摘要:

统计相关源信号分离理论不仅有着广泛的应用背景, 也为深入了解数据的本质结构提供了有效的分析工具. 首先, 重点分析和讨论一类特殊的相关源信号分离模型—–独立子空间分析模型的可分离性; 其次, 分别介绍基于源信号稀疏性、统计测度、独立子空间分析、源信号时序结构、源信号有界性和非负性的各种相关源信号分离算法; 再次, 通过将加性噪声中的盲源分离和高光谱解混问题建模为统计相关源信号分离模型, 表明了该方法的应用价值; 最后, 总结了相关源信号分离中存在的问题, 并对下一步的研究思路进行了分析和展望.

摘要:

采用机理与数据相结合的建模方法对永磁同步电动机进行分数阶时域和频域建模. 在分数阶时域建模方法中, 设计伪随机激励信号, 获取实时实验数据并采用输出误差辨识算法来获取分数阶阶次; 在分数阶频域建模方法中, 由实时实验数据绘制出电动机的对数频率特性曲线. 采用分数阶频域建模中经典Levy 辨识算法, 利用加权函数加以改进, 得到永磁同步电动机分数阶模型辨识结果. 最后通过对两种方法得到的结果进行对比表明了所提出模型的可靠性.

摘要:

针对杂波环境下扩展目标形状难以估计、目标跟踪精度低等问题, 提出一种自适应估计扩展目标形状的伽玛高斯混合势概率假设密度算法(GGM-CPHD). 该算法将目标的扩展形状建模为椭圆随机超曲面模型, 并将其嵌入到GGM-CPHD 滤波器中, 更新扩展目标的质心、椭圆形状和方向等信息以完成对扩展目标的跟踪. 通过杂波环境下未知数目的扩展目标仿真实验, 表明了所提出算法在质心状态和椭圆长短轴的估计精度方面要优于传统的基于随机矩阵的伽玛高斯逆韦氏CPHD滤波器.

摘要:

针对一类多输入多输出(MIMO) 仿射非线性动态系统, 提出一种基于极限学习机(ELM) 的鲁棒自适应神经控制方法. ELM随机确定单隐层前馈网络(SLFNs) 的隐含层参数, 仅需调整网络的输出权值, 能以极快的学习速度获得良好的推广性. 在所提出的控制方法中, 利用ELM逼近系统的未知非线性项, 针对ELM网络的权值、逼近误差及外界扰动的未知上界值分别设计参数自适应律, 通过Lyapunov 稳定性分析可以保证闭环系统所有信号半全局最终一致有界. 仿真结果表明了该控制方法的有效性.

摘要:

针对大规模系统可靠性问题, 提出一种修正和声搜索(MHS) 算法. 该算法修改了和声搜索(HS) 算法的搜索机制, 以当前最优解为研究对象, 随机选取不同维数进行即兴创作, 并修正步长(BW) 的调整方式, 均衡算法的全局搜索和局部搜索. 对经典的大规模系统可靠性问题进行求解, 数值结果表明, 所提出算法优于其他文献中的6 种和声搜索算法. 与最近提出的求解此类问题的各种算法进行实验对比, 实验结果表明所提出算法在整体上具有良好的优化性能.

摘要:

为了提高群集蜘蛛优化(SSO) 算法的性能, 提出一种基于动态学习策略的群集蜘蛛优化(DSSO) 算法. 该算法通过群体协作过程中学习因子的动态选择, 平衡算法的搜索能力和勘探能力; 采用随机交叉策略和云模型改进协作过程个体更新方式, 在维持种群多样性的同时尽量提高收敛速度. 基于标准测试函数的仿真实验表明, DSSO 算法可有效避免早熟收敛, 在收敛速度和收敛精度上较标准SSO 算法和其余4 种较具代表性的优化算法均有显著提高.

摘要:

针对应急决策时间紧迫的特点, 提出一种基于退出-委托动态冲突消解机制的应急大群体决策方法. 首先, 对决策群体进行偏好聚类, 对群体冲突进行测度并判断冲突程度的高低, 在冲突程度过高的情况下进行消解; 然后,在决策过程中建立退出机制, 使与群体偏好冲突较大的聚集退出决策过程, 利用委托机制使退出决策过程的聚集对后续决策过程仍有影响并通过反馈机制对冲突进行消解. 算例分析验证了所提出方法的合理性和可行性.

摘要:

为了优化算法的全局探索能力和局部开发能力, 提出一种基于两方面改进的骨干粒子群算法. 提出一种进化方程, 通过即时搜索域的分析说明该方程可以改善粒子多样性. 提出粒子群“剪枝”策略: 每当粒子搜索到新的群体最优位置时, 剪去该粒子, 同时初始化一个新位置以安插该粒子. 理论分析指出, 在增强全局探索能力的同时, 合适的剪枝策略能增加局部开发能力. 实验结果表明, 所提出算法的性能较几种经典PSO 算法有显著的提升.

摘要:

针对基于纠错输出编码多类分类中如何保证基分类器差异性的问题, 提出一种基于特征空间变换的编码方法. 该方法引入特征空间, 将编码矩阵扩展成三维矩阵; 然后基于二类划分, 利用特征变换得到不同的特征子空间, 从而训练得到差异性大的基分类器. 基于公共数据集的实验结果表明: 该方法能够比原始的编码矩阵获得更优的分类性能, 同时增加了基分类器的差异性; 该方法适用于任何编码矩阵, 为大数据的分类提供了新的思路.

摘要:

针对核函数选择对最小二乘支持向量机回归模型泛化性的影响, 提出一种新的基于????- 范数约束的最小二乘支持向量机多核学习算法. 该算法提供了两种求解方法, 均通过两重循环进行求解, 外循环用于更新核函数的权值, 内循环用于求解最小二乘支持向量机的拉格朗日乘数, 充分利用该多核学习算法, 有效提高了最小二乘支持向量机的泛化能力, 而且对惩罚参数的选择具有较强的鲁棒性. 基于单变量和多变量函数的仿真实验表明了所提出算法的有效性.

摘要:

研究多粒度语言偏好信息下的群体共识决策问题. 首先, 从个体和群体两个角度充分挖掘偏好信息下隐含的专家重要度信息, 基于个体一致度及个体与群体的相似度构建确定专家重要度的优化模型; 其次, 以专家重要度引导非共识偏好的识别和修正过程, 提出一种自适应的语言共识模型; 然后, 给出一种群决策方法, 确保在集结专家意见前群体达成一定程度的共识; 最后, 通过算例验证所提出方法的可行性和有效性.

摘要:

针对磷虾觅食算法存在容易陷入局部极值、收敛速度慢的问题, 提出一种新的改进算法. 首先, 给出启发式二次对立点的定义并证明其性能优势, 进而构造一种启发式二次对立搜索算子, 以加快算法的收敛速度, 提高全局探索能力; 然后, 采用分段线性混沌映射(PWLCM) 混沌函数构造一种变尺度混沌变异算子, 以增强算法跳出局部极值的能力. 仿真实验表明, 所提出算法能有效避免陷入局部极值, 在收敛速度和寻优精度上得到大幅改善.

摘要:

针对方案属性值为三参数区间灰数的动态多属性决策问题, 提出一种基于前景理论的动态多属性决策方法. 定义了三参数区间灰数距离测度和排序方法; 鉴于被评价对象在时序上的差异信息和波动性, 建立基于方差和时间度的确定时间权重的优化模型; 以两两方案互为参考点确定前景价值函数, 由此构建求解最优权向量的优化模型,并通过求解方案的综合前景值对方案进行排序. 实例研究表明了该方法的合理性和有效性.

摘要:

针对现有云环境中密文策略属性加密都依赖于一个可信密钥生成机构的问题, 提出一种无可信第三方的密文策略属性加密方案. 该方案使密钥生成机构在负责用户认证和属性管理时, 必须与另一方(如云服务提供商) 通过安全双方计算协议来生成密钥, 而它们中的任何一方都没有能力单独解密密文. 安全性分析表明, 所提出的方案能够解决单独密钥生成机构所带来的安全性问题, 而且用户端仅需一次加法运算, 提高了计算效率.

摘要:

针对属性值为区间灰数、权重信息不确定的多目标决策问题, 考虑决策者的心理行为, 提出一种基于后悔理论的多目标灰靶决策方法. 首先构造基于正负理想点的欣喜-后悔值函数, 建立正负靶心, 同时考虑方案与正负理想方案的接近性, 利用正负靶心距的空间投影距离构造一种新的靶心距函数, 并构建非线性优化模型来确定目标权重,最终确定出方案的排序. 最后以城市应急实例验证了所提出方法的有效性和可行性.

摘要:

为了解决反步递推算法应用于船舶航向控制中输出能量大且非线性部分难以对消的实际问题, 首先对原有的反步递推算法进行线性弱化, 然后利用正弦函数驱动的非线性反馈控制技术代替原有的线性误差反馈. 理论分析表明, 该算法能够保证控制效果相当或更优的前提下, 降低控制能量. 以“育龙” 轮为载体开展仿真实验, 结果表明所提出的新型非线性反馈控制律在鲁棒性、控制能量需求方面具有明显的优势.

摘要:

针对非均匀多采样率非线性系统辨识问题, 提出一种基于模糊模型的辨识方法. 首先, 分析了非线性系统在输入信号非均匀周期刷新, 输出信号周期采样的情况下, 非线性系统可以通过提升技术, 利用多个局部的线性模型加权组合来描述; 然后, 提出一个基于GK模糊聚类和递推最小二乘的模糊辨识算法; 最后, 针对化工pH 中和过程非线性系统, 采用非均匀采样数据建立其模糊模型, 以验证所提出方法的有效性.

摘要:

如何在众多非劣解中为决策者推荐一个合理的方案是使用多目标粒子群算法(MOPSO) 所面临的问题. 为此, 将逼近理想解的排序方法(TOPSIS 策略) 引入到算法中. 为了提高求解精度和均匀性, 还提出了基于Pbest 的变异策略和改进的?? 邻近距离策略. 测试结论显示, 仅使用TOPSIS 策略确定Gbest 的算法, 求解精度虽好, 但均匀性较差, 而包含所有改进策略的算法在精度和均匀性方面都更优, 并且能够按照TOPSIS 方法在非劣解集中找到一个适合向决策者推荐的“理想” 方案.

摘要:

针对非线性系统模型参数未知情况下的状态估计问题, 提出一种融合极大后验估计的交互式容积卡尔曼滤波算法(InCKF). 该算法利用二阶斯特林插值公式和无迹变换对非线性函数的近似思想, 实现对模型未知参数的确定, 从而使滤波算法摆脱对模型参数精确已知的依赖, 并通过容积卡尔曼滤波算法完成状态估计和量测更新. 仿真结果表明, 相比于经典的参数扩维方法, InCKF 算法具有更高的精度和更强的数值稳定性.

摘要:

研究受乘性过程噪声干扰的离散马氏跳线性系统状态估计问题. 系统可得到的观测包括两部分: 模式观测和输出观测, 其中模式观测受到固定时滞的影响. 利用贝叶斯定理及所得到的一些结果, 提出一种新颖的最小均方误差意义下次优状态估计算法. 该次优算法是回归的, 并且不随着时间增加而加重计算存储负荷. 通过计算机仿真来评估所提出次优算法的性能, 仿真结果验证了该算法的优越性.

摘要:

针对模型参数部分未知的随机线性连续时间系统, 通过策略迭代算法求解无限时间随机线性二次(LQ) 最优控制问题. 求解随机LQ最优控制问题等价于求随机代数Riccati 方程(SARE) 的解. 首先利用伊藤公式将随机微分方程转化为确定性方程, 通过策略迭代算法给出SARE 的解序列; 然后证明SARE 的解序列收敛到SARE 的解, 而且在迭代过程中系统是均方可镇定的; 最后通过仿真例子表明策略迭代算法的可行性.

摘要:

在追踪航天器本体坐标系下, 联合相对轨道动力学模型和四元素姿态动力学模型, 引入推进器配置矩阵, 建立六自由度姿态和轨道一体化模型. 该模型避免了控制输入向追踪器本体坐标系下的转换. 在此基础上, 采用输入-状态(ISS) 稳定性原理, 在干扰输入信息完全未知的情况下, 设计了非线性鲁棒一体化控制律. 该控制律实现了对椭圆轨道上目标航天器的扰动抑制和跟踪, 具有较好的鲁棒性和跟踪性. 最后, 针对运行在椭圆轨道上的目标给出仿真结果, 表明了所提出的一体化控制律的可行性和有效性.

摘要:

针对离散时间Itˆo 型马尔科夫跳变系统Lyapunov 方程的求解给出一种迭代算法. 经证明, 在误差允许的范围内, 该算法可以在确定的有限次数内收敛到系统的精确解, 收敛速度较快, 具有良好的数值稳定性, 并且该算法为显式迭代, 可避免迭代过程中求解其他矩阵方程对结果精度产生的影响. 最后通过一个数值算例对该算法的有效性进行了验证.

摘要:

针对自抗扰控制中参数b0 整定困难的问题, 提出一种新的参数辨识方法, 对线性自抗扰控制器(LADRC) 中的参数b0 进行辨识, 并提出了LADRC参数整定的基本规律. 通过频域分析研究了控制器参数b₀ 和控制器带宽b₀ 的变化对闭环系统扰动抑制能力的影响. 通过分析闭环控制系统的稳定区域研究了控制器的鲁棒性. 仿真结果表明, 根据辨识得到的b0 可以快速整定LADRC的参数, 使LADRC具有较强的鲁棒性.

摘要:

针对传统基于稀疏表示的目标跟踪方法中, 当场景中含有与目标相似的背景时容易出现跟踪漂移的问题, 提出一种新的目标跟踪方法. 该方法基于目标的局部二元模式特征, 将目标外观模型同时用原始目标模板与当前帧部分粒子构成的联合模板稀疏表示, 构建一个联合目标函数, 将跟踪问题通过迭代转化为求解最优化问题. 实验结果表明, 所提出跟踪方法在解决遮挡、光照等问题的同时, 对场景中含有与目标相似背景的序列具有较好的跟踪效果.

摘要:

针对元件可靠性为区间值的系统可靠性优化问题, 提出一种区间多目标粒子群优化方法. 首先, 建立问题的区间多目标优化模型; 然后, 利用粒子群算法优化该模型, 定义一种不精确Pareto 支配关系, 并给出编码、约束处理、外部存储器更新、领导粒子选择等关键问题的解决方法; 最后, 将该方法应用于可靠性优化问题实例, 验证了方法的有效性.

摘要:

基于像素模糊?? 均值算法(FCM) 及其改进算法难以解决高分辨率遥感影像中地物目标光谱测度相似性减弱和几何噪声增大带来的分割难题, 提出一种基于区域的FCM算法. 该方法利用Voronoi 几何划分将影像域划分为子区域, 并用子区域拟合地物目标的几何形状. 在此基础上, 定义区域FCM目标函数, 通过迭代最小化该目标函数实现高分辨率遥感影像分割. 实验结果表明, 与基于像素的FCM和增强FCM方法相比, 所提出方法可以更加精确地实现高分辨率遥感影像分割.

摘要:

近期灰数预测主要关注无分布信息和均匀分布区间灰数预测. 基于灰朦胧集演化思想, 研究在不确定信息广泛存在的正态分布背景下, 正态分布区间灰数序列的灰色预测问题. 首先, 通过正态分布随机函数实现区间灰数序列与实数序列族的信息等效转换; 然后, 对正态分布区间灰数随机白化序列进行GM(1,1) 建模, 利用最大值最小值及正态分布“3?? 法则”建立区间灰数预测模型; 最后, 通过实例对比分析验证了所提出模型的可行性和有效性, 为区间灰数预测问题提供新的思路和方法.

摘要:

研究制造商和零售商互惠偏好行为下的最优定价策略和利润, 以及这种互惠偏好对决策行为和渠道效率的影响. 研究发现, 双方的互惠偏好程度对制造商废旧品回收比例呈正面影响; 零售商互惠偏好程度对制造商产品批发价格呈负面影响; 双方互惠偏好程度增加会导致零售商产品售价降低, 从而产品市场需求量增加; 系统成员的互惠偏好程度增加会导致自身收益减少和对方收益增加; 互惠偏好行为有利于闭环供应链系统收益和渠道效率的提高.

摘要:

常规并联双模型转速自适应观测器在电机启动、加速或突加负载时存在观测转速滞后性大、精度低的问题, 使得感应电机无速度传感器控制系统的调速性能变差. 针对上述问题, 提出一种重置自适应转速观测器对转子磁链进行观测, 同时通过自适应机构得到电机转速, 并利用Lyapunov 稳定性定理证明了系统的稳定性. 仿真和实验结果表明, 所提出的重置自适应观测器的观测误差小、稳定性好, 改善了在电机启动、加速或突加负载时的转速观测性能.