摘要:故障可诊断性评价是故障诊断的基础, 能够为诊断算法的开发和传感器的优化配置提供依据与指导. 在梳理可诊断性概念、评价流程与功能的基础上, 从定量模型、定性模型以及数据驱动这3个方面对连续系统可诊断性评价方法进行分类综述, 归纳和评析了各方法的原理与特点, 并比较了定性评价与量化评价结果的优缺点. 最后探讨了故障可诊断性评价方法未来可能的发展方向.

摘要:针对传统模糊聚类在大规模数据场景下, 由于内存的限制不能一次装载所有数据, 以及在通过聚类捕捉数据的潜在结构和描述各个类时仅使用单个代表点存在信息量不足的问题, 提出一种基于多代表点的大规模数据模糊聚类算法. 该算法通过对大规模数据进行分块, 在对每个数据块进行聚类时使用多个代表点描述捕捉到的数据的潜在结构和各个类信息, 并通过考虑代表点与代表点之间在聚类过程中的约束关系, 提高最后聚类结果的精度. 在模拟数据集和真实数据集上的3组实验验证了所提出算法的有效性.

摘要:针对狼群算法求解复杂函数时容易陷入局部极值、计算耗费大、学习能力差等局限性, 提出一种狼群智能算法. 首先, 通过构建智能猎杀行为提高算法自适应学习能力, 降低算法的计算耗费, 构建双高斯函数更新法以增强算法全局搜索能力; 然后, 运用马尔科夫过程证明狼群智能算法的收敛性; 最后, 对多种典型测试函数进行仿真实验并与多种智能算法进行对比分析. 实验结果表明, 所提出算法具有全局收敛性强、计算耗费低、寻优精度高等优势.

摘要:针对无线传感器网络服务质量会随着网络运行而下降的现象, 研究随机部署的有向传感器网络的节点调度问题, 提出分布式的节点感知方向调节算法, 各节点利用相邻节点间的信息交换, 计算出各自的最佳感知方向, 从而使得网络在满足覆盖需求的同时减少活跃节点数目, 进而达到降低能耗、提高通信质量的目的. 为均衡网络能耗, 进一步设计了冗余节点调度协议, 周期性地重构网络拓扑. 仿真结果表明了所提出算法的有效性.

摘要:针对现有算法对贯序到达的密度型不均衡数据分类效果不佳的缺陷, 提出一种基于粒度划分的在线贯序极限学习机算法. 离线阶段,根据数据分布特性对多类样本进行粒度划分, 用粒心代替原有样本, 建立初始模型; 在线阶段, 根据更新后的分布特性对多类边界数据进行二次粒度划分, 替换原有边界数据, 并动态更新网络权值. 理论分析证明该算法存在信息损失上界. 实验结果表明, 该算法能有效提高贯序不均衡数据上的整体泛化性能和分类效率.

摘要:研究带宽受限下的基于一致性的分布式融合估计问题. 建立以一致性滤波增益为决策变量, 以所有传感器有限时域下融合估计误差协方差矩阵的迹的和为代价函数的优化问题. 在给定一致性权重的前提下, 给出使得系统融合估计误差在无噪声时渐近稳定的一致性滤波增益存在的充分条件, 并通过最小化代价函数的上界得到一组次优的一致性滤波增益. 最后通过算例仿真验证了所提出方法的有效性.

摘要:针对非线性高斯场景下目标数目未知或随时间变化的机动多目标跟踪问题, 提出一种基于交互式多模型的不敏卡尔曼概率假设密度滤波算法.首先, 在高斯混 合概率假设密度滤波框架下, 结合不敏卡尔曼滤波中状态预测和量测更新的实现机理, 构建一种不敏卡尔曼概率假设密度滤波器; 然后, 通过引入交 互式多模型方法中状态模型软判决机制, 实现对目标机动过程中运动模式不确定的处理; 最后, 通过理论分析和仿真结果验证了所提出算法的可行性和有效性.

摘要:针对复杂场景中目标表观变化引起的跟踪漂移问题, 提出一种新的基于稀疏表示的目标跟踪算法. 该算法通过稀疏性和空间相关性正则约束得到一种优化的目标代价函数, 利用拉格朗日对偶理论和加速近端梯度方法完成字典优化, 并利用最大池化理论和空间金字塔方法得到降维的且包含更多空间信息的目标模板系数和候选样本系数. 实验结果表明, 所提出的算法在背景干扰、光照变化、形变、运动模糊、严重遮挡等多种复杂场景中都能取得较为鲁棒的跟踪效果.

摘要:针对不相关并行机调度问题, 提出一种基于信息熵的自适应分布估计算法. 根据问题特性, 设计了面向工件机器分配的概率模型及其基于增量学习的更新方式, 学习速率基于信息熵进行调整. 为了增强算法局部寻优能力, 采用基于关键机器的邻域结构进行局部搜索; 同时讨论了信息熵与学习速率的关系, 并探讨了关键参数对算法性能的影响. 基于标准算例的测试结果与算法比较, 验证了学习速率的自适应调整机制以及所提出算法的有效性.

摘要:对骨干粒子群优化(BPSO)种群多样性迅速丧失的原因进行分析, 提出层次学习骨干粒子群优化算法以克服早熟现象.该算法中粒子依不同的学习概率向粒子自身的最优粒子、优胜粒子 和群体最优粒子学习, 该机制使群体实现不同层次的搜索并有效维持群体的多样性.此外, 群体最优粒子依概率采用跳跃策略以增强逃逸 能力或采用扰动策略以提高解的质量.将所提出的算法与多种改进的粒子群优化算法进行对比, 仿真结果表明, 所提出算法的综合表现优于其他算法.

摘要:针对考虑铁损的电动汽车用异步电动机驱动系统中存在的负载扰动和系统参数不确定问题, 采用模糊逻辑系统 逼近系统中的非线性项, 通过引入命令滤波反步技术克服传统反步法无法避免的“计算爆炸”问题, 引入补偿信号 消除滤波误差的影响, 实现对异步电动机的位置跟踪控制.Matlab仿真结果验证了所提出方法的有效性.

摘要:采用常规比例-积分-谐振(PI-RES)电流控制器可抑制永磁同步电机(PMSM)相电流谐波.然而, 电机运行于高输出频率/采样频 率工况时, 系统受数字控制器一个采样周期延时的影响, 将出现电流震荡现象.为了解决上述问题, 提出一种预测比例-积分-谐振(PPI-RES)电流 控制策略.该方法分别利用电流误差微分模型和积分模型预测扰动电压和误差电流, 实现对输入延时的有效补偿.仿真结果验证了所提出电流控制策略的有效性.

摘要:针对零售商为损失厌恶者的二级供应链, 考虑突发事件导致商品市场需求和市场价格均随机波动, 分别构建应急数量弹性契约的集中和分散决策模型, 得出突发事件下供应链系统实现协调的最优决策, 并探讨契约弹性幅度、批发价和损失厌恶程度的变化对于零售商最优订货策略和供应链上各成员利润的影响. 研究结果表明, 在合理的区间范围内调整契约弹性幅度和批发价均能使得突发事件下的供应链协调发展. 最后通过算例验证了所得结论的正确性.

摘要:研究基于供应商和制造商随机产出以及零售商随机需求的单一供应商、制造商和零售商组成的三级供应链契约协调问题, 构建并分析集中和分散条件下供应链系统的最优决策模型, 证明随机产出和需求下运用风险共担契约可以使分散期望利润达到集中决策的水平. 在数值算例中, 通过模型和契约参数的分析, 阐述了风险共担契约协调的有效性.

摘要:投资组合模型中期望收益等参数的估计误差对最优投资组合策略的稳定性产生重要影响. 在提出考虑复杂约束和交易成本的鲁棒均值-CVaR投资组合模型的基础上, 设计改进粒子群算法来求解该模型. 应用实际交易数据对所提出的模型和算法进行数值实验和比较, 结果表明改进粒子群算法能有效地求解该模型, 产生更稳定的最优投资策略, 从而能够更好地适合实际投资环境.

摘要:针对NGM(1,1,k)的基本形式与白化微分方程的跳跃性关系, 尝试对NGM(1,1,k)模型进行优化. 首先对白化微分方程积分, 得到新的NGM(1,1,k)参数估计基本形式, 通过定义其中的前置与后置背景值, 分析误差产生的几何原因, 进而推导背景值计算公式; 然后利用误差平方和构建期望函数, 求解时间响应函数中的最优常数表达式; 总结优化后的NGM(1,1,k)模型的建模步骤, 并证明该模型具有非齐次白指数重合性; 最后, 通过两个算例将优化模型与经典模型进行对比, 取得了良好的效果, 进而验证了所提出模型的有效性和实用性.

摘要:针对属性权重未知的三角模糊数型不确定多属性决策问题, 提出一种新的规范三角模糊数与决策方案的相对相似度定义和三角模糊数相对相似度关系理论; 借鉴合作博弈中可能度最大化算法提出一种基于三角模糊数相对相似度关系的属性权重确定方法; 利用备选方案对象在方案集中的总体相对相似度值大小选取最优对象并排序, 以此给出三角模糊数型不确定多属性决策的相对相似度关系算法, 最后通过算例分析表明了所提出算法的可行性和有效性.

摘要:连续过程神经元网络在权函数正交基展开时, 基函数个数无法有效确定, 因此逼近精度不高. 针对该问题, 提出一种离散过程神经元网络, 使用三次样条数值积分处理离散样本和权值的时域聚合运算. 模型训练采用双链量子粒子群完成输入权值的全局寻优, 通过量子旋转门和非门完成种群进化. 局部使用极限学习, 通过Moore-Penrose广义逆计算输出权值. 以时间序列预测为例进行仿真实验, 结果验证了模型的有效性, 且训练收敛能力和逼近能力都有一定程度的提高.

摘要:针对无人直升机线性二次型高斯/回路传输恢复(LQG/LTR)飞行控制律设计中加权矩阵的选定问题, 提出一种基于人工蜂群算法优化控制器加权矩阵的方法. 采用LQG/LTR控制方法设计无人直升机的内外环自主飞行控制系统; 利用蜂群算法的全局寻优能力, 通过最小化性能指标对状态反馈控制器进行优化; 在系统噪声和阵风的干扰下, 对该无人直升机飞行控制系统进行轨迹跟踪仿真. 研究结果表明, 该优化设计方法提高了控制器的设计效率, 优化后的控制器的跟踪性能和鲁棒性有了明显提高.

摘要:强跟踪容积卡尔曼滤波器在对含有模型误差和时变噪声的非线性系统进行滤波时, 容易出现性能降低甚至发散. 鉴于此, 提出一种基于变分贝叶斯的强跟踪容积卡尔曼滤波算法. 该算法运用虚拟噪声法补偿模型误差, 假设虚拟噪声均值非零, 且满足高斯分布, 虚拟噪声方差服从逆gamma分布, 在强跟踪容积卡尔曼滤波器估计状态的同时, 采用变分贝叶斯推理估计虚拟噪声参数. 仿真结果表明, 所提出算法对含模型误差与时变噪声的非线性系统具有较好的估计精度, 相比于自适应算法具有更强的鲁棒性.

摘要:针对损失数据线性参数系统的参数辨识问题, 借助辅助模型辨识思想推导出其变递推间隔辅助模型递 推最小二乘算法.为了提高该算法的计算效率, 利用分解技术得到变递推间隔分解递推最小二乘算法 估计系统参数.此外, 在变递推间隔分解递推最小二乘算法中引入遗忘因子, 从而提高参数估计精度和收敛速度.仿真结果表明, 所提出的算法能有效估计系统参数.

摘要:针对全局滑模控制的动态滑模面不能在有限时间内演化为线性滑模面的缺点, 提出一种改进的全局滑模控制方法, 其动态滑模面的衰减函数由3个指数函数项组成一阶可导函数, 并能在有限时间内衰减为零. 这样, 该方法不仅具有了全局滑模控制的全局鲁棒性, 而且能够使动态滑模面在有限时间内演化为线性滑模面, 从而加快了系统的响应速度. 利用该方法实现了二阶电力系统的混沌控制, 仿真结果验证了所提出方法的有效性.

摘要:针对线性多变量系统, 将前馈解耦控制与有限时间最优跟踪控制相结合, 提出一种新的最优解耦控制方法. 首先, 将关于状态的微分方程转化成关于输出的微分方程, 将系统内部矩阵和控制输入矩阵分别分解成对角矩阵和对角元为零的矩阵; 然后, 通过引入中间虚拟变量, 采用前馈和输出反馈的方法对系统进行解耦; 最后, 采用有限时间最优跟踪控制方法实现系统对任意参考输入的跟踪. 仿真结果表明了所提出方法的有效性和优越性.

摘要:针对被控对象具有分数阶特性的系统需要相应的分数阶控制器来提高控制效果, 提出一种新型的分数阶PI^λ-PD^μ控制器, 系统的前向通道采用分数阶PI^λ控制器, 被控对象的内反馈环采用分数阶PD^μ控制器, 利用序列二次规划法辨识分数 阶PI^\lambdaD^μ控制器的参数, 并设计了一种结构变换法求取分数阶PI^λ-PD^μ控制器的参数; 然后, 基于Oustaloup滤波器采用整数阶近似及模型降阶法对分数阶被控对象进行求解. 系统仿真结果表明, 与整数阶PI-PD控制器相比, 分数阶PI^λ-PD^μ控制器的抗干扰性较强, 能更好地满足系统的动态响应要求.

摘要:研究毕达哥拉斯模糊决策环境下的集成算子及其决策应用.给出拟加权几何集成算子和拟有序加权几何算子的概念, 并分析 它们的性质.将有序加权平均算子、有序加权几何算子、拟有序加权平均算子和拟有序加权几何算子推广到毕达哥拉斯 模糊决策环境, 定义毕达哥拉斯模糊有序加权平均算子、广义毕达哥拉斯模糊有序加权平均算子、毕达哥拉斯模糊有序加权几何算子、广义毕达哥拉斯模糊有序加权几何 算子、拟毕达哥拉斯模糊有序加权平均算子和拟毕达哥拉斯模糊有序加权几何算子.提出基于广义毕达哥拉斯模糊集成算子的决策方法, 并通过实例验证其可行性.

摘要:为了分析承担社会责任对物流服务供应链定价决策的影响, 考虑企业社会责任, 分别构建集中和分散决策下的定价博弈模型, 求得供应链最优定价策略和双方所承担的企业社会责任成本. 对比发现, 分散决策下供应链存在效率损失, 进而基于收益共享契约对其进行协调. 研究表明, 考虑企业社会责任和集中决策时, 物流服务供应链总利润更大, 且双方利润都与其社会责任效用因子正相关, 收益共享契约能有效地对物流服务供应链进行协调. 最后通过算例验证了结论的正确性.

摘要:针对振荡幅度大的小样本振荡序列预测问题, 构建灰色区间预测模型. 首先对原始序列的上下界序列直接建立非等间隔GM(1,1)模型, 得到取值包络带的上下包络曲线以描述系统发展的边界; 然后给出原始序列区间预测值和基本预测值的计算方法, 建立区间预测算法; 最后研究区间预测模型的灰指数规律性和时效性. 数值实验揭示, 发展系数的取值不是影响区间预测模型时效性的唯一因素; 应用实例表明, 所提出方法能够有效地提高序列的预测精度.

摘要:针对移动机器人同时定位与地图构建中RBPF-SLAM算法因粒子匮乏而导致栅格地图估计不精确问题, 提出一种基于高斯分布重采样的RBPF-SLAM算法.首先, 根据粒子权重大小对重采样粒子进行排序; 然后, 在重采样中利用高斯分布分散高权重粒子得到新粒子, 从而保证粒子多样性, 避免粒子匮乏, 保证栅格地图的精确构建. 实验结果表明了所提出算法的有效性, 同时也证明该算法能在粒子数减少的条件下保持可靠的估计, 有效地减少了计算量.