摘要:从复杂工业过程所可能具有的过程特性及数据存取过程中引入的数据特性分析出发, 综述了具有复杂数据特性的工业过程的多元统计监视方法, 并分别讨论了基于数据和基于知识方法进行故障诊断的优势、进展、适用范围及二者结合的可能. 最后探讨了这一领域中值得进一步研究的问题和可能的发展方向.

摘要:通过建立Biform 两阶段博弈模型, 分析互补性资产分布与创新者价值获取之间的关系; 通过以创新者的最小剩余代替其价值分配下界, 以边际价值增加代替其价值分配上界的区间偏好条件, 确定创新者在第1 阶段的战略选择偏好; 给定创新产品的数量, 创新者价值获取大小受互补性资产总量、创新竞争差值、独立互补性资产方数量和总的创新竞争剩余的影响; 进而, 利用创新者偏向与所有可获取的独立互补性资产集合建立创新价值创造联盟.

摘要:

针对基于扩展卡尔曼滤波的融合估计算法存在线性化误差, 且分布式融合计算复杂等问题, 基于无色变换、交互多模型和信息滤波, 采用递阶分布式融合估计结构, 提出一种分布式无色信息滤波算法. 该方法中的无色变换能够保证更高的估计精度, 交互多模型使其具有更好的鲁棒性, 信息形式的卡尔曼滤波使融合估计计算变得简单. 仿真结果表明, 该算法能够提高多无人机融合估计性能.

摘要:针对神经网络结构设计问题, 提出一种基于神经网络复杂度的修剪算法. 其实质是在训练过程中, 利用网络连接权矩阵的协方差矩阵计算网络的信息熵, 获得网络的复杂度; 在保证网络信息处理能力的前提下, 删除对网络复杂度影响最小的隐节点. 该算法不要求训练网络到代价函数的极小点, 适合在线修剪网络结构, 并且避免了结构调整前的网络权值预处理. 通过对典型函数逼近的实验结果表明, 该算法在保证网络逼近精度的同时, 可有效地简化网络结构.

摘要:针对模型预测控制中模型辨识存在的问题, 提出一种多变量过程闭环辨识方法. 首先通过对多变量闭环系统正常运行产生的输入输出信号进行信号分解和频谱分析, 得出多变量过程对象在重要频率段上的频率响应特性矩阵; 然后采用最小二乘法, 在幅值和相位两方面拟合一个二阶加纯滞后模型结构; 最终获得一个多变量传递函数模型矩阵. 仿真实验表明, 该闭环辨识方法适用于广泛的多变量过程对象, 具有很好的鲁棒性和精确性.

摘要:针对一类二阶不确定系统, 构造了以线性Lipschitz 曲面作为边界的自稳定域, 并依此设计控制律, 利用Filippov 解与空间非光滑曲面的相依锥判据, 证明在该控制律的作用下系统轨迹将在有限时间到达所设计的自稳定域边界并进入其内部, 从而系统轨迹将收敛到原点. 所得结果放宽了对自稳定域边界光滑性的要求, 提高了设计的灵活性. 仿真结果验证了设计的正确性和有效性.

摘要:针对各决策阶段的时间权重以及属性权重已知, 属性值以区间数形式给出的动态多属性决策问题, 提出一种新的决策方法. 该方法依据传统多准则妥协解排序法(VIKOR) 的基本思路, 结合区间数的运算规则, 计算各阶段各方案的评价值, 进而引入不确定动态加权平均(UDWA) 算子进行集成, 以获取各方案整体评价值的区间数. 借助于区间数两两比较的可能度公式和模糊互补判断矩阵公式, 对其进行比较, 从而得到整个方案集的排序. 最后以第3 方逆向物流服务商的选择为实例进行分析, 所得结果表明了该方法的可行性和有效性.

摘要:针对一类离散时间非线性被控对象, 根据模型参数的变化范围, 对被控对象建立多个模型, 并针对每一模型设计控制器. 基于模型的估计误差建立指标切换函数, 每一采样时刻, 利用指标切换函数选择最优模型, 并将基于此模型的控制器切换为当前控制器. 采用“局部化”技术, 保证在不损失控制品质的同时, 减少多模型自适应控制器的计算量. 可以证明, 多控制器相互切换时闭环系统是稳定的, 同时由于多个模型的存在, 控制品质得到了极大的改善.

摘要:根据抗体群与抗原群的匹配关系, 提出一种改进的基于免疫网络模型(aiNet)的故障诊断算法. 建立了自适应调整剪枝和抑制阈值的规则, 并对?? 近邻算法的附加距离阈值加以限制, 提高了基于aiNet 故障诊断算法对已知故障的识别率, 克服了其不能识别新故障的缺点. 仿真结果表明, 改进算法具有优良的故障诊断性能.

摘要:提出一种基于新型广义逆系统的感应电机多模型解耦控制方法. 通过对电机输入空间进行划分, 利用神经网络辨识得到其广义逆系统模型, 并针对每个子逆模型设计相应的控制器, 使得闭环控制系统的传递函数实现任意的零极点配置. 通过对电机输入空间的训练数据进行聚类, 计算参考信号对每个类的相异度以实现模型之间的切换.仿真实验表明, 该方法可对电机的转速和磁链实现有效的解耦控制, 整个控制系统具有良好的鲁棒性.

摘要:研究机会式频谱接入技术中探测与接入策略的优化问题. 首先, 以与原问题等价的信度马尔可夫决策过程为基本模型, 基于性能势的核心概念, 从性能灵敏度的角度出发, 分析不同策略下系统的性能差异, 给出了优化探测与接入策略的迭代算法; 然后, 通过分析系统的样本路径, 结合该问题中连续状态空间可集结的特点, 进一步讨论了策略迭代算法的基于样本路径的具体实现. 两个仿真示例验证了算法的有效性.

摘要:以一种由一个车轮驱动并控制前向平衡、由电机驱动惯性轮形成反力矩控制侧向平衡的独轮机器人系统为被控对象, 建立系统动力学模型, 并将其在平衡点线性化, 得到系统在前向和侧向两个正交方向解耦的近似线性模型. 然后针对每一个控制方向上的子系统, 分别设计基于融合函数的模糊控制器. 该方法可以减少模糊规则, 防止规则爆炸. 仿真实验表明, 所设计的模糊控制器可有效地实现独轮机器人的运动平衡控制.

摘要:为提高不均衡数据集下算法分类性能, 提出一种基于阴性免疫的过抽样算法. 该算法利用阴性免疫实现少数类样本空间覆盖, 以生成的检测器中心为人工生成的少数类样本. 由于该算法利用的是多数类样本信息生成少数类样本, 避免了人工少数类过抽样技术(SMOTE)生成的人工样本缺乏空间代表性的不足. 通过实验将此算法与SMOTE 算法及其改进算法进行比较, 结果表明, 该算法不仅有效提高了少数类样本的分类性能, 而且总体分类性能也有了显著提高.

摘要:MAC(Medium access control) 协议直接影响着无线传感器网络能量的有效性和实时性, 对此, 提出一种基于公平优先级的MAC(FP-MAC)协议. 该协议对不同类型的网络数据流设置不同的优先级, 以保证较高优先级的数据能够实时传输; 根据网络负载自适应地调节占空比, 实现了低能耗与低时延. 分析及实验表明, 协议给出了时延上限, 提供了实时性及可扩展性, 同时保证了不同优先级之间的公平性, 能够很好地适应具有实时性要求的无线传感器网络应用.

摘要:在传统径向基函数网络的基础上, 提出一种用于数据流分析的径向基统计网络, 采用复合多维高斯函数来拟合输入空间中不同区域的概率密度. 基于数理统计方法的径向基统计网络学习算法的时间和空间复杂度, 均与输入变量维数和隐层节点个数的乘积成线性关系, 而与数据流规模无关, 能够满足数据流分析的实时性要求. 仿真结果表明, 径向基统计网络能够有效解决数据流的回归和分类问题.

摘要:针对混合整数线性规划方法在解决混合生产过程调度中存在的问题, 提出一种混合间歇/连续生产过程的时间约束混杂Petri 网模型, 该模型能够对间歇操作时间可变和连续速率可变的混合生产过程进行有效描述. 结合模型行为演变和遗传算法提出一种新的混合生产过程调度方法. 实验结果表明了所提出方法的有效性.

摘要:提出一种基于嵌套分区算法(NPM) 框架求解二次分配问题(QAP) 的混合优化算法. 算法利用嵌套分区树来描述二次分配过程, 对可行域进行系统性分区, 采用禁忌抽样算子对分区进行抽样并评估各个分区的性能. 在每次迭代中, 算法重点跟踪和搜索优良解最有希望出现的分区, 并结合禁忌搜索算法来实现分区转移. 数值仿真实验表明, 引入更加有效的禁忌抽样算子后, NPM算法具有更好的寻优能力.

摘要:证据推理/层次分析(DS/AHP) 方法采用了AHP 法的层次结构模型和证据理论的分析过程, 为不确定多属性决策问题的解决提供了新思路, 但其在构造知识矩阵中用“0”代表残缺信息是不合理的. 鉴于此, 对DS/AHP 方法进行了改进, 并将改进后的方法拓展到群决策中, 研究了专家群体权向量的确定方法. 具体地, 引入证据距离的概念, 通过计算专家证据的综合距离来对专家赋权, 体现了群决策中的多数人规则.

摘要:

针对标准差分进化(DE) 算法在高维复杂函数优化中易早熟收敛, 进而导致搜索精度降低甚至优化失败的问题, 提出一种基于混沌和高斯局部优化的混合差分进化算法(CGHDE). 该算法在进化初期利用混沌的遍历性, 可有效地避免算法陷入局部最优; 而在进化后期, 采用高斯搜索又可有效地提高收敛精度. 实验表明, CGHDE算法对函数维度的敏感性大大低于标准DE 算法, 并且寻优能力强、稳定性好、搜索精度高, 特别适合于工程中高维复杂函数的优化问题.

摘要:在网格计算商业应用环境中, 保障用户服务质量(QoS) 需求和服务使用效益以及优化系统资源效能是一个重要环节. 为保证服务供求双方QoS 需求的均衡, 提出了在QoS 参数匹配时, 对用户QoS 期望值进行估算的方法. 该方法根据效益原理, 针对服务提供方的QoS 能力, 估算出一组均衡的QoS 参数值, 为服务选择提供依据, 使用户能获得较高的服务使用效益. 实例分析表明, 该方法能可靠地估算出有效的QoS 期望值.

摘要:研究多属性群决策中决策者权重的调整问题. 在得到决策者主观权重的基础上, 提出一种权重调整算法. 通过计算专家个体决策结果与群体决策结果的偏差量并结合熵理论求得专家的客观权重, 将其作为权重调整值, 进行决策者的权重调整. 计算调整后的决策结果, 并据此继续对权重进行调整. 通过反复调整, 直至计算出稳定的权重和决策结果. 最后通过算例表明了该方法的可行性与实用性.

摘要:以往的目标跟踪算法大多假定传感器分辨率是无限的, 即量测与目标一一对应, 而这并不符合实际. 对此, 提出一种利用线性多目标(LM) 跟踪算法简化结构获得LM有限分辨率(LMfr) 跟踪算法, 并将其与集成概率数据关联(IPDA) 相结合, 推导出LMfr-IPDA多目标跟踪算法. 仿真实验中, 注重于虚假航迹的辨别性能与航迹保持能力, 将LMfr-IPDA与LM-IPDA和IPDA在杂波环境中使用有限分辨率传感器对6 个交叉目标的目标跟踪性能进行了比较, 从而验证了算法的有效性.

摘要:针对一类受限不确定离散Markov 跳变系统, 提出一种反馈预测控制器设计方法. 为便于工程应用, 该方法考虑了各模态下的动态系统参数存在多胞不确定性, 以及各模态间的跳变转移概率部分未知的情形. 通过优化无穷时域的二次型性能指标来确定预测控制器及其对应的椭圆不变集, 控制器保证了闭环系统鲁棒均方稳定. 同时, 用所求得的控制增益在线构造了一组渐近稳定的多面体不变集, 在一定程度上扩大了系统状态可行集的范围. 数值示例验证了所提方法的可行性和有效性.

摘要:研究等式约束下二次规划问题最优解神经网络模型的稳定性, 提出一种变时滞Lagrange 神经网络求解方法.利用线性矩阵不等式(LMI) 技术, 得到两个变时滞神经网络模型全局指数稳定的条件. 分析表明, 此稳定判据能够适应慢变时滞和快变时滞两种情况, 具有适用范围宽、保守性小且易于验证等特点. 数值仿真结果验证了所提方法的有效性.

摘要:提出一种混合式贝叶斯网络结构增量学习算法. 首先提出多项式时间的限制性学习技术, 为每个变量建立候选父节点集合; 然后, 依据候选父节点集合, 利用搜索技术对当前网络进行增量学习. 该算法的复杂度显著低于目前最优的贝叶斯网络增量学习算法. 理论与实验均表明, 所处理的问题越复杂, 该算法在计算复杂度方面的优势越明显.

摘要:研究一类离散线性时滞系统的H∞ 可靠性控制问题. 提出了具有实际意义的服从某种概率分布的随机故障模型, 根据Lyapunov 稳定性理论和线性矩阵不等式(LMI) 方法, 给出了故障分布依赖的H∞ 均方指数稳定且具有H∞ 范数界的容错控制器解的存在条件. 最后, 通过算例验证了该方法的有效性.

摘要:研究带有乘性噪声的线性时滞系统的固定步长平滑估计问题. 通过虚拟噪声补偿技术, 将该问题转化为一类带有未知时变噪声的随机系统的估计问题; 基于等价系统的新息重组分析及投影定理, 通过求解与原系统同维的Riccati 方程, 得到系统的最优平滑估计器. 该方法无需扩维, 具有较大的计算优势. 仿真实验表明了该算法的有效性.

摘要:针对一类不确定非线性系统的跟踪问题, 利用神经网络和动态面技术设计控制器, 提出一种控制器参数自寻优策略. 在每个子系统中, 应用径向基函数(RBF) 神经网络逼近该子系统中的不确定项; 在每一步递推中, 引入一个滤波器以克服反推技术中控制项爆炸的缺点. 通过定义一个优化目标函数, 应用梯度法在控制器参数可行解中寻找一组最优的控制器参数. 数值仿真表明该方案是可行的.

摘要:研究存在时变延迟和丢包的非理想网络传输情况下带状态观测器的网络化控制系统设计问题. 提出一种基于分级控制结构的、具有本地状态观测器的网络化控制系统的设计方法, 证明了基于分级控制结构的网络化控制系统满足分离定理的充分条件. 该方法在降低系统设计难度的同时, 有效改善了网络化控制系统的控制性能. 数值仿真表明了所提出方法的有效性.

摘要:无人机线性参变(LPV) 模型能准确描述其非线性动态特性, 但初始建立的LPV 模型阶数较高, 控制过程计算量较大. 为此, 提出一种基于平衡截断的LPV 模型降阶方法. 首先给出LPV 系统的适定性、稳定性和平衡实现的定义; 然后, 提出LPV 模型的平衡截断降阶方法. 针对无人机侧向系统LTI 模型, 通过多项式拟合来建立LPV 模型, 并实现模型降阶. 仿真结果表明, 降阶模型的阶跃响应满足输出响应的精度要求.

摘要:研究一类区间时变时滞线性不确定系统的鲁棒稳定性问题. 通过引入增广Lyapunov 泛函, 结合积分不等式方法, 导出了区间时变时滞线性系统的时滞相关鲁棒稳定性新判据. 与现有方法不同, 该方法不涉及自由权矩阵技术和任何模型变换, 减少了理论和计算上的复杂性, 而且在估计Lyapunov 泛函导数的上界时没有忽略某些有用项. 数值算例表明, 所提出的判据是有效的, 具有更低的保守性.

摘要:

在灰色系统缓冲算子公理体系下, 证明了下列结果: 若d是一弱化缓冲算子, 则x(k)d是由x(k)...x(n) 所构成的表达式. f为严格单调递增函数, g为其反函数. 在d中, 用f(x(k))替换x(k)d, 对得到的表达式用函数g加以作用, 最后的表达式记为e. 若d为弱化缓冲算子, 则e也为弱化缓冲算子.