摘要:

复杂、重大的决策活动经常会面临深度不确定的决策环境, 其决策难度和风险远超一般不确定环境下的决策. 自21 世纪以来, 对深度不确定环境下决策分析方法的研究已成为决策分析领域新的重要方向之一. 对此, 首先梳理了该领域的研究现状, 总结了深度不确定环境下决策问题的特征和难点, 分类阐述了4 种主要方法的起源与发展、核心思想、实现步骤和典型应用; 然后进行了案例分析; 最后展望了该领域未来的研究方向.

摘要:

针对具有语言评价信息、准则权系数部分已知的多准则决策问题, 提出一种基于前景理论及云模型的决策方法. 首先, 通过给出一种改进的云模型生成方法将语言评价值转化为云模型; 然后, 通过定义云模型距离和可能度给出云前景价值, 并以其他备选方案为动态参考点, 构建云前景决策矩阵; 最后, 在依据离差最大化得出最优权系数的基础上, 通过各方案综合前景值对其进行排序. 算例验证了所提出方法的合理性和可靠性.

摘要:

针对传统区间二元语义距离计算公式的不足, 提出基于离散参数区间二元语义距离公式, 构建基于等信息量转换的区间二元语义多属性群决策模型. 基于该模型, 针对属性权重和专家权重信息完全未知的情形, 设计基于极大熵和正理想方案的权重确定模型, 给出一种处理区间二元语言评价值的群决策问题求解方法. 算例分析表明, 所提出的方法可以在一定程度上克服以往基于区间二元语义距离处理方法造成信息扭曲和损失的不足.

摘要:

针对传统制造单元易出现在制品的积压、加工效率低下的问题, 提出一种模块化制造单元资源配置模型及算法. 按照模块化思想进行制造单元划分, 为了保证单元内部均衡, 工作站内可配置若干个同类设备. 考虑到同类设备之间的加工效率不同, 建立以总加工成本最小及制造单元内与单元间的均衡为目标的数学模型, 应用模拟植物生长算法进行求解. 最后通过算例验证了模型与算法的有效性.

摘要:

许多实际系统可以表示为不连续非线性块状结构模型, 其不连续非线性部分常采用符号函数参数化, 该处理方法适用于递推参数辨识, 但自适应控制器的设计较为困难. 鉴于此, 针对一类含有不连续非线性环节的Hammerstein 模型, 采用一系列线性分段函数参数化不连续非线性环节, 提出自校正控制方法. 根据线性分段函数的
逆函数特性, 求解自适应控制律. 理论分析证明了闭环系统的稳定性, 仿真结果验证了所提出方法的有效性.

摘要:

针对不确定环境下无线传感器网络覆盖能效优化问题, 提出一种传感器节点区间感知模型; 进而考虑网络覆盖率和节点冗余率, 将其转化为区间多目标优化问题. 基于一种新型区间个体依可能度占优关系, 提出区间多目标量子文化算法, 根据区间占优个体信息提取隐含知识, 用于指导量子个体更新及进化个体变异与选择. 不同环境下的仿真结果表明: 基于所提出算法获得的Pareto 解具有更好的收敛性、分布性和延展性; 相应的无线传感器网络布局更合理.

摘要:

结合变精度粗糙集(VPRS) 和优化极限学习机(OMELM) 诊断算法的优点, 将变精度粗糙集引入OMELM中, 提出变精度粗糙集-OMELM故障诊断方法, 用于诊断倾转旋翼机过渡模式下飞控系统的故障. 首先根据采集的倾转 旋翼机多故障输出信号的数据特点, 提出一种属性约简算法, 定义了一种新的变精度粗熵; 然后从信息论互信息增量 的角度定义属性重要性, 构造OMELM分类器并对约简后的属性特征进行故障多分类; 最后以XV-15 进行验证, 结果表明所提出的方法平均辨识率高、诊断时间短.

摘要:

针对高维特性对多元时间序列数据挖掘过程和结果的影响, 以及传统主成分分析方法在多元时间序列数据特征表示上的局限性, 提出一种基于变量相关性的多元时间序列数据特征表示方法. 通过协方差矩阵描述每个多元时间序列的分布特征和变量相关关系, 利用主成分分析方法对综合协方差矩阵进行主元分析, 进而实现多元时间序列的数据降维和特征表示. 实验结果表明, 所提出的方法不仅能提高多元时间序列数据挖掘的质量, 还可以对不等长多元时间序列进行快速有效的挖掘.

摘要:

为了克服基于障碍Lyapunov 函数反演控制方法在输出约束控制中约束变量收敛区间小和要求模型精确已知的缺陷, 提出一种输出有界且全局收敛的鲁棒控制策略. 将收敛区间扩展到全局, 并使输出保持在约束区间内; 同时消除了由未知干扰和模型不确定性引起的稳态误差, 放宽了对指令信号连续可导的限制. 应用于电动舵机位置伺服控制的仿真结果表明, 舵面能够全局稳定且摆幅有界, 稳态无静差, 动态响应快, 抗扰动能力强.

摘要:

为解决故障特征样本分批加入时分类模型的在线更新问题, 提出一种限定样本序贯极端学习机(LSSELM). LSSELM 通过逐步添加新样本, 同时剔除与其相似度最高的同类别旧样本来提高模型的动态适应能力, 并通过Sherman-Morrison 矩阵求逆引理来降低计算复杂度, 实现输出权值的递推求解, 完成模型的在线训练. 将LSSELM 用于模拟电路在线故障诊断, 结果表明相比在线序贯极端学习机(OS-ELM) 和LSSELM 的诊断准确率更高, 具有更好的泛化性能.

摘要:

为了解决现有图像增强技术在细节处理方面的不足以及变换后图像直方图分布偏移的情况, 提出一种采用改进细菌觅食优化算法的灰度图像增强方法. 针对细菌觅食算法在优化高维函数时性能不佳、易陷入早熟收敛的缺陷, 将变高维的灰度图像增强问题转化为固定2 维的非完全Beta 函数的参数最优化问题. 仿真实验结果表明了所提出方法的有效性, 与其他方法相比, 增强后的图像细节表现更自然, 直方图分布更均匀, 明暗区域分配更合理.

摘要:

针对双足机器人步行控制器的设计问题, 基于生物学启发原理, 提出一种基于中枢模式发生器(CPG) 与稳定性分析相结合的多层次结构控制器设计方法. 分析机器人的步行运动, 给出双足运动描述. 基于CPG 理论设计多层次结构的步行控制器, 应用极限环理论方法分析运动稳定性. 在保证步行稳定的前提下, 所提出的控制方法具有结构简单、通用性好、方便在线平滑修正等优点, 步行仿真实验验证了所提出算法的有效性.

摘要:

针对一类迭代学习控制(ILC) 系统的不确定项, 根据时域中扩张状态观测器的思想, 提出迭代域中线性迭代扩张状态观测器(LIESO), 该线性迭代扩张状态观测器可以利用迭代过程的跟踪误差给出迭代学习控制系统的不确定项的显式估计. 给出了基于该估计的迭代学习控制算法, 并应用类Lyapunov 方法证明其收敛性. 仿真结果表明, 所提出的迭代学习控制算法是有效的, 应用迭代扩张状态观测器可以大幅度提高迭代学习效率.

摘要:

针对残缺语言判断矩阵的群决策问题, 提出一种基于相对熵的群排序方法. 首先, 定义一种用于识别残缺语言判断矩阵可接受的残缺度指标; 其次, 将残缺语言型偏好转化成残缺数值型偏好, 根据相对熵与加性一致性算法, 构建决策者对方案排序向量的最优模型; 再次, 通过构建接近度熵权与相似度熵权指标, 对决策者权重进行动态调整, 得到稳定的决策者权重, 进而得出群体排序向量; 最后, 通过应用算例进行验证, 以表明所提出的方法是可行的.

摘要:

以随时间变化的二次函数为目标函数, 对采用薛定谔方程的量子系统进行轨迹跟踪研究. 根据Lyapunov稳定性定理, 选择误差的平方作为Lyapunov 函数设计控制律, 实现系统从任意初始状态到目标函数的跟踪. 在Matlab环境下对不同初始状态进行了系统仿真及性能对比研究, 分析了系统初始值以及控制中观测量对跟踪性能的影响, 验证了控制律在跟踪目标函数上的优越性.

摘要:

为实现闭环系统在线辨识, 提出递推正交分解闭环子空间辨识方法(RORT). 首先, 根据闭环系统状态空间模型和数据间投影关系, 构建确定-随机模型, 并利用GIVENS 变换实现投影向量的递推QR分解; 然后, 引入带遗忘因子的辨识算法, 构建广义能观测矩阵的递推更新形式, 以减少子空间辨识算法中QR分解和SVD 分解的计算量; 最后, 针对某型号陀螺仪闭环系统进行实验. 实验结果表明, RORT 法的辨识拟合度高于91%, 能够对陀螺仪闭环系统模型参数进行在线监测.

摘要:

为了求解有限时域最优控制问题, 自适应动态规划(ADP) 算法要求受控系统能一步控制到零. 针对不能一步控制到零的非线性系统, 提出一种改进的ADP 算法, 其初始代价函数由任意的有限时间容许序列构造. 推导了算法的迭代过程并证明了算法的收敛性. 当考虑评价网络的近似误差并满足假设条件时, 迭代代价函数将收敛到最优代价函数的有界邻域. 仿真例子验证了所提出方法的有效性.

摘要:

针对不确定离散时间系统, 结合多采样率控制理论, 提出一种输入多采样率准滑模控制方法. 该方法在状态损失数据下, 考虑系统不确定干扰, 有效利用多率输入量, 缩窄系统的准滑模带宽, 增强系统鲁棒性, 改善系统动态品质. 通过仿真实验验证了所提出方法的有效性.

摘要:

针对时域空间中模式识别、聚类分析和未标记样本的有效利用问题, 提出一种基于半监督学习的网络结构自适应的二维自组织过程神经网络模型和算法. 通过构建可度量时变样本间相似性的广义Fréchet 距离, 利用部分已标记动态样本的类别信息和过程特征, 采用奖励-惩罚更新规则, 根据网络学习目标函数, 对网络二维平面竞争层节点进行动态拆分或合并, 实现网络结构的自适应调整和样本的有效聚类. 仿真实验结果验证了模型和算法的有效性.

摘要:

可重复使用运载器(RLV) 再入面临严重的扰动影响, 对此设计一种抗扰动非线性最优控制器(ADNOC). 首先, 基于时标分离原理设计快、慢双回路控制结构; 其次, 将角速率动态变换处理成线性形式, 通过依赖状态的黎卡提方程(SDRE) 优化方法获得最优控制指令; 然后, 设计非线性扰动观测器用于估计外界干扰, 并在非线性最优控制律中进行干扰补偿. 仿真实验结果表明, 所设计的控制器能良好地完成姿态跟踪控制, 抑制扰动对姿态控制的影响, 实现RLV的最优控制性能.

摘要:

为了实现大椭圆轨道(HEO) 卫星高精度自主导航, 提出一种将直接敏感地平天文导航与全球定位系统(GPS) 相结合的组合导航方法. 首先, 分析卫星轨道??2 运动模型及其所受空间摄动, 建立卫星轨道动力学模型; 然后,分析单一使用天文导航和GPS 的优缺点, 根据HEO卫星对GPS 的可见性, 提出在远地点只采用天文导航, 而在近地点采用以天文导航为主、适时引入GPS 信号进行位速测量辅助修正的方法. 通过计算机仿真和结果分析表明了所提出的设计方法导航精度比单一天文导航提高72.4%∼85.6%.

摘要:

通过两组势阱中心不同且相互协同的主、辅子群, 在具有量子行为的粒子群优化(QPSO) 算法基础上构造一种基于随机评价机制的交互式双子群QPSO 算法(DIR-QPSO). 该算法通过子群间的协作避免了种群多样性的快速消失, 增强了算法的全局搜索能力. 同时, 随机因子的加入进一步提高了粒子摆脱局部极值的能力. 对6 个测试函数的实验结果表明, DIR-QPSO 算法相对于传统的粒子群优化算法(PSO) 在处理单峰和多峰函数时具有更好的优化性能, 收敛速度和收敛精度都得到了较大的提高.

摘要:

针对高阶复杂系统提出一种分数阶内模控制器设计方法. 利用微粒群算法(PSO) 进行模型化简, 基于内模控制(IMC) 原理设计分数阶控制器, 该控制器仅有一个可调参数, 并根据鲁棒性能指标给出控制器参数整定的解析表达式. 仿真结果表明, 该方法可以使系统同时具有良好的目标值跟踪特性、扰动抑制特性以及克服参数变化的鲁棒性.

摘要:

针对多agent系统的具体网络结构，提出一种分布式联盟形成算法。首先，每个agent向自己邻居任务中“信价比”最高的任务提出加入申请，形成潜在联盟；当联盟资源大于对应任务的资源需求时，使相应agent 退出当前联盟，转而选择“信价比”次高的任务，从而提高了联盟形成的可能性。仿真实验表明，和前人方法相比，该算法能够大幅提高系统效率及收益.

摘要:

针对在多智能体系统的通信网络中需要对交换信息进行量化的客观情况, 研究基于量化信息的二阶多智能体系统蜂拥控制问题. 首先, 假设多智能体系统采用一致量化器对速度和位置信息进行量化, 并且有一个虚拟领导者沿着固定方向匀速运动; 然后, 设计基于量化信息的多智能体蜂拥控制输入, 并利用非平滑系统的Lyapunov 稳定性判据和不变集原理证明系统的稳定性; 最后, 利用Matlab 对多智能体系统在二维平面上的蜂拥运动进行仿真实验, 仿真结果验证了理论分析的正确性.

摘要:

针对基于迭代学习的故障估计器方法, 提出一种基于扩张状态观测器(ESO) 思想的迭代学习算法, 以提高虚拟故障的收敛速度. 该算法将ESO 的输出误差非线性反馈机制用于迭代学习过程, 利用故障估计器当前输出残差的非线性函数修正下次迭代时的虚拟故障值. 对所建立的故障估计器的收敛性进行理论分析, 并在此基础上进行了仿真实验. 仿真结果表明, 所提出的算法具有良好的收敛速度和故障估计精度.

摘要:

研究离散准滑动模态的鲁棒性恢复和抖振削弱问题. 针对一类同时含有匹配建模误差和非匹配外界干扰不确定离散系统, 设计一种基于解耦干扰补偿器的鲁棒准滑模控制方案. 为保证系统的鲁棒性, 针对非匹配外界干扰设计一种改进的解耦干扰补偿器, 估计误差有界收敛. 通过引入幂次函数设计鲁棒离散准滑模控制器, 消除系统抖振, 给出切换函数准滑模带, 并证明了闭环系统离散准滑动模态的稳定可达性. 最后通过仿真验证了所提出控制方案的有效性.

摘要:

首先定义了扩展灰数的可能度和距离公式; 然后针对方案准则值为扩展灰数的不确定多准则决策问题, 提出一种基于Hurwicz 的概率不确定的灰色随机多准则决策方法. 该方法通过使用扩展灰数的可能度和Hurwicz准则求得各方案在各准则下的评价值, 经规范化后得到标准效用值决策矩阵; 利用扩展灰数的距离和TODIM思想计算决策者对每个方案的损益感知价值及方案优势度, 进而计算各方案总体感知价值大小以对方案进行排序. 最后, 通过算例验证了所提出方法的可行性和有效性.

摘要:

直觉模糊集理论采用隶属度函数和非隶属度函数刻画不确定性信息, 具有一定程度的主观性. 为了研究直觉模糊集的本质特征, 提出一种直觉模糊集的结构化分析方法, 定义了直觉模糊相容关系, 给出了直觉模糊集的同构原理, 讨论了直觉模糊集的结构化特征. 所得结果表明, 直觉模糊集也具有客观性的一面.

摘要:

针对在渠道中下游的零售商比上游的制造商具有更多信息的情形, 首先建立基于渠道实际的委托–多代理模型; 然后考虑到零售商的公平偏好心理, 将Fehr 与Schmidt 的公平偏好模型与委托-代理模型相结合, 构建基于公平偏好的行为激励模型. 研究表明: 与完全理性相比, 当零售商具有公平偏好时, 零售商提高了努力水平, 制造商提高了激励程度, 从而导致产品销量增加, 零售商的实际收益渠道总收益都得到了帕累托改进.

摘要:

针对目前大部分序贯多故障诊断算法需要计算最小碰集、计算方法较为复杂的问题, 在对多故障相关矩阵模型进行转换的基础上, 利用Rollout 算法对基于信息熵的多故障诊断策略进行优化, 提出一种新的多故障诊断策略. 实例计算结果表明, 与现有算法相比, 所提出方法的期望测试费用更低, 且具有先测试后修复的特点, 在实际工程中更便于操作.