摘要:

时滞在工程领域广泛存在,对此综述了线性时滞系统的稳定性研究方法.从频域和时域两个角度详细介绍了各种方法的特点,着重讨论基于线性矩阵不等式(LMI)的分析方法,指出保守性是分析的重点.对现有结果的保守性进行比较和评述,并提出了改进的思路.

摘要:

修复约束满足算法(修复法)是在完整初始解的基础上不断对变量进行修复,最终得到可行解.对此,提出一种求解flow shop排序问题的改进修复法(IRCS_WT),通过采用新的变量表达方式,设计了一种以启发式优化规则为指导的变量选择算法(LWT),并采用一种变量互换算法(LTEE)保证算法的全局搜索性能.将新算法应用于31个标准算例,与传统算法及遗传算法的优化结果进行比较,结果表明在相同运算时间下改进算法具有明显的优越性.

摘要:

首先对Tent混沌序列加以改进,将其引入粒子群算法中;然后提出一种基于改进的Tent映射的粒子群算法.采取分阶段更新的优化策略,使其在搜索初期更具遍历性,在搜索后期,通过人为更替最差粒子的速度和位置,使算法具有更快的收敛速度与更好的全局搜索能力.构建一种资源配置结构优化模型,并将改进的Tent映射粒子群算法引入资源配置结构优化决策中,在寻优速度,精度和成功率等方面均显示出良好的优化效果.

摘要:

针对粒子群优化(PSO)算法的早熟收敛问题,提出一种新的基于群体多样性控制的PSO算法(DCPSO).该方法使得粒子在收缩状态下充分搜索.在发散状态下能够飞离群体的聚集位置.不断的收缩-发散过程保证了群体能在较大的空间进行搜索,减少了粒子群算法的早熟收敛现象.通过对多个标准测试函数的实验结果表明,DCPSO算法在复杂优化问题中具有较强的全局搜索能力,而且比现有的多样性指导的PSO算法(ARPSO)具有更好的性能.

摘要:

提出一种改进的BP神经网络(IBPNN)用以建立发酵过程中菌体浓度软测量模型.结合菌体浓度变化范围大这一特点,将传统BP网络的误差函数进行了改进,并利用最优停止法对网络进行训练,避免了过拟合现象.最后针对诺西肽发酵过程中菌体浓度的估计问题,根据隐函数定理选取辅助变量,应用IBPNN建立菌体浓度软测量模型,实验结果验证了所提方法的有效性.

摘要:

针对一类已知外扰结构的时滞离散系统,提出基于滑模的跟踪控制策略.将切换函数看作系统的输出,把原系统的滑模到达问题转化为对理想系统模型的跟踪问题.基于内模原理,针对误差系统与干扰模型的共同系统设计状态反馈控制律,实现了干扰抑制.从而说明原系统的状态可以跟踪理想系统的状态,使切换函数渐近稳定,避免了抖振的发生,并获得原系统状态的渐近稳定性.最后,给出的仿真算例说明了设计方法的可行性.

摘要:

提出了局部加权组合状态空间模型参数的正交梯度辨识方法.局部状态空间模型用全参数化形式描述,同时选用正则化径向基函数作为分状态的加权因子.通过优化系统输出误差得到了系统矩阵,径向基函数中心与带宽的参数估计.仿真结果表明,所提出的方法用于非线性动态系统的建模是有效的.

摘要:

分析了基于因特网的共享控制系统的控制问题,研究了数据包传输特有的时序现象及其对控制系统建模的影响.通过引入有效的数据包处理器对接收到的信息进行再处理,简化了系统的模型,并从时滞依赖鲁棒稳定性的角度提出了一种使系统渐近稳定的状态反馈控制器设计方法.仿真和实验结果证明了所提出方法的有效性.

摘要:

针对一类通讯受限的不确定网络控制系统,研究了鲁棒H∞滤波器设计问题.通过引入两个附加的松弛矩阵使Lyapunov矩阵和系统矩阵得到分离,得到了一个新的具有更低保守性的鲁棒H∞性能判据,并基于该判据设计了系统的鲁棒H∞滤波器.当将其应用于具有凸多面体不确定性的网络控制系统时可以得到和系统不确定性相关联的Lyapunov函数,有效降低了设计的保守性.数值算例验证了所提出算法的可行性和优越性.

摘要:

研究一类具有测量数据丢失概率不确定的网络化系统的鲁棒故障检测问题,系统用概率属于一个区间的Bernoulli随机二进制切换序列来描述测量数据丢失.设计一个基于观测器的鲁棒故障检测滤波器(RFDF),对于区间内的每一个概率,RFDF残差误差输出对故障敏感且对具有L2有界的未知干扰输入有一定的鲁棒性,应用线性矩阵不等式方法,给出并证明了此RFDF的存在条件.最后通过例子说明了该方法的有效性.

摘要:

提出一种基于直觉模糊三角模的直觉模糊粗糙集.首先,定义了直觉模糊集上的T 模及其剩余蕴涵,研究了直觉模糊T模的剩余蕴涵的性质,并推导了通用计算表达式;然后,将模糊T 粗糙集扩展成直觉模糊粗糙集,证明了模糊T粗糙集,粗糙模糊集和Pawlak粗糙集都是直觉模糊粗糙集的特殊情形;最后,证明了直觉模糊粗糙集的一些性质.

摘要:

利用Stackelberg主从博弈方法研究在供应商和销售商的边际成本都随产量递增的情况下,供应链的协调问题和风险分担问题.研究结果表明回购契约可以协调供应链.供应商的最优回购契约是:供应商允许销售商对剩余订货全部按批发价退货,供应商采用边际成本加成定价的方式来确定批发价,加成比例由市场需求的满足率决定;节点企业分担的风险之比等于两企业在供应链最优订货量处的边际成本之比.

摘要:

为减少产品开发过程中的返工迭代,提出一种基于设计结构矩阵(DSM)理论的多目标流程优化遗传算法.通过优化任务执行顺序,减少产品开发过程中的返工以压缩进度和降低成本.该优化算法是一种改进的遗传(GA)算法,在适应度函数中考虑了时间和费用两个指标;在选择,交叉,变异算子中采用了优解保持策略.仿真结果表明,对于高任务耦合度的产品开发项目,该优化算法能使开发时间压缩30%-40%,费用降低7%-20%.

摘要:

通过分析粗糙集和Dempster-shafe(DS)方法在描述不确定信息上的相似性,将这两种理论融合建立统一框架$提出了融合粗糙集和DS方法的空中目标类型识别算法.该算法通过知识库推导得出基本概率分配函数,采用基于粗糙集的信任函数作为可信度度量,使得改进后的算法更有理论深度.实验结果表明,算法具有良好的运行效果.

摘要:

连续线性重复过程是一种特殊的二维(2-D)系统,两个坐标轴上一个是连续的,另一个是离散的,且其中连续坐标轴是时间有限的.针对这类特殊二维系统的L2-L∞滤波问题.设计了适合于该类系统的一类滤波器,并给出了滤波误差系统沿通道稳定且满足L2-L∞性能的充分条件,以及滤波器的求解条件.所得到的条件均为线性矩阵不等式的形式,便于计算求解.仿真实例证实了该设计方法的有效性.

摘要:

遗传规划很少应用于解决调度问题,对此,研究一种进化算法---遗传规划算法在作业车间调度中的应用,并对其做了改进.结合Read线性编码和基于工序的编码设计了新的编码策略,使编码后的个体更容易进行遗传操作,大大提高了运算效率;同时对交叉算子进行了改进,以防子代中非法解的产生.通过对作业车间调度问题标准测试集的求解,所得结果验证了该算法求解作业车间调度问题的有效性.

摘要:

针对非线性Wiener-Hammerstein模型,提出利用粒子群优化算法对非线性模型进行辨识的新方法.该方法的基本思想是将非线性系统的辨识问题转化为参数空间上的优化问题;然后采用粒子群优化算法获得该优化问题的解.为了进一步增强粒子群优化算法的辨识性能,提出利用一种混合粒子群优化算法.最后,仿真结果验证了该方法的有效性和可行性.

摘要:

基于最小二乘支持向量机变形,得到一个极其简单快速的分类器---直接支持向量机.与最小二乘支持向量机相比,该分类器只需直接求解一个更小规模矩阵的逆,大大减小了计算量,并未降低分类精度.从理论上证明了该矩阵可逆,保证了分类面存在的唯一性.对于线性情形,采用Sherman-Morrison-Woodbury公式降低可逆矩阵的维数,进一步减少了计算复杂度,使其可适用于更大规模的样本集.数值实验表明,新分类器可行并具有上述优势.

摘要:

针对不确定多输入多输出严格反馈块控非线性系统,提出一种鲁棒自适应动态面控制方法.该方法在反推自适应神经网络控制中引入动态面控制简化控制律,同时对自适应律进行改进以改善系统的过渡过程动态品质,保证了系统在简化的控制律下仍具有良好的动态特性.通过Lyapunov方法证明了闭环系统所有信号均有界,系统的跟踪误差指数收敛到有界紧集内.最后给出的某新型战斗机六自由度仿真结果表明了该方法的有效性.

摘要:

在深入研究大系统控制理论,人工智能和“软件人”智能检测技术的基础上,采用先进的分布式体系结构,提出一种基于“软件人”群(MSM)的智能入侵检测协商模型.模型采取无控制中心的“软件人”群体结构,避免了单个中心分析器带来的单点失效问题.每个数据采集部件,检测部件和分析部件都是独立的单元,不仅实现了数据采集的分布化,而且将入侵检测和实时响应分布化,提高了系统的健壮性,真正实现了分布式检测的思想.

摘要:

针对卡尔曼滤波(KF)中噪声的统计特性与实际不符时滤波精度严重降低甚至引起滤波器发散的问题,提出一种基于支持向量机的自适应卡尔曼滤波算法(SVMAKF)根据新息理论方差与实际方差的比值,应用支持向量机产生自适应因子对卡尔曼滤波器的噪声方差阵进行在线修正,使噪声方差阵能够根据实际噪声的变化得到调整.通过对雷达目标跟踪系统的仿真表明,该算法对噪声有较强的自适应性,能够提高滤波精度和滤波器的鲁棒性.

摘要:

考虑欧氏空间中群集动态系统的“软控制”问题,即在不改变群集系统中个体间现有规则的条件下,通过增加一个或多个可控智能体干扰群集个体的行为,使群集中心转移到期望的位置.给出了可控智能体的控制规则,并利用粒子群(PSO)算法讨论了群集系统软控制的最优收敛问题.实例研究表明了“软控制”在群集系统中的可行性.

摘要:

提出一种基于免疫原理的人工免疫算法,用于模糊关联规则的挖掘.该算法通过借鉴生物免疫系统中的克隆选择原理来实施优化操作,它直接从给出的数据中,通过优化机制自动确定每个属性对应的模糊集合,使推导出的满足条件的模糊关联规则数目最多.将实际数据集和相关算法进行性能比较,实验结果表明了所提出算法的有效性.