摘要:不受环境和条件影响的准确、实时定位对于基于位置的车辆应用和自动驾驶至关重要.典型车辆定位通常依赖于全球卫星导航系统(GNSS),如美国GPS、中国北斗等,由于易受遮挡和阻塞,常将其与惯导、视觉等技术融合弥补GNSS缺陷.但车规级传感器易受驾驶状态、天气等因素影响,很难精确测量,影响定位性能.近年来,依托先进5G技术和广域基础设施建设,5G/GNSS融合定位可以提供更为精确鲁棒实时的位置结果,并逐渐成为车辆高精定位的主要手段.鉴于极少有车辆定位领域应用5G/GNSS融合方法的系统综述,面向车辆定位,从精度、鲁棒、实时安全等多方面分述基于5G/GNSS融合的先进定位方法,并探讨研究空白和未来研究方向.

摘要:互联网以及电子商务的快速发展,使得网络成为人们交流和沟通的公共平台.消费者在网络平台生成的大量在线评论信息产生广泛影响,并引起专家学者的积极关注,基于在线评论进行的情感分析相关研究也不断发展.鉴于此,重点关注基于在线评论的情感分析方法及其应用,在对上述内容概述的基础上分析和思考现有研究存在的问题,并指出未来可能的研究方向和内容.

摘要:城市固体废物焚烧(municipal solid wastes incineration,MSWI)技术由于其高效的减容效果逐渐成为了生活垃圾处理的主要方式.MSWI过程产生的氮氧化物(nitrogen oxides,NOx)是大气中的主要污染物之一.为了在控制NOx排放的同时保证燃烧效率,提出一种基于多目标粒子群算法的MSWI过程风量智能优化设定方法.首先,结合最大相关最小冗余算法及前馈神经网络,建立燃烧效率和氮氧化物排放浓度预测模型;然后,提出分阶段多目标粒子群优化算法(staged multi-objective particle swarm optimization,SMOPSO),获得一次风流量和二次风流量的Pareto优化解集;此外,设计效用函数,确定一次风流量和二次风流量的最优设定值;最后,基于国内某城市固废焚烧厂的实际运行数据,验证所提方法的有效性.

摘要:为了提高跟踪算法在目标发生形变和被遮挡时的准确性,提出一种融合HOG(histogram of oriented gradient)特征和注意力模型的孪生目标跟踪算法.首先,采用对ResNet残差模型改进后的CIR(cropping inside residual)模型塑造孪生目标跟踪网络的骨干网络,充分利用不同层次的特征图,同时加深网络;其次,融入HOG特征,增强网络对图形几何变化的鲁棒性;再次,加入CBAM(convolutional block attention module)注意力模型,使网络能够在结合上下文信息的同时调节HOG特征在特征图中所占比例,增强特征图中的有效特征,弱化无效特征,使网络中各特征图发挥出最好的效果;最后,定义算法的损失函数.实验结果表明,所提算法在GOT-10k数据集上进行训练后,能够在OTB100上获得较好的跟踪效果,在该数据集中精确率和成功率分别达到81.9%和60.6%.在目标物体发生形变和被遮挡的情况下,所提算法仍能取得较好的跟踪效果.

摘要:多目标跟踪在视频监控领域有重要的应用价值.随着卷积神经网络(convolutional neural networks,CNN),尤其是图神经网络(graph neural networks,GNN)的发展,多目标跟踪的研究现阶段取得了很大突破.其中,图神经网络由于引入目标-轨迹间的关系建模,显示出更稳定的跟踪性能.然而,已有的基于GNN的多目标跟踪方法都仅在连续两帧之间建立全局关系模型,忽视了帧内目标与周围其他目标的交互,没有考虑在帧内建立合适的局部关系模型.为了解决该问题,提出基于帧内关系建模和自注意力融合模型(INAF-GNN)的多目标跟踪方法.在帧内,INAF-GNN建立目标与邻居目标的关系图模型以获取局部跟踪特征;在帧间,INAF-GNN建立目标与轨迹关系图模型以获得全局跟踪特征,并利用注意力机制设计一个特征融合模块整合局部和全局跟踪特征.在MotChallenge行人标准数据集上进行大量的实验,与多个基于图神经网络的多目标跟踪方法相比较,结果显示,MOTA指标提高1.9%,IDF1指标提高3.6%.同时,在UA-DETRAC车辆数据集上的验证测试表明了所提出方法的有效性和泛化能力.

摘要:随着无人机技术的不断发展,无人机多目标跟踪已成为无人机应用的关键技术之一.针对无人机视频中的复杂背景干扰、遮挡、视点高度和角度多变等问题,提出一种基于注意力特征融合的无人机多目标跟踪算法.首先,将改进的卷积注意力模块引入残差网络,建立三元组注意力特征提取网络;其次,在特征金字塔网络的结构上加入新的特征融合通道,设计多尺度特征融合模块,增强模型对多尺度目标的特征表达能力;最后,根据目标的重识别特征匹配与检测框匹配得到目标轨迹.仿真实验结果表明,该算法可有效提升无人机多目标跟踪的精度,具有较好的鲁棒性.

摘要:针对黑猩猩优化算法存在易陷入局部最优、收敛速度慢、寻优精度低等缺陷,提出混合改进策略的黑猩猩优化算法(SLWChOA).首先,利用Sobol序列初始化种群,增加种群的随机性和多样性,为算法全局寻优奠定基础;其次,引入基于凸透镜成像的反向学习策略,将其应用到当前最优个体上产生新的个体,提高算法的收敛精度和速度;同时,将水波动态自适应因子添加到攻击者位置更新处,增强算法跳出局部最优的能力;最后,通过10个基准测试函数、Wilcoxon秩和检验以及部分CEC2014函数进行仿真实验来评价改进算法的寻优性能,实验结果表明,所提算法在寻优精度、收敛速度和鲁棒性上均较对比算法有较大提升.另外,通过一个机械优化设计实验进行测试分析,进一步验证了SLWChOA的可行性和适用性.

摘要:针对电商平台物流中的碳排放成本较大以及配送过程中配送员收益不均衡的情况,为满足平台减少物流成本和人力成本的需求,提高车辆配送效率,降低碳排放量,实现低碳绿色出行,研究带有时间窗、配送收益均衡的多目标绿色车辆路径规划问题,并设计混合智能求解算法.首先,建立基于行驶速度的燃油消耗、基于模糊客户满意度的惩罚成本和配送收益均衡函数,构建以最小化燃油消耗量、惩罚成本和配送收益方差为目标的多目标绿色车辆路径模型;然后,将变邻域搜索算子融入NSGA-II算法,设计求解上述模型的多目标进化优化算法,以提高算法的寻优性能;最后,选择Solomon中的18个测试数据集进行实验,通过与2个模型和3种算法的超体积值和knee点值进行对比,验证所提出模型的可行性和算法的有效性,为降低碳排放量、实现低碳绿色出行提供新方案.

摘要:为满足太阳能无人机对长航时飞行和高载重能力的需求,研究能源系统的储能均衡控制问题.通过将太阳能无人机中每个由光伏-储能-输出单元组成的发电节点作为一个智能体,设计基于多智能体的分布式控制器并给出满足系统约束的控制算法,实现储能单元荷电状态的一致性.分别针对连续系统模型和离散系统模型给出分布式控制协议,并通过理论分析说明连续和离散的控制协议均可实现控制目标.通过搭建半实物平台进行实测验证,采用光伏模拟器和电子负载模拟能源系统运行的外部环境,以18650锂离子电池作为储能单元,实验结果表明,分布式协同控制协议能够有效地解决光伏功率不均及电池参数差异导致的不均衡问题,使系统的充放电深度得以有效提升.

摘要:在水面无人艇(USV)编队控制中,控制效果易受系统初始状态和内外部扰动的影响.为此,研究一类具有复杂干扰下的USV编队控制问题,结合固定时间扰动观测器提出一种领航-跟随编队控制方法.首先,提出一种基于固定时间滑模的跟踪控制(FTSM-TC)策略,在固定时间内保证领航艇快速跟踪期望轨迹;然后,为处理内外部未知干扰设计固定时间扰动观测器(FTDO),从而保证在固定时间内对编队系统中的未建模动态和外部复杂干扰进行精确辨识.所提出的基于FTDO的编队控制(FTDO-FC)策略,使编队控制系统在固定时间内收敛并保持稳定的期望队形,仿真结果表明,所设计控制方法能够有效解决存在复杂未知扰动情况下的USV编队控制问题,且收敛时间与系统初始状态无关.

摘要:针对多自主水下机器人的一致性跟踪问题,提出一种基于新型分布式观测器的一致性跟踪策略.对于具有未知非线性动态的引导者,首先利用确定学习理论将引导者的未知动态表示为具有常数权值的径向基函数神经网络;然后,设计一种新型的分布式观测器,并证明其观测误差能够指数收敛到零的小邻域内;接着,利用观测到的引导者状态信息,通过反步法和动态面技术为每个跟随者设计分布式跟踪控制器,通过Lyapunov稳定性分析,证明闭环系统中所有信号都是最终一致有界的,且跟随者的跟踪误差能够收敛到原点的小邻域内;最后,通过仿真验证所提出方案的有效性.

摘要:路径规划是移动机器人未知环境探索的关键问题,路径点的合理规划对提高环境探索的效率和环境场预测的准确性至关重要.基于强化学习范式,提出一种适用于静态环境场探索的移动机器人在线信息路径规划方法.针对基于模型训练算法计算成本高的问题,通过机器人与环境的交互作用,采用动作价值评估的方法来学习所获取的环境场历史信息,提高机器人实时规划能力.为了提高环境预测准确性,引入基于置信度上界的动作选择方法来平衡探索未知区域与利用已有信息,鼓励机器人向更多未知区域进行全场特征探索,同时避免因探索区域有限而陷入局部极值.仿真实验中,环境场分别采用高斯分布和Ackley函数模型.结果表明,所提算法能够实现机器人环境探索路径点的在线决策,准确有效地捕捉全场和局部环境特征.

摘要:针对存在线性外部干扰和状态反馈过程中发生丢包的网络控制系统的跟踪控制问题,采用输出调节的思想,提出基于离轨策略强化学习的数据驱动最优输出调节控制方法,实现仅利用在线数据即可求解控制策略.首先,对系统状态在网络传输过程存在丢包的情况,利用史密斯预估器重构系统的状态;然后基于输出调节控制框架,提出一种基于离轨策略强化学习的数据驱动最优控制算法,在系统状态发生丢包时仅利用在线数据计算反馈增益,在求解反馈增益过程中找到与求解输出调节问题的联系;接着基于求解反馈增益过程中得到的与输出调节问题中求解调节器方程相关的参数,计算前馈增益的无模型解;最后,通过仿真结果验证所提出方法的有效性.

摘要:针对伺服电机驱动的连铸结晶器控制系统执行器输入饱和和状态受限问题,同时考虑系统存在负载扰动、参数摄动等不确定性问题,提出一种基于扩张状态观测器的跟踪误差预设性能反步控制策略.首先,针对执行器输入饱和问题,建立系统的数学模型;然后,采用一种线性扩张状态观测器实时观测系统时变负载扰动、参数摄动等不确定性,并对观测误差的收敛性进行分析;接着,针对伺服电机电流饱和与跟踪误差预设性能控制问题,通过引入辅助状态变量确保系统跟踪误差限定在允许范围内,设计基于扩张状态观测器的反步(Backstepping)控制器;最后,根据Lyapunov稳定性理论证明闭环系统的稳定性,并通过系统仿真验证所提出控制策略的有效性.

摘要:针对离散时间系统的多周期干扰抑制问题,提出一种离散滑模多周期重复控制器设计方法.利用非线性幂次函数设计新型离散趋近律,将周期差分等效干扰以加权形式嵌入到趋近律中,构造带干扰补偿作用的离散趋近律,并据此设计离散滑模多周期重复控制器.为了进行控制器参数整定和表征闭环系统的收敛性能,推导准滑模域边界层的表达式.所提出控制方法既能够消除多周期干扰信号,也能够减小准滑模域边界层.数值仿真验证了所提出控制方法的有效性.

摘要:针对具有量化输入饱和及输出受限的非线性非仿射系统,提出固定时间自适应神经网络跟踪控制方法.引入中值定理解决系统具有非仿射结构的问题;基于反步法,使用Barrier Lyapunov函数约束系统输出,并利用RBF神经网络逼近未知函数;根据固定时间控制理论设计输入信号,该输入信号由滞后量化器量化,以降低控制信号的通信速率,并保证该系统在满足量化输入饱和及输出受限的条件下,系统可以在固定时间内跟踪上期望信号,且该系统收敛时间与初始状态无关.最后通过Matlab仿真软件验证所设计控制器的有效性.

摘要:针对传统幂次趋近律存在的抖振以及全局收敛缓慢的问题,提出一种新型复合滑模趋近律,该趋近律通过引入正切函数以及对传统幂次趋近律的改进,实现趋近律的快速收敛和无抖振特性.首先,引入正切函数,在初始状态已知的情况下使系统更快地收敛;其次,通过设计的趋近律改进传统幂次趋近律中含符号函数乘积项容易引起的抖振;然后,理论证明新型复合趋近律能够快速收敛且无抖振,并推导出趋近速率及稳态误差界;最后,以直线磁悬浮同步电动机磁悬浮系统为例,与双幂次趋近律和多幂次趋近律仿真对比,进一步验证新型复合趋近律能够明显缩短系统的动态过程并消除抖振,且存在模型不确定性及外加干扰作用下,系统仍能迅速地收敛到平衡点附近的领域内.

摘要:针对带有输出死区的多智能体系统的一致性控制问题,提出一种可预设时间的事件触发式协同控制方法.输出死区现象普遍存在于实际系统,对控制回路中负反馈调节影响较大,会导致系统控制性能的下降.为此,通过结合Nussbaum函数对输出死区特性进行补偿,以削弱其对系统性能的影响,但上述问题解决的同时也会加剧对系统控制传输资源的占用.由于多智能体系统依靠智能体之间频繁的信息交互实现控制目标,自身传输资源有限.考虑到实际系统的限制,利用事件触发控制策略节省系统的控制传输资源.更进一步,为有效提高系统性能,使系统能够快速达到稳定,引入一类转换函数进行系统变换,实现系统同步误差在预设时间内收敛于紧集的目标.理论分析和仿真结果验证了所提出方法的有效性.

摘要:为使精密制造设备中定位机构实现在容许的误差带内对时变轨迹的精准无偏跟踪,针对约束不确定系统提出一种基于鲁棒控制不变(RCI)集的误差有界且无偏模型预测控制(EOMPC)方法.首先,为了消除由扰动引起的稳态误差,构建包含可测输出、估计状态和估计扰动的增广系统作为EOMPC的预测模型以提高预测精度;其次,基于增广系统和轨迹模型,使用可以在有限步内终止的迭代方法求解RCI集,并将其作为最优控制问题(OCP)中的状态约束以实现误差有界的跟踪;然后,为保障OCP的实时性,给出一种可在线执行的数值优化方案;最后,在磁悬浮定位系统上验证了所提出方法的有效性.

摘要:为了提高变压器故障诊断精度,提出一种基于改进SSA优化MDS-SVM的变压器故障诊断方法.首先,利用多维尺度缩放法(multiple dimensional scaling,MDS)对20维变压器故障特征数据进行特征提取,降低高维数据存在的稀疏性和多重共线性;其次,引入樽海鞘群算法(salp swarm algorithm,SSA),并对该算法进行改进,增置信赖机制和突变,以提高算法的收敛速度和收敛能力;然后,通过与原始SSA、PSO、GWO和$ \beta $-GWO算法进行寻优测试对比来验证改进SSA算法的优越性;最后,使用改进SSA算法对MDS降低维数和支持向量机(support vector machine,SVM)的参数联合寻优,构建新的故障诊断模型.分析并比较其与常用算法优化的SVM故障诊断模型、BP神经网络(back propagation neural network,BPNN)、K最近邻(K-nearest neighbor,KNN)以及随机森林(random forest,RF)故障诊断模型的故障诊断精确度,结果表明,基于改进SSA的MDS-SVM变压器故障诊断模型的精确度高于其他算法模型,且泛化能力较强.

摘要:基于运动想象的脑电信号是用户在执行不同运动想象任务时采集到的不同脑区的电信号.受到用户的大脑结构和头皮状态等因素影响,采集到的运动想象任务信号之间混乱,从而导致大量信号被错分.鉴于此,提出一种基于改进深度森林的运动想象任务信号分类方法.首先,利用变长粒子群算法强大的寻优能力,为深度森林中每一层的随机森林和完全随机森林预测的类概率值搜寻最优权重;然后,将此权重赋予对应的类概率值,以此实现对结果修正目的;最后,利用BCI竞赛IV的数据集2a评估所提出方法的有效性.实验结果表明,相比传统的深度森林,该方法对四分类运动想象脑电信号实现了更高的分类准确率.所提出方法根据分类器预测的结果进行学习,对于提升分类器性能的研究具有重要意义.

摘要:在实际生产过程中,生产调度和设备维护相互影响,因此两者应该统筹优化.为研究具有预防性维护的分布式柔性作业车间调度问题,以最小化最大完工时间为目标,提出一种双种群混合遗传算法.结合问题特性,设计三维编码以及对应的机器解码方案,采用不同的策略初始化种群以均衡一部分工厂负载,为双种群设计不同的交叉变异算子提高算法的多样性,并利用交换精英解的方法实现两个种群的协作优化,同时针对关键工厂和预防性维护操作设计相应的局部搜索.最后对比现有算法,在同构和异构工厂的算例上进行实验,使用正交试验法优化算法参数设置.实验结果验证了局部搜索以及种群协作的有效性和双种群混合遗传算法求解具有预防性维护的分布式柔性作业车间调度问题的优越性.

摘要:随着新能源和绿色物流等政策的出台,电动车逐渐成为物流配送的主要运输工具.考虑到电动车的电池容量、充电时间、耗电率和充电站位置等因素,研究载重影响耗电率的电动车车辆路径问题,建立以总成本最小化为目标的混合整数规划模型.结合禁忌搜索算法的思想,设计改进的自适应大邻域搜索算法对其求解,在该算法中,开发多种基于模型特性的破坏算子和修复算子以提高求解效率.通过算例求解验证模型和算法的有效性,为物流企业电动车配送方案的规划提供一定的决策依据.

摘要:考虑到生产力波动、现场条件改变等不确定性因素的影响,工程项目的进度管理一般采用计划评审技术(program evaluation and review technique,PERT)网络模型,并以未按期完工概率作为重要的进度风险分析指标.针对工程项目的未按期完工概率估算,基于区域分解法,提出一种新型的数值模拟算法.针对PERT网络中的任一路径,将该路径的工期超出目标工期的事件定义为基本事件,从而将项目的未按期完工事件表示为所有基本事件的并集.所提出算法通过估计基本事件间的交集程度,对基本事件的概率求和进行折减,从而估算项目的未按期完工概率.通过算例验证,所提出模拟算法具有较好的估算准确度,且与蒙特卡罗方法相比有明显的计算效率提升.

摘要:针对集货需求可拆分的多越库中心库门分配及车辆路径协同优化问题,综合考虑多越库中心共同配送、集货需求可拆分、库内操作等因素,以车辆派遣成本、车辆油耗成本、库内叉车固定成本和运输成本以及时间窗惩罚成本之和最小化为目标,建立优化模型.根据问题特征,设计混合遗传算法求解.该算法在交叉变异中引入具有方向性的粒子群寻优,采取进化逆转和保留最优个体策略改善求解质量.通过多组算例验证算法的有效性,并分析配送模式以及车辆类型对配送方案制定的影响.结果表明,所提出模式能有效降低越库中心运营成本.研究成果不仅可以丰富越库配送模式下的车辆路径问题研究,也为多越库中心物流企业合理利用资源制定科学的配送方案提供理论依据.

摘要:研究一类考虑多编组站协调分工的枢纽重空车流组织优化问题.基于枢纽内各编组站到达、解体、集结、编组、发车及转站能力限制,以重空车流进站走行、出站走行、转站走行、解体及集结总费用最小化为目标构建数学模型.鉴于传统算法求解大规模线性规划效率低下的缺陷,设计两阶段综合求解策略,根据到发约束组生成列车-编组站匹配方案,利用解集编约束组对匹配方案进行初次调整,再利用转站约束对匹配方案进行二次调整,从而得到列车-编组站初始匹配方案集合.在此基础上,对列车-编组站匹配方案进行编码,设置优选因子并据此从初始匹配方案集合中筛选出优选方案集,给出嵌入替换-自变异-交互更新的异步循环启发式,完成对优选方案集的群体迭代寻优.最后通过设计实验场景对模型的准确性以及所提方法的有效性进行验证.

摘要:面向共享汽车系统的运营商与潜在用户,针对实现最大利润的空车调度问题,同时考虑乘客需求信息的不确定性对调度过程的影响,利用基于可调决策规则的鲁棒优化方法进行建模与求解.在共享汽车系统中,乘客的出行需求是不确定的,给出相应的不确定集合描述,将乘客的出行需求限制在一定的区间内,并灵活限制时间上的乘客需求之和,以减小模型的保守性.在此基础上引入可调决策规则,使得空车调度的策略可以根据已实现的需求进行调整,提出空车调度的鲁棒优化模型及其可解的线性规划形式.仿真实验利用真实的滴滴订单信息模拟用户使用共享汽车出行的需求,展示该模型所提出的空车调度策略(相较于确定性模型)会投入更多的费用在空车调度上,使运营商在平均意义和最差情况下均获得更大的利润并满足更多的乘客需求,表明所提出模型的鲁棒性和实用性.

摘要:对抗样本能够作为训练数据辅助提高模型的表达能力,还能够评估深度学习模型的稳健性.然而,通过在一个小的矩阵范数内扰乱原始数据点的生成方式,使得对抗样本的规模受限于原始数据.为了更高效地获得任意数量的对抗样本,探索一种不受原始数据限制的对抗样本生成方式具有重要意义.鉴于此,提出一种基于生成对抗网络的对抗样本生成模型(multiple attack generative adversarial networks, M-AttGAN).首先,将模型设计为同时训练2组生成对抗网络,分别对原始数据样本分布和模型潜在空间下的扰动分布进行建模;然后,训练完成的M-AttGAN能够不受限制地高效生成带有扰动的对抗样本,为对抗训练和提高深度神经网络的稳健性提供更多可能性;最后,通过MNIST和CIFAT-10数据集上的多组实验,验证利用生成对抗网络对数据分布良好的学习能力进行对抗样本生成是可行的.实验结果表明,相较于常规攻击方法,M-AttGAN不仅能够脱离原始数据的限制生成高质量的对抗样本,而且样本具备良好的攻击性和攻击迁移能力.

摘要:日间PM2.5浓度受本地和邻近地区的多重因素影响,具有高度不确定性和不稳定性.常见的PM2.5实值序列和区间序列分别反映其日均和极值波动状况,三角模糊序列将两者优点相结合可包含更多的有效信息.基于此,提出基于多元经验模态分解(multiple empirical mode decomposition,MEMD)和空间层次聚类的PM2.5三角模糊序列多因子组合预测模型.首先,运用皮尔曼相关系数分析PM2.5与本地污染物浓度、气象要素间的关联度,选取本地影响因子;其次,计算PM2.5与空间污染物浓度间的关联度,并据此对邻近城市K-means空间聚类得到核心影响、一般影响和偏远影响城市群,并统计各城市群不同污染物的综合指数,即空间影响因子;进而,利用MEMD对PM2.5和影响因子的三角模糊序列同时进行分解,重构得到高频、低频以及趋势序列;最后,运用BP神经网络、长短记忆神经网络(long short-term memory,LSTM)、最小二乘支持向量回归(least squares support vector regression, LSSVR)分别对子序列进行多输入单输出的预测,并将上述单项预测结果相加,即得到PM2.5三角模糊序列的预测值.仿真实验结果表明,所提出的模型能够充分考虑气象条件和多种污染物的空间影响,具有较强的预测精度和良好的实用性.

摘要:针对已有概率犹豫模糊熵测度构造复杂、区分能力弱等缺点,提出一种混合型概率犹豫模糊熵测度.混合型熵测度能够综合反映概率犹豫模糊元所具有的个体不确定性和整体不确定性,具有结构简单、物理意义明确、区分能力强等优势.在概率犹豫模糊元规范化的基础上,基于混合型熵测度的构造理念所设计的混合型交叉熵测度,能够克服已有交叉熵测度的设计缺陷,综合反映两个概率犹豫模糊元之间的个体区分度和整体区分度,且具有自然的对称性.基于混合型熵测度和交叉熵测度,进一步设计概率犹豫模糊环境下的多属性决策方法,并将其应用于无人机集群作战效能评估.数值和理论分析结果表明,所提出的混合型概率犹豫模糊熵和交叉熵测度能够成对设计,互为印证,具有广泛的应用前景.

摘要:在对各类重大突发疫情进行建模拟合时,参数取值一直是困扰众多学者的重要现实难题,现有研究大多参考相关文献或结合医学实验选取某一固定参数.为克服这种固定参数取值的局限性,基于数据驱动的逆向思维,借助欧拉差分变换和线性方程组解的特性,构建一种疫情传染扩散参数动态更新策略,可以帮助决策者结合疫情实时更新的状态数据,反推计算最佳的疫情传播扩散参数.以武汉新冠肺炎疫情相关数据进行算例测试,结果表明,结合所设计的参数动态更新策略,能够有效地提升重大突发疫情演化预测的准确性,这对于政府应急资源的精准配置具有重要的决策支持作用.

摘要:首先,针对具有多个时滞的积分时滞系统,建立新的基于线性矩阵不等式的稳定性条件.该条件与正整数k有关,给出$k=1$时该条件与现有结果间的关系.该关系表明所提出条件在$k\geqslant2$时的保守性比现有结果小;然后,基于所提出的稳定性条件,进一步研究具有参数不确定性的积分时滞系统的鲁棒稳定性问题,建立基于线性矩阵不等式的充分条件;最后,利用所提出方法,研究具有多个离散时滞和分布时滞的积分时滞系统的稳定性问题.数值算例结果表明了所提出稳定性判据的有效性.

摘要:针对一类受多有色噪声和多随机脉冲干扰的非线性系统(其中系统连续动态中的多随机噪声包含乘性和加性有色噪声且离散动态中多随机脉冲幅值的类型由一个齐次不可约非周期Markov链决定),分别提出概率意义和矩意义下的噪声-状态稳定性、概率意义下的全局渐近稳定性、矩意义下的指数稳定性判据.在脉冲数量受模态依赖平均脉冲区间约束下,首先基于乘性随机噪声的估计和Lyapunov函数方法,分别研究系统在矩意义下的噪声到状态稳定性和指数稳定性判据;然后基于乘性随机噪声满足大数定律的假设和Lyapunov函数方法,分别给出系统在概率意义下的噪声-状态稳定和全局渐近稳定的充分条件;最后通过仿真结果验证所提出稳定性判别准则的有效性.