摘要:随着可再生能源和智能电网技术的发展,能源产消者作为一类新型终端用户,已在能源优化与管理方面表现出更为主动灵活的作用,对提高社区能源效率、提升能源经济性和改善本地配电网稳定性具有重要影响.首先,总结了常见的社区能源产消者类型及其特点,指出其在智能电网需求侧实现能源优化的灵活性和潜在价值;其次,剖析了社区能量分享的典型模式,归纳了各自的基本特征、优势与局限性;然后,在此基础上探讨了社区产消者能量分享涉及的能源数据预测方法、博弈问题均衡分析及分布式优化算法;最后,对社区产消者能量分享的前瞻性难点问题进行了展望,以期为相关研究提供参考.

摘要:城市轨道交通客流量对轨道交通运行的效率与安全至关重要.利用客流信息,提出负载系数衡量网络负载情况,并作为轨道交通网络边的权重,建立轨道交通网络模型.运用复杂网络的可控性理论分析轨道交通网络的可控性问题,给出轨道交通网络控制节点的辨识方法,实现对城市轨道交通网络限流车站的控制.以北京地铁网络为实例建立携带负载系数的网络模型,对其控制节点的选取进行分析,结果表明现行常态化控制站点不能使网络完全可控,且选择的控制站点数量较多,成本较高,应用负载系数作为权重选择的限流站点不仅能够使网络完全能控选择的控制站点数量更少,成本较低,而且更多地分布于超载线路上,同时所提出方法可以有效找出控制站点,为实际限流车站的选取提供有效的参考.

摘要:针对有源电力滤波器电流跟踪控制问题,提出一种基于模糊神经网路的全局滑模控制方法.首先,为了消除到达阶段和抑制抖振,设计准全局滑模控制电流控制器;然后,在考虑参数摄动和传感器故障的情况下,利用元认知模糊神经网络设计基于模糊神经网络的全局滑模控制器,克服全局滑模控制依赖先验知识的缺点.不同于其他固定结构方法,元认知模糊神经网络可以实现结构和参数的在线更新,并利用李雅普诺夫稳定性理论证明所提出的控制策略满足控制目标以及稳定性要求.仿真和实验结果表明,所提出的控制方法在稳态和瞬态运行时都具有良好的性能.

摘要:针对导弹拦截机动目标的末制导问题,基于有限时间滑模控制理论设计一种带有攻击角度和导弹视场角约束的制导律.首先,将导弹末制导问题转化为带有状态约束的制导系统稳定问题,设计一种新型的非奇异终端滑模面和时变的障碍Lyapunov函数,给出一种终端滑模制导律的设计方法,并针对目标机动的不确定性设计一种对目标机动上界的自适应估计;然后,通过稳定性理论证明制导系统的状态变量最终是有限时间收敛的,并且结合时变的障碍Lyapunov函数和滑模面的设计特性证明在末制导过程中视场角约束条件始终不会被违背,相比于现有的考虑视场角约束的制导律,该制导律不存在指令转换,能够加快制导系统收敛速率,增强制导系统的抗干扰能力;最后,通过仿真实验验证所提出制导方法的有效性.

摘要:针对抑制式模糊C-均值聚类算法应用于灰度图像分割时出现收敛速度较慢和像素误判的问题,通过挖掘图像同质区域内像素间的相关性与分析像素位置对类别判定的影响,提出一种双中心组合迭代抑制式模糊C-均值聚类图像分割算法.首先在图像上经选点、扩展、提取等环节优选出较好的初始聚类中心;然后按该中心分别查找图像中灰度值与其相等的像素位置并遴选产生隐藏中心;其次采用负指数函数对像素位置与隐藏中心之间的欧氏距离进行归一化,得到位置特征;接着在对该特征赋权后直接修正模糊划分矩阵;最后结合抑制式思想进一步减少算法的迭代次数.与现有的多种相关算法进行对比,实验结果表明,所提出算法在获得致密且分离性较好聚类的同时,能够改善图像分割的准确率和执行效率.

摘要:针对基本萤火虫算法高维求解精度低、收敛速度慢、易早熟等缺点,提出一种具有振荡、约束和自然选择机制的萤火虫算法,引入二阶振荡因子,平衡上一代个体对当前代个体的影响,防止萤火虫个体陷入局部极值;加入基于sigmoid函数的约束因子,动态调整个体移动距离,在算法后期避免萤火虫个体在理论最优值附近因过度扰震而导致精度降低的情况;采用基于高斯积分倒数递减趋势的自然选择,在保持个体多样性的同时加快算法的收敛速度.理论分析证明了改进算法的收敛性和时间复杂度.通过对10个不同特征标准测试函数多个维度的函数优化仿真实验,测试结果表明改进算法的寻优精度和收敛速度均有明显提升,尤其是在高维情况下,几乎对于所有函数仍能找到理论最优解,较好地解决了萤火虫算法不适于高维求解的问题.

摘要:生活中存在大量的动态多目标优化问题,应用进化算法求解动态多目标优化问题受到越来越多的关注,而动态多目标测试函数对算法的评估起着重要的作用.在已有动态多目标测试函数的基础上,设计一组新的动态多目标测试函数.Pareto最优解集和Pareto前沿面的不同变化形式影响着动态多目标测试函数的难易程度,通过引入Pareto最优解集形状的变化,结合已有的Pareto最优解集移动模式,设计一组测试函数集.基于提出的测试函数集,对3个算法进行测试,仿真实验结果表明,所设计的函数给3个算法带来了挑战,并展现出算法的优劣.

摘要:为解决三维复杂环境下无人机动态航迹规划问题,提出一种基于改进约束差分进化算法的动态航迹规划方法,以满足对实时性及动态搜索精度的要求.首先,根据无人机航迹规划特点将其描述为包括飞行约束及威胁约束在内的约束优化问题,并构造目标代价函数和约束限制函数;其次,将广义反向学习和自适应排序变异操作引入到约束差分进化算法中,以提高算法的多样性、收敛速度和寻优精度;最后,利用自适应权衡模型对各状态下的约束限制进行处理,充分利用“精英”个体信息,实现对目标适应值的合理转换.通过仿真实验以及与3种先进约束差分进化算法比较表明:所提方法能够有效实现静态及动态威胁回避,规划出安全适航的飞行路径,实现地形跟随;相较于其他3种算法,所提方法具有寻优性能好、鲁棒性强、收敛速度快和可靠性高等优势.

摘要:针对复杂非结构环境下作业任务对机器人的多功能性、柔性化等特殊需求,提出一种以映射矩为目标构型识别依据、矩阵元素为成型运动核心的晶格式集群机器人矩阵成型方法.基于离散化处理后的晶格式群体系统与元素离散排列、对称分布的矩阵的相似性,在预处理阶段,将用户给定的二维目标几何构型任务进行矩阵二值化处理后,与初始构型矩阵嵌套和匹配,并依次通过矩阵映射运算、初始构型体的相对定位实现集群机器人对目标几何构型的有效识别.在成型阶段,晶格式机器人个体以矩阵元素为运动依据、晶格单元为成型载体,设计晶格式集群机器人的个体自主成型规则,有效解决群体系统中“走哪里”和“怎么走”的问题.最后,通过仿真实验表明群体矩阵成型方法的可行性和有效性.

摘要:当存在高污染率的野值观测时,现有的鲁棒卡尔曼滤波器的数值稳定性和抗差能力可能会严重退化.为此,基于近似最小一乘估计和修正的高斯牛顿方法提出一种新的鲁棒卡尔曼滤波器,以减小含野量测对滤波器的不利影响.通过条件数分析和影响函数分析,从理论上证明所提出方法的数值稳定性和抗差能力均好于基于Huber估计的卡尔曼滤波器.通过仿真实验对理论分析结果进行验证.仿真结果表明,在只有少量野值观测的情况下,所提出的滤波器与Huber卡尔曼滤波器的估计性能大致相当;而在含有高污染率的野值观测时,所提出的滤波器的估计性能明显好于Huber卡尔曼滤波器.在仿真实验中还对几种滤波器的计算花费进行了比较,发现所提出滤波器的计算代价小于Huber卡尔曼滤波器的计算代价.

摘要:考虑到1,3-丙二醇(1,3-PD)批式流加发酵过程中的时滞现象,提出一个非线性时滞微分方程来描述该过程.以终端时刻1,3-PD的单位时间产量作为性能指标,同时,以甘油和碱的流加速度、发酵过程的终端时刻作为控制向量,建立一个含控制和状态约束的时滞最优控制模型.为了求解该最优控制问题,首先通过时间尺度变换,将该最优控制问题转化为具有固定终端时刻的等价最优控制问题;然后,应用控制参数化方法,将等价的最优控制问题用一系列有限维优化问题来近似;最后,构造一种改进的粒子群优化方法来求解相应的近似优化问题.数值结果表明,终端时刻的1,3-PD的单位时间产量比已有结果提高了约58%.

摘要:当大展弦比太阳能无人机(UAV)采用由低成本传感器组成的飞控平台时,受限于传感器误差精度、无人机长航时、广域度的任务要求,传统数据融合算法无法实现其姿态、空速和风场长时间的准确和可靠估计.从飞控搭载的传感器测量原理出发,对测量过程的误差特性和温度影响进行建模,基于扩展卡尔曼滤波算法实现状态的可靠估计.首先,将压力传感器与惯导的数据进行融合以实现姿态估计;其次,结合无人机的布局特征将磁力计独立安装以实现航向估计;最后,融合GPS的数据进行导航估计.仿真结果表明,较传统的变增益估计算法(VGO),所提出算法的层次更分明,结果更可靠,而且可以与太阳能无人机的特征较好地结合.

摘要:在时变洋流场环境下,洋流矢量增加了时间维度,在时间角度上可进一步利用洋流以节约自主水下机器人(AUV)能量消耗.此外,在该环境中无后效性不再成立,基于经典贪婪策略的路径规划算法不再适用.鉴于此,结合路径参数选择和双层规划算法,提出一种适用于时变洋流场环境的能耗最优路径规划算法.出发时间和AUV推进速度均可以在时间维度上等待有利洋流,且推进速度与其能量消耗直接相关,因此,引入出发时间和推进速度作为路径参数.在此基础上,针对无后效性不成立问题,使用双层规划作为路径规划算法,分析该算法在时变洋流场环境下的适用性.算法将路径规划任务分为路径规划与路径优化两部分,路径规划部分采用蚁群系统算法构建通道,路径优化部分由量子粒子群算法对路径参数进一步优化,在保证全局最优的同时能够解决传统基于栅格的路径规划算法中机器人运动方向受限的问题.最后以Kongsberg/Hydroid REMUS 600s型水下机器人为模型,对所提出的路径规划算法进行仿真验证.

摘要:机器学习技术广泛应用于车辆的智能驾驶,其中模型训练是该技术的关键,由于训练数据难以覆盖全部驾驶情况,使得极端状态下基于机器学习的智能驾驶系统存在失效风险,会造成重大交通事故.生存理论应用于车辆的道路安全态势感知具有理论优势,能客观地计算出车辆最大的高维生存空间,但该理论迭代计算繁琐,输出结果所需时间较长,无法满足高速车辆的实时控制,且生存核表面复杂,智能驾驶系统难以直接使用,需要将生存核转化为局部最优路径.鉴于此,设计一种基于生存理论的局部路径规划机器学习训练方法,通过对多种机器学习方法的特点进行分析,最终选定径向基神经网络来输出生存核中线投影.通过对比两种网络训练数据的输出效果,分析参数敏感性以及泛化能力,论证所提出训练方法的合理性.仿真实验表明,所训练的机器学习模型可快速输出高精度、大裕度的道路优化路径,即使使用简单的控制律也能实现无人车辆的大曲率转弯.由于所提出机器学习方法的安全性具有理论保障,又能大幅提升安全计算的实时性,在智能驾驶领域拥有广阔的应用前景.

摘要:针对准则值和准则权重以二元或三元区间数形式给出的模糊决策问题,提出一种区间数-二元联系数转换改进算法.利用区间数的偏好值和上下限取值范围,将区间数转换为二元联系数.将区间数的偏好值作为联系数的同一度,并将区间数上下限到偏好值的距离作为联系数的差异度,使得转换过程中区间模糊信息中的确定性增大,不确定性减小.在此基础上,使用同一度和差异度重新定义联系数的正负理想解,并确定联系数间的距离公式,进而提出一种改进的基于联系数的TOPSIS模糊决策算法.最后,结合实例表明所提出算法的有效性和合理性.

摘要:为解决K-means聚类对初始聚类中心敏感和易陷入局部最优的问题,提出一种基于改进磷虾群算法与K-harmonic means的混合数据聚类算法.提出一种具有莱维飞行和交叉算子的磷虾群算法以改进磷虾群算法易陷入局部极值和搜索效率低的不足,即在每次标准磷虾群位置更新后加入新的位置更新方法进一步搜索以提高种群的搜索能力,同时交替使用莱维飞行与交叉算子对当前群体位置进行贪婪搜索以增强算法的全局搜索能力.20个标准测试函数的实验结果表明,改进算法不易陷入局部最优解,可在较少的迭代次数下有效地搜索到全局最优解的同时保证算法的稳定性.将改进的磷虾群算法与K调和均值聚类融合,即在每次迭代后用最优个体或经过K调和均值迭代一次后的新个体替换最差个体.5个UCI真实数据集的测试结果表明:融合后的聚类算法能够克服K-means对初始聚类中心敏感的不足且具有较强的全局收敛性.

摘要:针对时变系统的不确定性量化和传递问题,提出一种概率盒演化方法.根据系统的时变规律,获取系统响应的累积分布函数随时间变化的规律.将认知不确定性参数和随机不确定性参数分离在外层和内层,用蒙特卡洛法量化外层的认知不确定性参数,用基于随机配点的非嵌入式混沌多项式法量化内层的随机不确定性参数,通过求取不同时刻系统响应的累积分布函数的上下边界创建时变概率盒.最后,通过一延时电路性能退化算例验证所提出方法的有效性.研究表明,时变概率盒不仅可以表征系统特定时刻的混合不确定性,而且反映了输出响应的时变规律和输出不确定性随时间变化的趋势.

摘要:针对多目标进化算法处理约束高维多目标优化问题时出现解的分布性和收敛性差、易陷入局部最优解问题,采用Pareto支配、分解与约束支配融合的方法,提出一种基于分解约束支配NSGA-II优化算法(DBCDP-NSGA-II).该算法在保留NSGA-II中快速非支配排序的基础上,首先采用Pareto支配对种群进行支配排序;然后根据解的性质采用分解约束支配(DBCDP)惩罚等价解,保留稀疏区域的可行解和非可行解,提高种群的分布性、多样性和收敛性;最后采用个体到权重向量的垂直距离和拥挤度距离对临界值进行再排序,直到选出N个最优个体进入下一次迭代.以约束DTLZ问题中C-DTLZ1、C-DTLZ2、DTLZ8、DTLZ9测试函数为例,将所提出的算法与C-NSGA-II、C-NSGA-III、C-MOEA/D和C-MOEA/DD进行对比分析.仿真结果表明,DBCDP-NSGA-II所得最优解分布更加均匀,具有更好的全局收敛性.

摘要:针对“研产混线”中各类制造资源利用率低、非加工时间过长、调度难度大的问题,以生产中最紧缺的夹具资源为例,提出考虑装卸的柔性作业车间双资源调度问题.首先,以最小化完工时间和准结时间为目标建立该问题的数学优化模型;然后,设计快速非支配排序遗传算法对问题进行求解,根据问题特性综合考虑两个目标并设计降准解码算法,随机从交叉算子池和变异算子池中选择算子进行操作,根据非支配等级和拥挤度选择进入下一代的个体;最后,通过数值实验表明,针对考虑装卸的柔性作业车间双资源调度问题,所提出算法能够有效求解该问题,保证完工时间的同时降低准结时间.

摘要:针对时变路网条件下的低碳车辆路径问题,首先,分析车辆离散行驶速度与连续行驶时间之间的关系,依据“先进先出”准则设计基于时间段划分的路段行驶时间计算方法,引入考虑车辆速度、实时载重、行驶距离与道路坡度因素的碳排放计算函数;然后,在此基础上以所有车辆的碳排放量最小为目标构建低碳时变车辆路径问题数学模型;最后,引入交通拥堵指数,设计交通拥堵规避方法,并根据模型特点设计一种改进蚁群算法求解.实验结果表明,所提出方法能有效规避交通拥堵、缩短车辆行驶时间、减少车辆碳排放,促进物流配送与生态环境和谐发展.

摘要:针对大群体应急决策中可能存在的非合作行为,考虑决策专家的社会网络关系,提出一种基于共识的管理大群体应急决策中非合作行为的方法.首先,引入社会网络中基于模块度的Louvain聚类方法对大群体决策专家进行聚类,降低大群体应急决策复杂性;其次,定义两种非合作行为,并建立非合作行为的识别和检测模型;再次,定义信任风险系数、偏好风险系数以及综合风险系数,通过风险系数对不同程度的非合作行为聚集进行偏好调节,从而得到共识水平较高的决策方案;最后,利用“4.25西藏地震的案例”验证所提出方法的可行性和有效性.

摘要:针对现有三阶段装配集成调度问题模型将各工件在运输阶段的运输时间简化设定为相同常量,未考虑运输车辆数量和车载重量有限会导致工件需按批量分别运输的实际情况,研究以最小化总完工时间为目标的带工件批量运输的加工、运输、装配三阶段装配集成调度问题(three-stage assembly integrated scheduling problem with job batch transportation,3sAISP_JBT)和求解算法.首先,分阶段建立3sAISP_JBT的数学模型;其次,分别提出求解运输、装配阶段对应子问题的先完工先运输(first completed first transported,FCFT)规则和先到先装配(first come first assembly,FCFA)规则,以降低求解3sAISP_JBT的整体计算复杂度;再次,提出一种融合多种规则的混合分布估计算法(hybrid estimation of distribution algorithm with rules,HEDA_R)求解3sAISP_JBT;最后,通过仿真实验和算法比较验证了所提出算法的有效性.

摘要:以单制造商和单零售商组成的双渠道供应链为研究对象,基于供应链成员是否采用无线射频识别(radio frequency identification,RFID)技术,分别构建链上成员均不采用RFID(NN)、仅制造商采用RFID(AN)、仅零售商采用RFID(NA)以及链上成员均采用RFID(AA)四种情景下的收益模型,求解出相应的最优解,并探讨链上成员采用RFID的均衡策略.研究发现:双渠道供应链采用RFID的均衡策略取决于渠道竞争强度、收益共享系数及RFID标签成本.竞争强度较小时,供应链成员均倾向于采用RFID;反之,则仅零售商倾向于采用该技术.收益共享系数较高时,AA情景不会出现;反之,若制造商采用RFID,则AA为均衡策略.RFID标签成本较低(高)时,供应链成员倾向于采用(不采用)RFID技术.

摘要:针对模糊图上的平均树解进行研究.在无向模糊图中,参与者本身与参与者之间有不同的参与水平,利用Choquet积分函数对模糊图进行划分,定义模糊平均树解,并证明它是满足模糊分支有效性和cg分支公平性的唯一解,以及满足模糊分支有效性和模糊分支公平性的唯一解.此外,当无圈模糊图合作对策满足超可加性时,证明模糊平均树解是核中的元素,即该解是稳定的.利用Choquet积分函数和深度搜索算法(DFS)将无圈图上的模糊平均树解推广到任意图上,拓展了任意图上模糊平均树解的表达形式.最后,通过一个供应链算例计算并分析模糊图上合作对策的平均树解.

摘要:为了提升智能车的环境认知能力,根据数据信息的抽象化程度不同提出一种基于层次因子图的智能车环境感知和态势认知模型.首先,基于人类驾驶认知的分层记忆机理,按照被处理信息由低到高的抽象层次,将环境认知分为环境目标感知和态势认知两大任务模块,提出层次化框架;然后,确定层次因子图的拓扑结构并实现层次因子图模型,目标感知层具体体现为多源信息融合和目标跟踪,态势认知层具体体现为车辆变道等态势预测;最后,基于PreScan仿真环境数据、NGSIM真实驾驶数据集及DBNet自动驾驶实测数据集3种数据,验证所提出方法的有效性,并与现有的卡尔曼滤波方法和隐马尔科夫模型方法进行比较,以验证层次因子图在跟踪、融合、态势预测正确率和准确率方面的优势.

摘要:针对分层Takagi-Sugeno-Kang(TSK)模糊分类器可解释性差,以及当增加或删除一个TSK模糊子分类器时Boosting模糊分类器需要重新训练所有TSK模糊子分类器等问题,提出一种并行集成具有高可解释的TSK模糊分类器EP-Q-TSK.该集成模糊分类器每个TSK模糊子分类器可以使用最小学习机(LLM)被并行地快速构建.作为一种新的集成学习方式,该分类器利用每个TSK模糊子分类器的增量输出来扩展原始验证数据空间,然后采用经典的模糊聚类算法FCM获取一系列代表性中心点,最后利用KNN对测试数据进行分类.在标准UCI数据集上,分别从分类性能和可解释性两方面验证了EP-Q-TSK的有效性.

摘要:为解决移动机器人未知环境下的路径规划问题,提出基于子目标搜索的机器人目标导向RRT(rapidly- exploring random trees)路径规划算法.一方面,针对传统RRT算法固有的盲目搜索问题,引入目标导向函数,形成目标导向RRT路径规划算法,这一改进可减少冗余搜索,提高路径规划效率;另一方面,为了使机器人在首次探索未知环境时也能顺利抵达目标点,提出3种不同情况下的子目标搜索策略,包括无障碍环境下的直达策略、扫到边界点时的最短距离策略和扫不到边界点时的后退策略,这3种策略使机器人能够完成对未知环境的探索,而且可以克服易出现的局部极小点问题,使机器人具有逃离局部极小环境的能力.仿真实验结果验证了所提出算法的可行性和有效性.

摘要:针对永磁直线同步电机(PMLSM)易受到参数摄动、负载扰动等不确定因素的影响,进而影响其位移跟踪控制精度的问题,提出一种基于非线性干扰观测器(NDO)和极限学习机(ELM)的动态面反步滑模控制方法.首先,通过构造NDO对系统模型中的非匹配不确定项进行动态观测,并将反步控制、动态面控制与滑模控制相结合,完成PMLSM位移跟踪控制器的设计,在提高系统抗干扰能力的同时,避免常规反步控制中的“微分爆炸”问题;其次,采用ELM神经网络对系统模型中的匹配不确定项进行逼近估计,并将输出的估计值引入设计的动态面反步滑模控制器中进行补偿;再次,采用人工鱼群-蛙跳混合算法对所设计控制器的主要参数进行优化设计,提高系统的收敛速度和稳定精度;最后,将所提出控制方法与其他控制方法进行仿真对比,仿真结果表明了所提出方法的有效性.

摘要:针对多智能体网络在牵制控制过程中存在的网络分裂现象,考虑到牵制节点选择对多智能体收敛速度的影响,提出一种基于k-shell分解的牵制控制算法.首先根据节点连通度划分子网;然后提出基于k-shell分解的牵制节点选择方法;最后完成多智能体的牵制控制.理论推导证明,采用该算法后整个智能体网络最终将形成一个子网.分析对比3种牵制控制算法,通过实验仿真结果验证所提出算法能够实现多智能体的一致性,有利于提高多智能体的收敛速度.