摘要:

针对空间绳系机器人的轨迹跟踪控制问题, 提出考虑系绳释放特性的跟踪轨迹协调控制方法. 该方法考虑系绳释放的动力学特性, 在最优轨迹规划过程中将系绳释放速度作为一个规划量, 将系绳释放机构的转矩作为一个控制输入, 结合操作机器人上推力器控制输入设计协调耦合位姿控制器. 该方法的优点是控制输入易于施加, 可工程实现系绳协调控制. 仿真结果表明, 操作机器人能精确跟踪最优轨迹, 末端误差为±0.1 m, 且能有效跟踪期望姿态,精度在±0.2^°.

摘要:

针对碳限额政策、碳税政策、碳限额与交易政策对企业生产活动的限制, 将绿色技术引入企业生产策略中. 研究结果表明, 碳限额和碳税政策下的最优产量和最大期望利润都不可能大于最优情形下的产量和期望利润, 碳限 额与交易政策下的期望利润大小主要取决于政府的初始碳配额量. 同时, 为了有效应对政府的约束和管制行为, 企业绿色技术投入行为能够在一定程度上增加产品产出, 提升企业期望利润.

摘要:

针对周期参考信号下的不确定离散时间系统, 提出一种离散重复控制方法, 利用死区函数设计新型的吸引律, 将干扰补偿、抑制措施“嵌入” 吸引律, 构造理想误差动态, 并基于此导出重复控制器. 为了进行具体的控制器参数整定和表征闭环系统的误差动态行为, 推导出了稳态误差带、单调减区域和绝对吸引层边界的表达式. 所设计的离散重复控制器能够完全抑制周期对称干扰信号, 控制器设计方法也适用于常值调节问题的定位控制. 数值仿真及在电机伺服系统上的实验结果验证了所提出控制方法的有效性.

摘要:

研究基于侵入与不变流形(I&I) 自适应方法和非线性干扰观测器(NDO) 的可逆冷带轧机速度张力系统耗散Hamilton 控制问题. 首先采用I&I 自适应方法估计系统的摄动参数; 其次, 通过预反馈建立系统速度张力外环的耗散Hamilton 模型, 并利用互联和阻尼配置以及能量整形方法设计耗散Hamilton 控制器; 再次, 选用NDO对系统电流内环的外扰进行观测, 并引入设计的积分滑模控制器中进行补偿; 最后将该方法应用于某1 422mm可逆冷带轧机速度张力系统中进行仿真, 结果验证了所提出方法的有效性.

摘要:

基于自适应非线性阻尼, 提出一种鲁棒自适应输出反馈控制方法. 该方法适用于带有未建模动态、未知非线性、有界扰动、未知非线性参数和不确定控制系数的多输入多输出非线性系统. 理论证明, 在一定的假设条件下, 该方法能保证闭环系统所有动态信号有界; 不论有多少不确定非线性参数、多高阶的非线性系统, 只需要一个自适应控制参数和观察参数; 而且通过选择适当的控制器和观测器参数, 能使控制误差和估计误差达到任意小. 仿真结果表明了所提出方法的有效性.

摘要:

为解决数据不足或失真等环境下传统聚类技术效果不佳的问题, 基于历史类中心和历史隶属度提出两种知识迁移机制, 并与极大熵聚类方法融合提出知识迁移极大熵聚类算法KT-MEC. KT-MEC的优点是: 利用历史知识, KT-MEC 聚类有效性和实用性明显增强; 内嵌迁移机制均不暴露源域数据, 从而拥有源域隐私保护能力; KT-MEC 基于的“参数寻优+ 聚类有效性度量”机制理论上保证其性能不差于经典极大熵算法, 避免了负迁移问题.

摘要:

基于因果影响独立模型及其中形成的特定上下文独立关系, 提出一种适于样本学习的贝叶斯网络参数学习算法. 该算法在对局部概率模型降维分解的基础上, 通过单父节点条件下的子节点概率分布来合成局部结构的条件概率分布, 参数定义复杂度较低且能较好地处理稀疏结构样本集. 实验结果表明, 该算法与标准最大似然估计算法相比, 能充分利用样本信息, 具有较好的学习精度.

摘要:

针对模型确认中的确认度量问题, 构造实验观测数据经验概率分布的置信包络. 通过计算其与模型响应概率分布之间距离的上/下确界, 给出基于概率分布距离确认度量的置信区间. 通过构造与实验观测数据有关的协方差矩阵, 给出基于概率分布距离的多响应模型确认度量及其置信区间的求解方式. 该度量利用了模型输出与实验观测的完整概率分布信息, 并且考虑了各模型响应间的相关性. 算例仿真结果表明其确认错误率低于现有的其他两种确认度量.

摘要:

针对可拓神经网络无法解决多故障诊断的问题, 建立问题模型, 将多故障诊断问题转化为多特征样本的聚类问题. 从模型结构和学习算法两个方面对ENN2 进行改进, 提出基于改进ENN2 聚类算法的多故障诊断方法, 并对其参数和时间复杂度进行分析. 采用工程实例对所提出的方法进行验证, 结果表明, 所提出的方法能够解决离线的多故障诊断问题, 且得到的诊断模型可用于在线状态监控, 具有较好的应用前景.

摘要:

针对一类存在执行器和传感器故障的非线性系统, 提出基于滤波器的故障重构方法. 为了使算法同时适用于状态和输出端, 通过由系统方程构造新状态方程对系统作扩展变换, 将原系统输出端非线性和故障转换到扩展系统的状态方程, 在此基础上设计故障诊断滤波器, 采用迭代学习调节算法更新虚拟故障使之逼近实际故障. 该算法可以检测和估计系统故障, 并且对不同类型故障具有一定的适应性. 在单关节机器人模型上进行仿真实验, 实验结果验证了所提出算法的可行性和有效性.

摘要:

针对不等长序列数据的关联问题, 提出基于滑动窗口的最优匹配增权法不等长序列相似度度量算法. 以较短序列作为滑动窗口遍历较长序列得到一组滑动相似度, 利用这组相似度形成最优权重, 加权得到不等长序列的相似度, 并根据相似度大小对序列数据进行关联判决, 以解决截断法相似度度量仅能反映截断序列局部相似度的问题. 仿真实验验证了所提出算法对不等长序列数据关联的有效性, 并对序列长度和量测误差等因素对相似度度量和关联效果的影响进行了讨论.

摘要:

针对欠驱动TORA系统, 设计一种镇定控制器和增强型耦合控制器. 根据TORA系统的动力学模型, 分析旋转小球与平移振荡器之间的耦合关系和系统的无源特性. 构造一个新型的Lyapunov 函数, 并得到一种耦合镇定控制器. 采用Lyapunov 方法和LaSalle 不变性原理证明了闭环系统的稳定性. 最后, 通过改进所设计的控制器得到一种增强型耦合控制器. 仿真结果验证了所提出控制器的有效性和优越性.

摘要:

研究一类基于双重信息融合的群体聚类方法. 依据偏好信息下专家意见相似关系挖掘群体分类偏好信息; 考虑专家决策依据向量的相似程度, 设计一致性和非一致性测度指标, 以表征双重维度下群体聚类的一致及差异度;以群体聚类结果差异最小为目标构建规划模型, 测算属性权重, 并以编网聚类的思想给出聚类结果. 算例研究验证了所提出方法的科学性和合理性.

摘要:

研究竞争环境下截流设施选址与带时间窗的多中心车辆路径问题. 首先, 在考虑设施覆盖范围衰退的情况下, 利用阶梯型效用函数和偏离距离描述消费者的选择行为, 并确定截流设施的需求量; 然后, 采用基于聚集度的启发式算法对门店进行分类, 借助双层规划法, 建立门店选址与车辆路径安排的多目标整数规划模型; 最后, 采用改进的蚁群算法进行求解. 通过分析对比实验结果, 验证了模型的有效性和可行性.

摘要:

运用VlseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR) 方法研究模糊多准则群决策问题常常将其分成模糊信息集结和VIKOR方法求解两个阶段. 个体评估信息集结方法不同, 所得到的群体集结结果也不同,获得的妥协解可能会存在较大差异. 鉴于此, 基于含有三角模糊数的多准则群决策问题, 分析现有两种主流群体信息集结方法存在的缺陷, 基于个体评估值与群体评估值的距离最优和较高的相似度两个目标, 设计群体信息集结优化模型, 提出一种拓展的VIKOR方法. 最后通过实例分析说明了所提出方法的有效性和可行性.

摘要:

考虑现有直觉模糊熵公理化定义存在的不足, 提出改进直觉模糊熵的公理化定义及其计算公式; 同时, 定义广义幂均算子, 验证其相关性质, 给出确定幂方参数的方法, 并将其推广至广义直觉模糊幂均算子; 在以直觉模糊数(IFN) 为信息输入的复杂系统框架内, 针对决策者及准则之间均存在交互关联关系且权重信息完全未知的多准则群决策(MCGDM) 问题, 提出基于直觉模糊熵与广义直觉模糊幂均算子的关联MCGDM方法. 案例分析表明, 所提出的方法是可行且有效的.

摘要:

提出一种基于差分进化(DE) 和粒子群优化(PSO) 的混合智能方法—–DEPSO 算法, 并通过对10 个典型函数进行测试, 表明DEPSO 算法具有良好的寻优性能. 针对单隐层前向神经网络(SLFNs) 提出一种改进的学习算法-----DEPSO-ELM 算法, 即应用DEPSO 算法优化SLFNs 的隐层节点参数, 采用极限学习算法(ELM) 求取SLFNs 的输出权值. 将DEPSO-ELM 算法应用于6 个典型真实数据集的回归计算, 并与DE-ELM、SaE-ELM 算法相比, 获得了更精确的计算结果. 最后, 将DEPSO-ELM 算法应用于数控机床热误差的建模预测, 获得了良好的预测效果.

摘要:

引入拉马克进化理念, 提出一种基于网格化拉马克学习机制的差分进化算法. 该算法在网格划分机制建立起的分布式搜索框架下, 采用单元格最优解保护机制、学习步长机制、解空间同仁机制和定矢变异机制组成拉马克学习模式. 仿真结果表明, 所提算法可以充分发挥拉马克学习的局部搜索能力, 又可有效避免早熟收敛, 其求解精度明显优于其他比较算法. 将所提算法应用于电力系统最优潮流计算问题, 获得了良好的优化效果.

摘要:

提出一种基于图像空间结构统计建模的复杂纹理图像模式识别方法. 从理论上分析了复杂纹理图像空间结构的韦伯分布过程, 通过构造多尺度全向高斯导数滤波器, 获得复杂纹理图像在不同观测尺度上的全方向空间结构统计建模表征结果. 基于偏最小二乘-判决分析原理构建分类器, 实现了复杂纹理图像的分类识别. 实验结果表明, 所提出的图像空间结构统计建模方法能获得复杂纹理图像关键性的视觉感知特性, 基于该方法的图像分类准确率高且性能稳定.

摘要:

通过语义分析, 提出一种修正的粗糙集不确定性度量公理化定义. 首先, 对该定义的数学特征进行分析, 提出两种基于条件概率的粗糙集不确定性度量方法; 然后, 证明它们满足所提出的公理化定义, 并导出相应的知识不确定性度量, 发现其中一个是现有条件信息熵, 另一个与确定性度量形成互补关系. 设计算例对各种不确定性度量进行比较分析, 验证了所提出的度量公式与不确定性语义保持一致.

摘要:

针对室内环境中传感器节点间的非视距传播会降低定位精度的情况, 研究基于无线传感器网络的非视距节点定位方法. 根据不同环境下信标节点的测量模型和视距传播概率建立目标函数, 采用粒子群优化算法估计出未知节点的位置, 将利用最小二乘法计算出的节点位置作为粒子的初始位置. 仿真结果表明, 通过与最小二乘法、残差加权和RANSAC算法相比较, 所提出算法能够较好地削弱非视距误差, 且具有更高的定位精度.

摘要:

在信息融合系统中, 各传感器提供的信息不一定完全可靠, 在融合前有必要对传感器的可靠性进行评估, 进而对其提供的信息进行预处理. 基于证据理论, 在传感器混淆矩阵的基础上定义了后验概率向量, 通过分析后验概率向量与传感器输出证据之间的关系对传感器可靠性进行评估; 然后利用传感器的可靠性因子对证据进行折扣运算, 实现对信息的预处理; 最后利用Dempster 组合规则进行融合. 基于证据理论的融合识别算例表明, 所提出的方法综合利用了传感器的先验信息和动态输出, 可以较好地反映传感器的性能, 并能够有效降低可靠性传感器的影响, 具有较好的融合效果.

摘要:

针对确定性全局优化算法极高的计算复杂度以及随机性全局优化算法可靠性较低的问题, 在群体进化算法框架下, 结合抽象凸理论, 提出一种基于抽象凸下界估计的群体全局优化算法. 首先, 对整个初始群体构建抽象凸下界估计松弛模型; 然后, 利用不断收紧的下界估计信息安全排除部分无效区域, 并指导种群更新, 同时借助支撑面的下降方向作局部增强; 最后, 根据进化信息更新支撑面. 数值实验结果表明了所提出算法的有效性.

摘要:

为了克服人工蜂群算法在处理复杂性问题时收敛速度慢、收敛精度不高、易早熟等缺陷, 在原始人工蜂群算法的基础上引入信息熵. 信息熵本身是不确定性的一种度量, 由信息熵的值来度量人工蜂群算法中跟随蜂选择的不确定性, 通过控制信息熵的值达到控制算法中跟随蜂选择过程的目的, 实现算法的自适应调节. 通过对测试函数和不同规模TSP 问题的模拟仿真, 对人工蜂群算法、蚁群算法和其他改进方法进行了对比, 验证了所提出改进方法的可行性和有效性.

摘要:

针对一类含分段常数项的仿射切换系统, 在平均滞留时间分析方法的基础上研究此类系统的有限时间有界性(FTB) 和干扰抑制问题. 给出了仿射切换系统的FTB 概念以及有限时间鲁棒??∞ 性能的定义, 并在此基础上提出使得系统有限时间内有界的充分条件以及??_∞ 控制器的设计方法, 所得结论均以线性矩阵不等式(LMI) 的形式给出. 最后通过算例验证了所提出方法的正确性和有效性.

摘要:

利用参数空间法研究用PI^?? 控制器实现时滞系统的闭环极点配置问题. 复平面上的阻尼角扇形区域和相对 稳定度区域(该两区域构成一个梯形区域) 被映射到控制器参数平面, 相应的控制器参数可以将闭环极点配置在梯形区域内, 从而保证所要求的系统性能. 仿真结果显示, 对于适当选取的分数阶PI^?? 控制器的参数, 采用分数阶控制器可以取得比整数阶控制器更好的控制效果, 从极点配置的角度揭示了分数阶控制器的优越性.

摘要:

准确提取SAR 图像舰船目标几何参数是实现舰船分类的基础. 由于SAR 特有的成像机理, SAR 图像旁瓣效应和方位模糊严重影响了舰船目标的几何参数估计, 为此提出一种基于迭代线性回归的舰船几何参数提取方法.首先通过线性回归提取目标的主轴方位; 然后利用循环迭代剔除远离主轴的虚假目标像素; 最后用实测SAR 数据进行了验证. 实验结果表明, 该算法对高分辨率的SAR 舰船目标切片具有较好的参数估计效果.

摘要:

定义了多值中智集、多值中智数及其期望值以及多值中智数的Hamming 距离, 并给出了其比较方法. 针对准则值为多值中智数的多准则决策问题, 将传统的交互式多准则决策(TODIM) 方法扩展到多值中智环境中, 提出一种基于多值中智集的多准则决策方法. 该方法首先选定参考准则; 然后以多值中智集的距离为基础构建方案间的价值函数, 以得到方案间的优势矩阵, 进而计算得到方案的综合排序值; 最后通过实例分析表明了该方法的有效性和可行性.

摘要:

针对一类评价信息不完全的多属性群决策问题中的群体判断的共识性进行研究, 提出一种基于相容关系的群体共识达成方法. 该方法不需进行群体共识度的计算, 避免了评价信息不完全时直接计算群体共识度的困难; 对于专家没有给出的评价信息, 不需要进行评估和填充, 避免了评估和填充缺失值时所需进行的复杂计算. 最后通过一个实例对所提出方法的有效性和实用性进行了说明.

摘要:

针对感应电机变频器调速系统的非线性特点, 提出一种基于Hammerstein 模型的神经网络控制方法. Hammerstein 模型由静态非线性模块和动态线性模块组成. 首先, 利用ARMA模型实现对感应电机变频器调速系统的线性动态模块辨识; 然后, 基于该辨识模型, 实现调速系统非线性静态模块神经网络逆模型辨识与系统直接逆控 制; 最后, 针对控制过程中存在的电机负载扰动问题, 设计了神经网络直接逆控制器在线学习与控制策略. 仿真实验表明, 所提出的控制策略可以获得满意的控制效果.