摘要:

算法选择实际上可视为一种学习任务. 鉴于此, 首先分析基于元学习思想的算法选择框架; 然后从数据集特 征和元算法两个角度对基于元学习思想的算法选择方法进行归纳总结; 最后分析基于元学习思想的算法选择存在的问题, 并指出未来发展方向.

摘要:

针对欠驱动的非对称航天器设计六自由度相对运动的姿轨耦合控制器. 首先, 给出用对偶四元数描述的六自由度相对运动模型; 然后, 基于矩阵广义逆和空控制向量提出广义的滑模控制器, 以实现相对姿态欠驱动控制的渐近稳定; 最后, 考虑姿轨耦合特性, 利用高斯伪谱法和非线性规划得到相对轨道运动能量最省的轨迹, 进而利用滑模变结构控制实现对该轨迹的跟踪. 仿真结果表明, 所提出的方法是有效和可行的, 而且较其他方法消耗的能量更少.

摘要:

三轴主惯量接近的航天器长期在轨采用惯性系的角动量管理, 使用垂直于轨道面的某一主惯性轴为?? 轴, 建立参考的惯性系进行控制器设计, 轨道摄动使轨道长周期项与时间呈近似线性关系, 导致控制器输出线性累加. 针对此问题, 分析轨道摄动导致控制律失效的原因, 参考内模原理扩维方程, 重新设计最优控制方法进行惯性系的角动量管理. 通过半物理仿真表明了摄动补偿方法的可行性, 且角动量和姿态长期稳定性均优于补偿前.

摘要:

基于多智能体系统一致性理论, 在有向拓扑结构中对模块化航天器相对轨道的队形控制问题进行研究. 考虑与状态相关的未知外部干扰, 在存在模块质量不确定性的情形下, 基于自适应增益技术, 设计仅依赖模块自身及其邻近模块信息的分布式控制算法, 并通过Lyapunov 稳定性方法证明闭环系统是渐近稳定的. 最后在Matlab/Simulink 中对6 个模块组成的模块化航天器系统的队形进行仿真分析, 仿真结果表明所设计的控制律是有效且可行的.

摘要:

针对传统的无差拍电流跟踪控制受时延影响实际上是差一拍控制, 提出一种改进的无差拍控制. 该方法提前两个采样周期预测出有源电力滤波器(APF) 指令电流, 提前一个采样周期预测出逆变器输出电流, 从而实现真正意义上的无差拍控制. 同时, 提出一种综合考虑负载谐波电流稳态和动态过程的混合预测策略, 使上述预测过程更加准确、快速. 仿真实验结果表明, 基于该方法的APF 在负载稳态和变化时均具有良好的补偿效果.

摘要:

概率假设密度滤波器的典型序贯蒙特卡罗实现方式与粒子滤波类似, 均是利用大量加权粒子估计多目标状态, 典型实现方式是为每个期望目标分配固定数目的粒子, 这导致较大的算法时间开销. 鉴于此, 建立了基于相对熵 的序贯蒙特卡罗实现方式. 首先计算两个不同规模粒子集合的相对熵, 与预设阈值进行比较以确定粒子数目, 从而动态调整粒子数目. 仿真结果表明, 所提出的实现方式提高了跟踪效率, 在大部分时间步上优于典型实现方式.

摘要:

针对极端学习机(ELM) 网络结构设计问题, 提出基于灵敏度分析法的ELM剪枝算法. 利用隐含层节点输出和相对应的输出层权值向量, 定义学习残差对于隐含层节点的灵敏度和网络规模适应度, 根据灵敏度大小判断隐含层节点的重要性, 利用网络规模适应度确定隐含层节点个数, 删除重要性较低的节点. 仿真结果表明, 所提出的算法能够较为准确地确定与学习样本相匹配的网络规模, 解决了ELM网络结构设计问题.

摘要:

基于免疫细胞亚群划分理论和生命周期理论, 提出一种用于多项式非线性自回归滑动平均(NARMAX)模型辨识的多目标免疫GEP 算法, 并重新定义了适合于NARMAX模型辨识的细胞创建算子和基因操作算子. 该算法基于多目标优化的最优解通常为一个集合的特点, 通过各亚群的最优解集在总最优解集中的变化来判断各亚群所对应参数的优劣, 进而确定下一步的搜索方向. 仿真结果表明, 多目标免疫GEP 算法可以同时正确地辨识出非线性系统的结构和参数.

摘要:

针对认知机器人的自主学习问题, 提出一种基于操作条件反射原理的学习模型(OCLM). 该模型采用状态空间、操作行为空间、概率分布函数、仿生学习机制、系统熵等进行描述, 给出状态的“负理想度”的概念, 定义了取向函数的计算方法. 运用模型对机器人避障导航问题进行仿真实验, 并对参数设置进行了讨论. 实验结果表明, 基于OCLM模型的机器人能通过与环境的交互获得认知, 成功避障到达目的地, 具有一定的自学习能力, 从而表明了模型的有效性.

摘要:

根据迁移学习思想, 针对分类问题, 以支持向量机(SVM) 模型为基础提出一种新的迁移学习分类算法CC-TSVM. 该方法以邻域间的分类超平面为纽带实现源域对目标域的迁移学习. 具体地, 以支持向量分类的约束条件完成对目标域数据的学习, 获取分类超平面参数, 再以支持向量回归的约束条件有效利用源域数据矫正目标域超平面 参数, 并在上述组合约束的共同作用下实现邻域间迁移, 提高分类器性能. 在人工和真实数据集上的实验表明, 所提出算法具有良好的迁移能力和优越的分类性能.

摘要:

针对合同网协议协商机制缺乏问题求解质量与效率分析的情况, 设定假设条件, 构建马尔可夫链模型, 得出了利用目前已有的合同类型无法保证全局收敛的结论. 在此基础上, 提出了变邻域合同系的概念, 通过分析控制方式对收敛性的影响, 得出了集中式控制可以保证全局收敛以及分布式控制以概率保证全局收敛的结论, 并设计了概率的计算方法. 采用Doebin 理论, 对应用变邻域合同系的收敛速率进行分析, 得出了集中式控制收敛速率与分布式控制收敛速率的上下界估计.

摘要:

研究一类具有随机采样特性的网络化系统H_∞ 滤波问题. 通过将传感器的随机采样过程建模成马尔可夫链, 将数据量化作用转化为模型的参数不确定性, 并用二值随机变量描述丢包过程, 从而用一个多随机变量的马尔可夫不确定性模型来描述滤波误差系统. 应用Lyapunov 稳定性理论和随机系统分析方法, 导出了滤波误差系统随机稳定且具有给定H_∞ 性能的充分条件, 并给出了滤波器的设计方法. 仿真结果验证了所提出方法的有效性.

摘要:

针对具有区间时变时滞2-D 离散系统, 利用时滞相关方法, 研究其稳定性与控制问题. 首先选取含有时滞项上、下界的一个新的Lyapunov 函数, 对其差分时考虑所有项, 得到了基于线性矩阵不等式(LMI) 的时滞相关稳定性准则; 然后给定时变时滞项的下界, 再由一个凸优化问题最大化其上界, 进而通过状态反馈实现系统的时滞相关控制, 且求解LMI 可得到增益矩阵; 最后, 利用数值算例说明了所得结果有效且优于已有成果.

摘要:

针对弹道中段目标识别时间资源有限的问题, 提出一种基于线性直觉模糊时间序列的目标融合识别方法. 新模型通过直觉模糊线性相关函数表征弹道中段目标识别信息的实时模糊变化特性, 构建目标识别结果的时序变化模型, 将目标识别转换为直觉模糊时序变量间的寻优拟合问题, 缩短了目标正确识别时间, 提高了系统的识别效率. 最后通过仿真实例验证了所提出方法的有效性和优越性.

摘要:

利用进一步完善的直觉梯形模糊数运算法则, 提出基于模糊测度和Choquet 积分的直觉梯形模糊数的信息集成算子, 并证明了该集成算子的相关性质. 根据前景理论定义直觉梯形模糊前景效应和前景价值函数, 构造前景ITFNCI 算子. 针对多方参与且决策者信息关联的多属性群决策问题, 利用前景ITFNCI 算子集结群体直觉梯形前景价值函数, 进而采用MULTIMOORA理论进行方案比选, 基于优势理论获得方案的综合排序以确定最优方案. 案例分析表明了所提出方法的可行性和有效性.

摘要:

针对多元质量特性的参数设计问题, 借鉴满意控制理论, 引入指标相容性思想, 提出了基于多元质量特性的满意参数设计方法. 首先用双响应曲面法建立均值-方差模型并确定指标要满足的约束范围; 然后对指标约束进行分解并设计约束放宽策略; 最后通过指标相容性分析来求解参数的满意解集. 实例分析表明, 满意参数设计方法能为质量设计的改进提供较大的满意解集, 在满意解集中选取的满意解比最优解更可靠.

摘要:

针对接近灰色关联模型的一些不足, 提出了新型灰色接近关联模型和基于面板数据的灰色接近关联模型. 基于接近性特点, 构建了反映折线拟合程度的相对面积, 以此定义新型灰色接近关联系数, 得到接近关联度模型. 同时将序列映射方法拓展到三维空间, 提出灰色网格概念, 依据相同原理得到基于面板数据的灰色接近关联模型. 最后利用模型对沿海8 市经济发展水平进行评价, 取得良好效果, 验证了模型的有效性和实用性.

摘要:

针对四旋翼无人机的姿态控制问题, 提出一种L₁自适应块控反步控制方法. 将四旋翼姿态运动模型转化为一类多输入多输出不确定非线性系统的形式; 根据该系统严格反馈的结构特点, 对外回路设计了块控反步控制器; 针对内回路存在的外部干扰和内部参数摄动等不确定性, 引入L₁自适应控制思想补偿其影响. 稳定性分析表明闭环系统内所有信号一致有界. 仿真和姿态稳定实验验证了所提控制策略的有效性和鲁棒性.

摘要:

探讨价格不确定下, 需求-价格相关性与风险态度对决策行为的影响. 建立随机需求与随机价格相关情境下基于Copula-CVaR 的报童决策模型, Copula 函数描述相关性, 条件风险价值(CVaR) 反映风险态度, 证明了模型解的存在性和惟一性. 蒙特卡罗模拟发现, 需求与价格的相关性与风险态度对决策的交互作用使决策行为发生规律性变化, 决策者对价格波动有一定容忍度, 需求与价格相关性趋于不相关与完全负相关时市场趋于同质性.

摘要:

在确保网络性能的前提下, 如何确定最佳隐层节点, 获得最简网络结构是小波神经网络(WNN) 应用推广的关键. 对此, 引入粗糙集理论, 提出了基于信息熵的卡方离散化算法和启发式的属性约简递归算法, 利用粗糙集约简过程对WNN隐层节点进行精简, 并将其应用于飞行器气动力建模. 仿真结果表明, 采用改进的粗糙集方法设计WNN, 不仅能够简化网络结构, 而且与未经结构优化的WNN相比, 其模型精度和训练速度都得到了实质性改善.

摘要:

针对未知摩擦非线性会使机械臂控制精度难以提高的缺陷, 建立基于动态LuGre 摩擦的机械臂模型. 在系统参数未知和机械臂负载变化的情况下, 设计一种自适应模糊神经网络控制器, 采用基函数中心和宽度均自适应变化的模糊神经网络补偿器, 实现对系统中包括LuGre 摩擦在内的非线性环节的逼近, 并利用滑模控制项减小逼近误差. 通过Lyapunov 方法证明了闭环系统的稳定性, 并通过仿真结果验证了所提出控制方法的有效性.

摘要:

综合利用含错标签中的有用信息和数据结构中蕴含的鉴别信息, 提出一种基于稀疏流形聚类嵌入模型和L₁范数正则化的标签错误检测修正方法. 首先, 用稀疏流形聚类嵌入模型将数据投影到易分类的空间, 利用标注正确的极少量样本和最近邻分类器获得新标签; 然后, 构造标签错误检测模型, 获得仅含0、1 元素的检测向量, 正确、错误的标签分别对应着1、0 的位置; 最后, 给出了相应的优化算法及收敛证明, 并在相关实验上验证了算法的有效性.

摘要:

采用振动信号对球磨机料位进行测量时, 特征值具有散度大、随机性强的特点. 对此, 基于具有将随机性、模糊性与稳定倾向性相结合能力的云模型, 提出一种利用云模型对球磨机料位进行概念表示和推理测量的方法. 首先, 利用逆向云发生器对振动信号的功率谱特征值进行概念提取以获得前件云; 然后, 由料位值信息建立相对应的后件云; 最后, 利用云模型的不确定推理实现球磨机料位的软测量. 对比实验结果表明了所提出方法的有效性和可行性.

摘要:

针对稀疏编码在数据表示时没有利用样本类别信息的问题, 提出一种基于监督学习的稀疏编码算法, 并应用于数据表示. 首先利用样本的类别信息构建图, 直接提取样本的鉴别结构信息; 然后利用基向量拟合鉴别结构特性向量, 进而在基向量中嵌入样本的鉴别信息; 最后对样本逐个进行稀疏表示. 在COIL20 和PIE 图像库的实验结果表明, 相比几种无监督矩阵分解算法, 所提出的算法更利于样本的表示和分类.

摘要:

用等时区方法确定最速离散二阶系统的线性区域的边界, 以开关曲线和边界线来界定控制量的线性变化, 区分可达区和线性区, 得到最速系统综合函数, 并依此构造线性函数形式的跟踪微分器. 仿真结果表明, 所提出的跟踪微分器具有快速跟踪输入信号、无颤振、无超调的特点, 能得到较好的微分信号, 算法简洁实用.

摘要:

研究一类不确定线性连续时滞系统的改进鲁棒??H_∞ 滤波问题. 采用时滞分解方法, 构造一种新的Lyapunov-Krasovskii 泛函, 并基于一种积分不等式讨论了确定性系统的H_∞性能分析问题. 然后, 借助于线性化技术, 以线性矩阵不等式(LMI) 的形式给出了滤波器存在的充分条件, 并将确定性系统滤波器设计方法扩展到凸多面体不确定性情形. 最后通过仿真算例说明了该方法的有效性.

摘要:

针对传统模糊C均值(FCM) 聚类算法对结构复杂图像分割效果不理想且算法执行效率较低的缺陷, 提出一种融合均值平移(mean shift) 的FCM聚类算法. 利用mean shift 算法将图像分成若干同质区域, 将此区域视为新的节点; 通过图像局部信息熵描述新节点的空间和灰度特征; 采用能较好模拟人眼非线性视觉响应的指数函数进行相似性测度. 实验结果表明, 对于复杂背景图像和含噪声图像, 所提出的算法在目标提取效果和执行效率上具有较强的鲁棒性.

摘要:

无线传感器网络在室内的应用越来越广泛, 然而相应的无线信道衰落模型的研究却尚未成熟. 为此, 针对典型的住宅和办公环境进行了无线传感器节点的信道传输衰落特性测试, 并对测试数据进行了拟合和建模. 拟合结果表明, 在大尺度衰落的情况下, 所提出的三阶多项式对数距离路径损耗模型能够更好地表征室内环境下的信道衰落情况, 对研究室内无线传感器网络的关键技术具有重要的参考价值.

摘要:

反双曲正弦函数是光滑连续函数, 具有快速并消除速度高频震颤的作用. 利用反双曲正弦函数构造加速度函数, 设计二阶跟踪微分器, 证明了跟踪微分器的收敛性, 并分析了跟踪微分器频域特性. 仿真实验表明, 该跟踪微分器能对输入信号进行低通滤波, 且跟踪精度高, 响应速度快; 同时, 它较好地抑制了微分信号的噪声放大效应, 可以得到输入函数理想的微分信号.

摘要:

基于证据理论, 提出一种新的区间直觉模糊集决策模型. 首先采用区间直觉模糊集表示属性值, 将区间直觉模糊数转换为区间BPA; 然后利用基于区间数的组合规则进行融合; 最后将融合后的区间BPA转换为经典BPA用于决策, 可直接方便地实现多属性数据的融合. 该模型的优点在于: 简单直观, 能更有效地反映原始信息的不确定度; 通用性好, 可以推广到其他区间直觉模糊集的应用领域. 算例结果表明了所提出模型的有效性.

摘要:

荷电状态(SOC) 是动力锂电池的重要参数. 针对安时法估计锂电池SOC 存在累积误差, 其他估计算法复杂度较高的问题, 提出一种工程实用的SOC 估计方法. 该方法通过分析电池特性并结合安时法, 建立了SOC 初始值、总容量和累积误差的校准方法. 通过建立终端电压与SOC 之间的映射关系, 利用恒流、恒压不同充电阶段的电池特性, 实现了电池系统在一个放电周期内的SOC 高精度估计. 实验表明, 该方法能够使得SOC 的估计误差在5% 以内.