摘要:为了提高多目标优化算法的求解性能,提出一种启发式的基于种群的全局搜索与局部搜索相结合的多目标进化算法混合框架.该框架采用模块化、系统化的设计思想,不同模块可以采用不同策略构成不同的算法.采用经典的改进非支配排序遗传算法(NSGA-II)和基于分解的多目标进化算法(MOEA/D)作为进化算法的模块算法来验证所提混合框架的有效性.数值实验表明,所提混合框架具有良好性能,可以兼顾算法求解的多样性和收敛性,有效提升现有多目标进化算法的求解性能.

摘要:提出一种新的基于奇异点邻域结构的三维人脸识别方法.首先,在人脸纹理图像上分割目标区域,划分特征子区域,提取二维奇异点和奇异点邻域结构;然后,在人脸空间几何信息上标记三维奇异点及其邻域结构,并以奇异点和奇异点邻域结构的三维信息表征人脸特征;最后,采用奇异点邻域结构最近点方法识别人脸身份信息.实验结果表明,所提出方法在三维人脸识别方面具有较高的识别准确率和较好的鲁棒性能.

摘要:提出一种协调探索和开发能力的灰狼优化算法.利用佳点集方法初始化灰狼个体的位置,为全局搜索多样性奠定基础;为协调算法的全局探索和局部开发能力,给出一种基于正切三角函数描述的非线性动态变化控制参数;为加快算法的收敛速度,受粒子群优化算法个体记忆功能的启发,设计一种新的个体位置更新公式.10个标准函数的测试结果表明,改进灰狼优化(IGWO)算法能够有效地协调其对问题搜索空间的探索和开发能力.

摘要:交互式多模型粒子滤波算法需要多个模型才能对强机动目标进行跟踪,并且粒子滤波的重采样会导致粒子贫化现象,针对该问题提出一种新型机动目标跟踪方法.该方法首先将萤火虫群体的吸引和移动机制引入粒子滤波;再将改进粒子滤波引入交互式多模型中,通过智能寻优的方式提高交互式多模型的跟踪精度和稳定性.实验结果表明,相对于IMM-PF,改进方法可以用更少的时间达到同等精度,提高了机动目标跟踪的效率.

摘要:为了兼顾数据建模的准确性和诊断的实时性,提出一种K近邻诊断证据融合新方法.利用故障特征 的历史样本构建随机模糊变量(RFV)形式的故障样板模式,由KNN算法获取测试样本的K个近邻历史样本,并定义它们的RFV待检模式;经样板和待检模式的匹配获取K个诊断证据,再将各特征的K个诊断证据融合,并作出故障决策;使用RFV实现对故障数据的精准建模,利用K个历史样本丰富诊断信息,并增加诊断的时效性.诊断效果在电机转子试验台上得到了验证.

摘要:为提高蝙蝠算法的寻优精度和收敛速度,提出一种融合均匀变异和高斯变异的蝙蝠优化算法.算法引入变异开关函数,该函数使所有蝙蝠个体在任何时期都有概率发生变异,使种群保持较高的多样性和活跃性.同时在算法整个寻优过程中融入均匀变异和高斯变异,两种变异机制共同协作使算法首先快速定位到全局最优解区域,随后完成局部精确搜索.仿真结果表明,改进后的算法寻优性能显著提高,具有较快的收敛速度和较高的收敛精度.

摘要:针对姿控式直接力/气动力复合控制拦截弹,提出一种基于干扰补偿和动态面方法的制导控制一体化(IGC)算法.首先设计一种适用于未知上界干扰的变增益扩张状态观测器(TVGESO),在有效保证估计精度的同时,能够减弱初始尖峰现象;然后考虑目标机动以及喷流扰动等模型不确定性,应用TVGESO在线干扰逼近补偿,基于积分滑模动态面方法设计了IGC算法;最后基于Lyapunov理论对闭环系统稳定性进行证明.数值仿真结果表明了所提出设计方案的有效性.

摘要:针对航天器交会对接模拟系统的姿态同步和位置跟踪控制问题,在存在外界扰动和系统不确定性的情况下,基于改进的快速非奇异终端滑模面和改进的自适应律,采用双闭环控制结构分别设计内环和外环有限时间姿态位置耦合控制器.所提出的自适应律不仅能有效地抑制扰动和不确定性且能保证控制器是连续的.李雅普诺夫理论推导和仿真结果表明,所提出的控制方法能保证系统内环和外环跟踪误差的有限时间稳定性和准确收敛性.

摘要:针对近邻传播聚类算法偏向参数难选定、生成的簇数目偏多等问题,提出一种概率无向图模型的近邻传播聚类算法.首先为样本数据构建概率无向图模型,利用极大团和势函数计算无向图中数据样本的概率密度,将此概率密度作为一种聚类先验知识注入近邻传播算法的偏向参数中,提高算法的聚类效率;并用高斯降噪和簇归并方法进一步提升算法的聚类精度.在UCI数据集上的实验结果表明,所提出算法的聚类效率和精度均优于相比较的同类算法.

摘要:基于有向图对物流网络多层级设施选址-路径规划问题,建立混合整数规划数学模型,提出量子进化算法与遗传算法协同的双智能算法集成求解方案.量子进化算法解决设施选址和设施分配,遗传算法进行路径规划,并提出可达配送区域的搜索策略和路径长度为权重的设施分配优化策略以提高算法效率.实例测试表明,所提出的数学模型和组合智能算法是可行而有效的,可为多层级设施选址-路径规划问题提供理论与方法指导.

摘要:针对带有时变时滞和数据包丢失的离散网络切换控制系统,提出在任意切换信号下的闭环故障检测和控制器协同设计策略;基于平均驻留时间和李雅普诺夫(LKF)方法,给出并证明离散切换时滞动态系统指数均方稳定且具有满意的H_∞性能指标的充分条件;将离散网络切换时滞系统的控制器和故障检测滤波器的参数求解转化为可行的凸优化问题,确保残差和故障估计误差尽可能小.仿真实验结果验证了所提出方法的有效性.

摘要:首先,讨论3种勾股模糊数排序方法的特点,指出其中两种排序方法的不足;其次,研究勾股模糊集的结构特征,指出勾股模糊数本质上由隶属度、非隶属度、自信度和自信度方向4个特征参数完全刻画;再次,利用上述4个参数分别构造勾股模糊数和勾股模糊集之间的海明距离、欧几里得距离和闵可夫斯基距离,并研究这些距离公式的性质;最后,借助理想点法给出基于勾股模糊集距离的多属性决策方法,并通过实例验证所提方法的合理性.

摘要:基于推广的概率分布区间分解法,研究一类具有随机时滞系统的概率分布相关稳定性问题.充分利用随机时滞的概率分布信息,获得一系列稳定性判据;通过严格的数学证明,表明通过增加概率区间数可以逐渐降低稳定性判据的保守性,从而建立一组新的分层结构LMI条件;严格证明了在采用相同概率区间划分的条件下,所得到的稳定性判据的保守性低于不考虑时滞概率分布的时变时滞分解法所得到的结果,并且分析和比较了两种方法的计算量.

摘要:针对非均衡数据分类效果差的问题,提出一种新的基于边界混合采样的非均衡数据处理方法(BMS).首先通过引进“变异系数”找出样本的边界域和非边界域;然后对边界域中的少数类样本进行过采样,对非边界域中的多数类样本进行随机欠采样,以期达到训练数据基本平衡的目标.实验结果表明,BMS方法比其他3种流行的非均衡数据处理方法在对7个公开数据集的分类性能上平均提高了5%左右,因此,该方法可以广泛应用于非均衡数据的处理和分类中.

摘要:针对被控对象和反馈通道均具有未知时滞的闭环系统,提出一种基于辅助变量的压缩采样匹配追踪辨识方法.该方法利用辅助变量方法对压缩采样匹配追踪算法进行改进,获得过参数化辨识模型稀疏参数向量的估计,根据稀疏向量的结构得到前向通道的参数估计和时滞估计,进而根据模型等价原理获得反馈通道的参数估计.仿真结果表明,所提出方法仅需少量的迭代即可获得这类闭环系统参数与时滞的有效估计.

摘要:对传统灰色聚类模型进行延拓,考虑了观测值和白化权函数转折点为区间灰数的情形.通过“核”和灰度来表征区间灰数,以“灰度不减公理”作为理论依据,给出区间灰数型白化权函数的表达式,并将聚类过程中区间灰数运算转化为实数运算,进而建立灰色定权聚类模型.最后将该模型应用于南京市江宁区高新技术企业核心竞争力的聚类评估中,说明了所提出方法的有效性和实用性.

摘要:针对准则值为区间直觉模糊数且准则权重为区间数的多准则决策问题,提出一种基于二元联系数的区间直觉模糊型多准则决策方法.首先,介绍区间直觉模糊数和二元联系数;其次,研究区间数转化为联系数、二元联系数转化为实数的3种转化方法,对传统区间数和二元联系数的运算结果进行比较;再次,将区间型贴近度转化为基于二元联系数的实数进行方案优选;最后,运用算例表明所提出方法的优越性和可行性.

摘要:针对一类具有执行器故障的非线性切换系统,研究基于系统状态估计和故障重构的容错控制问题.首先,在具有平均驻留时间(ADT)的切换信号下,设计一种切换PI观测器作为状态-故障估计器,以达到对系统状态和故障同时渐近估计的目的;其次,基于线性矩阵不等式,给出非线性切换系统观测器存在的充分条件;再次,基于PI观测器给出的状态和故障估计,提出一种非线性切换系统的容错控制器设计方法;最后,以一个电子电路为仿真实例进行分析,验证了所提出方法的可行性和适用性.

摘要:为解决通讯延时对编队控制造成的不利影响,研究网络化多智能体在通讯延时情形下的主从式预测编队控制问题,提出一种主从式预测编队控制架构.在该架构中,所有智能体都基于延时状态预测自身当前时刻状态,用于主动补偿反馈通道延时.主智能体将自身未来预测状态发送给各从智能体,从而主动补偿主从智能体间的通讯延时.仿真结果验证了所提出主从式预测编队控制架构的可行性和灵活性.

摘要:针对传统Takagi-Sugeno-Kan(TSK)模糊系统处理大规模数据时间代价较高的问题,提出一种基于概率模型框架的L2型TSK模糊系统建模策略,建立具有处理大规模数据能力的贝叶斯L2型TSK模糊系统(B-TSK-FS).具体地,基于L2型TSK模糊系统的输出误差概率化表示,对系统前后件参数联合学习,提高系统的泛化能力.另外,引入狄利克雷先验分布函数,对模糊隶属度稀疏化表示,实现样本的压缩,降低运算时间.在模拟和真实数据集上的实验结果验证了所提出模糊系统的优势.

摘要:针对控制输入有界的变参数广义高阶非线性系统跟踪控制问题,给出一种多环递归跟踪的鲁棒控制方法.通过分层引入虚拟跟踪器,将高阶系统分解为多个独立子系统;内环虚拟跟踪器使内环输出指数收敛于外环虚拟输入,最内环设计自适应控制器补偿参数摄动和外部干扰,并保证输出指数收敛于外环虚拟输入;多环递归跟踪实现系统输出精确跟踪期望输入,理论证明闭环系统的全局渐近收敛性.数值仿真验证了多环跟踪控制器的可行性和合理性.

摘要:针对在线序贯极限学习机(OS-ELM)对增量数据学习效率低、准确性差的问题, 提出一种基于增量加权平均的在线序贯极限学习机(WOS-ELM)算法.将算法的原始数据训练模型残差与增量数据训练模型残差进行加权作为代价函数,推导出用于均衡原始数据与增量数据的训练模型,利用原始数据来弱化增量数据的波动,使在线极限学习机具有较好的稳定性,从而提高算法的学习效率和准确性. 仿真实验结果表明, 所提出的WOS-ELM算法对增量数据具有较好的预测精度和泛化能力.

摘要:针对一类非线性耦合动态互联系统,提出一种分布式协作负载均衡控制方法.借助输入输出反馈线性化技术,构建系统输入输出之间的关系,将耦合互联系统的分布式负载均衡控制设计问题转化为一阶多速率积分器智能体系统的输出一致性跟踪问题.基于最近邻原则设计增益可调的分布式协作负载均衡控制律,在通信拓扑满足相应的连通条件下,通过子系统间的局部交互实现负载均衡的目标.仿真和实验结果表明了所提出控制方法的有效性和可行性.

摘要:由于DV-Hop算法在不均匀网络中节点定位精度不高,以及RSSI算法受环境因素影响较大,将RSSI算法与DV-Hop算法相结合,提出一种利用RSSI测距技术改进DV-Hop的算法-----BRDV-Hop算法.该算法应用RSSI测距技术,定义信标节点的平均跳距误差,并利用信标节点的平均跳距误差对未知节点与信标节点之间的距离进行修正,从而达到减小定位误差的目的.仿真结果表明,与标准的DV-Hop算法相比,在不增加传感器节点硬件的基础上,改进算法能有效降低定位误差.

摘要:在测量噪声条件下,研究基于扩张状态观测器(ESO)的参数辨识方法和实际应用.结合仿真与实验,分析测量噪声对ESO观测状态输出的影响.为了提高实际应用中的辨识效果,通过引入积分型滤波器对观测状态中的噪声进行抑制.所提出方法可以很好地处理非均匀周期采样数据,适用于不规则采样系统的参数辨识.最后,在一类参数可调实验系统上构造两类实际对象,通过实验验证所提出辨识方法的有效性和实用性.

摘要:针对线性离散时滞系统的时滞相关稳定性问题进行研究,提出一个新的有限和不等式,是Abel型不等式的进一步推广.利用这一不等式和构造适当的Lyapunov-Krasovskii泛函,给出新的离散时滞系统稳定性判别准则,并应用数值例子进行验证.验证结果表明,所提出方法与Abel型不等式方法相比,能够获得更大的允许上界,比用自由权方法使用更少的决策变量,降低了数值计算负担,进一步表明了所得结果的有效性和优越性.

摘要:针对预约交箱机制下集装箱堆场箱位优选问题,提出一种交箱次序与箱位分配的三维图表示法;基于图表示,提出压箱量和龙门吊大车行驶距离的期望求解方法.在此基础上,构建基于图的集装箱堆场出口箱位优选模型,优化堆场龙门吊行车成本和压箱量.开发了改进禁忌搜索算法,利用图表示特性缩小搜索空间并优选搜索方向,提高收敛速度.实验结果表明,所提出的算法能够在合理的时间内获得满意解,较确定性模型可减少堆场作业成本20%以上.