn)
作者在學(xué)期間取得的學(xué)術(shù)成果
本文編號:3838675
本文鏈接:http://sikaile.net/kejilunwen/anquangongcheng/3838675.html
最近更新
教材專著