摘要:供应链安全稳定是大国经济循环畅通的关键. 在当今全球供应链竞争日趋激烈的背景下, 供应链中断风险随之升高, 维护供应链安全成为提升我国国际竞争力的重要保障. 在此情形下, 供应链安全日益受到学术界和业界的关注与重视. 然而, 既有关于供应链安全的直接相关研究较为零散, 研究问题凝练不足. 为推进此项研究进展, 本研究基于2001年 \begin{document}$ \sim $\end{document} 2024年发表在国内外供应链安全领域的中英文文献进行系统性综述, 从供应链安全的概念、维度、理论、前因、效果、研究方法与衡量指标等7个方面进行回顾与梳理, 构建以供应链安全为核心的研究框架, 进而提出供应链安全在未来研究中的主要方向. 这为推动我国企业维护供应链安全, 进行高质量的可持续发展提供一定的理论与实践指导.

摘要:研究有限域上多智能体系统的一致性与可控性,对包括传感器网络、机器人网络等在内的复杂系统的控制与应用具有广泛的应用价值.首先综述有限域上多智能体系统的一致性,从有无时滞及拓扑结构变化的角度,梳理了达到一致性的代数判据与图论判据的异同以及联系;其次论述了有限域上多智能体系统的可控性,归纳总结了影响可控性的5个要素,包括系统的模型、 拓扑结构、领航者的选取、域的阶数以及可控性下标;最后总结全文并提出潜在的研究方向.

摘要:多式联运可有效提高物流企业的运作效率并降低经营成本,是现代物流的未来发展趋势之一.然而,其路径规划问题常常存在许多非线性约束,传统的精确算法在求解时也面临着模糊性、特殊性、动态性、高维性等挑战.鉴于仿生算法模拟生物系统时的智能优势在解决这一类复杂组合优化问题时具备广泛性和高效性,研究近年来基于多式联运路径规划的仿生算法,并将其分为3类:群智能算法、进化算法和基于物理的仿生算法,分别罗列了多式联运路径规划问题涉及到的特殊背景、关键特征和未来研究方向,广泛对比、分析了该问题下各仿生算法的原理、改进、优点和局限性,并为不同问题下的特殊场景提供了合适的仿生算法.最后,讨论了多式联运路径规划问题目前面临的挑战和未来的研究方向.

摘要:母舰-舰载机协同路径规划问题(MVCRP)作为一类新兴的复杂组合优化问题,近年来得到越来越多的关注和研究.针对MVCRP的概念内涵进行论述,对其与卡车-无人机协同路径规划问题的主要区别进行辨析,描述其在海事巡航执法、海上设施巡检、船只排放监测及海上搜索救援等方面的典型应用场景.基于母舰与舰载机数量形成的映射关系,对MVCRP研究进展进行系统综述,并对数学模型与求解算法方面的典型文献进行介绍分析.同时,面向油田设施巡检的多舰-单机协同作业模式,提出一个新的混合整数二阶锥规划模型.最后,从时间窗、多港口、可变速度、母舰多行程、复杂形状目标以及不确定性等方面对MVCRP的未来研究方向进行展望.

摘要:精确地把握空气质量指数(AQI）的实时动态演变规律对大气污染防治和城市公共卫生治理至关重要.因此,通过构建三维空间张量,将AQI特征信息由时间维度扩展至时空维度,并提出一种基于多尺度三维卷积注意力机制的时空预测网络模型,以提高AQI预测精度.预测方法首先对相关影响因素数据进行有效筛选.其次,将AQI数据及其影响因素分解为不同模态下的子序列.进而,基于时间、空间地理位置和影响因素3个维度,构建三维空间张量,以反映AQI数据的时空特征演变.然后,设计三维卷积注意力机制网络模型对子序列进行预测,以有效提取AQI与其影响因素之间的关键时空关联性特征.通过学习局部AQI序列特征的重要程度,该模型能够对空间时域信息赋予不同权重,以增强关键信息的影响力.将所提出的方法应用于3大城市群2019年sim2024年的日度AQI预测,结果表明,该方法适用于具有时空属性的AQI预测,与现有方法相比具有更高的预测精度和适用性.

摘要:为了推进城市物流配送领域的节能减排,提出时间-位置依赖型多目标绿色车辆路径问题.首先,提出考虑不同情形交通拥堵状况下的车辆行驶时间计算方法,综合考虑车辆行驶速度动态变化、实时载重等因素对油耗和碳排放的影响,建立车辆油耗和碳排放测度模型;然后,分析车辆配送时刻与顾客满意度间的关系,建立顾客满意度函数;接着,以车辆使用成本、油耗和碳排放成本和最小化以及顾客平均满意度最大化作为优化目标,构建数学模型;最后,设计一种改进的头脑风暴优化算法进行求解.实验结果表明,所构建模型和所提出算法能够在物流配送的多个目标间取得平衡,有效规避交通拥堵,降低物流配送总成本,减少油耗和碳排放,提高顾客满意度.

摘要:面向电力自动化领域,针对在遥感影像关键地物信息提取过程中,地物类别分布不均衡和不同域场景风格差异较大带来提取效果一般的问题,采用一种改进Deeplabv3+语义分割网络.首先,在主干网络ResNet101中使用IBN模块,用于增强模型对风格差异较大的遥感影像的泛化能力,同时为了进一步提高模型的分割精度,在网络中加入SE模块,加强重要的通道信息,缓解信息丢失问题;然后,损失函数使用Dice+Focal的联合损失函数,Dice Loss损失函数可缓解类别分布不均衡对小目标提取的影响,Focal Loss损失函数不仅可以使得模型更关注分类困难的目标,还可以改善Dice Loss造成的网络训练的不稳定.实验结果表明:所提出改进Deeplabv3+与原Deeplabv3+模型相比,将F1-Score提高了7.78%,Intersection over Union提高了5.78%;与其他主流语义分割模型(包括FCN、UNet、SegNet)相比,所提出改进Deeplabv3+在地物提取中实现了更好的分割精度.

摘要:在竹片表面缺陷检测中,竹片表面缺陷形状各异,成像环境脏乱,现有基于卷积神经网络(CNN)的目标检测方法面对这样特定的数据时检测准确率较低;竹片来源复杂且有其他条件限制,例如不同季节成色各异等限制,无法采集所有类型的数据,导致竹片表面缺陷数据量少,以至于CNN不能充分学习.针对以上问题,提出一种改进的ResNet50网络与迁移学习结合的竹片缺陷识别方法.首先,将获得的正负样本数据按照一定比例分为训练集、验证集和测试集;其次,利用OTSU算法和LBP算法对竹片图像进行二值化处理和特征提取,以减少噪音影响;最后,将ResNet50作为骨干网络加入$L_2$正则化和标签平滑与迁移学习结合,得到适应于竹片缺陷检测识别的优化模型.将所提检测网络与VGG16、DenseNet121、ResNet50以及目前常用于工业检测的YOLOv3分别在相同比例训练测试集上进行训练和测试.实验结果表明,在竹片数据集上所提检测网络的平均精度均值(mAP)比VGG16、DenseNet121、YOLOv3和ResNet50分别提高了23.45%、18.6%、19.51%和2.76%.所提方法能够针对形状各异的竹片表面缺陷进行有效检测,且降低时间消耗,在实际工业运用中具有很好的效果.

摘要:功率预测是实现电能供需平衡、维持电网稳定运行的一项重要任务.随着分布式海上光伏系统的发展,光伏利用率不断提升,同时对光伏功率预测提出了更高的要求.针对机器学习方法在光伏功率时间序列预测中存在的样本数量不足、预测精度低以及隐私泄露等问题,提出一种基于联邦学习和变分模态分解的长短期记忆神经网络功率预测模型(long short-term memory neural network power forecasting model based on federated learning and variational mode decomposition,FL-VMD-LSTM).利用主成分分析法和三次样条插值对气象数据进行预处理,同时利用VMD将光伏功率时间序列分解为多个分量进行分步预测,降低光伏功率时间序列的非平稳性和复杂度.通过横向联邦学习的本地训练和参数聚合方法,实现在保证数据隐私安全情况下的光伏功率预测.通过4个算例进行仿真实验,验证结果表明FL-VMD-LSTM模型在光伏功率预测方面具有较高精度,与传统算法相比,RMSE和MAE分别降低了55.7%和55.5%.

摘要:由地方政府委托回收商回收处置低值可回收物的委托代理系统中,回收商的能力类型和努力水平是其私有信息,导致了双重不对称信息问题,而回收商的公平偏好也对地方政府委托合同的实施效果产生影响.考虑双重信息不对称下回收商具有横向公平偏好的激励机制设计问题,构建完全理性、劣势和占优不公平偏好下的低值可回收物回收处置系统的激励机制模型,刻画最优的契约特征.研究表明:劣势不公平偏好下以按量补贴为主有助于抵消嫉妒负效用的影响,激励回收商付出最佳努力水平;而在占优不公平偏好下,回收商接受契约的收益高于同行业平均收益,此时应转变为以固定补贴为主,保证回收商的基本利益更能调动回收商的积极性.同时发现,在所提供最优契约下,回收商的劣势不公平偏好强度越高或占优不公平偏好强度越低,低值可回收物的回收处置越充分,委托代理双方收益越高.

摘要:相比于刚性连杆并联机器人, 绳驱并联机器人(cable-driven parallel robot, CDPR)存在结构简单轻盈、工作空间大、响应速度快及成本低廉等优点, 非常适合极端空间环境. 然而, 由于电机、绳索和末端执行器之间存在复杂的耦合关系, CDPR工作空间和刚度的求解具有挑战性. 基于此, 提出一种四绳驱动并联机器人工作空8间与刚度的建模、分析及优化方法, 用于指导CDPR动锚点位置设计决策. 首先, 建立考虑滑轮模型的CDPR运动学模型, 并通过优化方法对CDPR“电机-绳索-末端”多层运动学进行求解; 然后, 建立CDPR的工作空间, 并给出工作空间优化的求解方法; 进一步地, 推导CDPR的刚度模型, 并给出刚度优化的求解方法; 最后, 根据优化后的工作空间与刚度模型, 对CDPR的动平台锚点位置设计决策进行优化. 数值仿真和实验验证了所提出方法的正确性与有效性.

摘要:研究存在惯性参数不确定性和外部干扰的刚体航天器系统的预设时间姿态跟踪控制.基于刚体航天器的二阶全驱动力学模型,利用全驱系统理论构造一种有限时间扩张状态观测器.在此基础上,通过引入可调参数设计一种新型的可调预设时间姿态跟踪控制策略.该控制策略的优点是控制系统状态的收敛时间不仅小于预设时间上界,还可以通过引入的控制参数直接调节其快慢.利用Lyapunov稳定性理论证明扩张状态观测器的收敛性和闭环控制系统的稳定性,最后通过数值仿真验证了所设计控制器的有效性.

摘要:人员能力评估是政府、企业确立岗位要求,选拔、任命优秀人才,制定培训计划,优化人才结构,促进发展的前提和基础.由于人员能力具有潜在性、模糊性、动态性,且评估专家存在个人偏好、有限理性和经验局限,对关键人员岗位胜任能力进行客观准确评估非常困难.作为一种处理不确定信息的数据融合方法,证据理论能够契合关键人员评估的自然过程.鉴于此,按照关键人员胜任能力评估的自然实操过程,分析人员胜任能力评估中各类数据、信息特征和证据合成过程,考虑评估过程的复杂性和多阶段性以及评估专家的有限理性和偏好,提出一种基于证据理论与偏好信息的多阶段多源证据融合的人员胜任能力评估决策方法,并以某校职称评审为例进行实例研究.

摘要:针对多机器人路径鲁棒规划时存在节点耦合度高导致求解方案可靠性低的问题,提出耦合度矩阵概念并给出基于耦合度矩阵的安全区间多机器人路径k鲁棒规划(CkR-SIPP)算法.首先,根据路径规划方案统计全局地图节点耦合度信息形成耦合度矩阵,在规划过程中不断更新该矩阵.其次,引入安全区间避免机器人之间发生冲突,采用带k时间扩展的A*算法作为多机器人底层路径规划算法,其中k为设定的鲁棒因子,可在多机器人的时空关系中处理鲁棒规划问题.同时,以耦合度矩阵中的信息作为寻路约束反馈给带k时间扩展的A*算法,尽量避免耦合度高的节点.最后,按照高优先级到低优先级的顺序,完成所有机器人的路径规划.在Benchmark地图上进行仿真测试,结果表明,所提出的CkR-SIPP算法均优于kR-CBS以及IkR-CBS算法,较kR-SIPP算法平均提高19.2%,可以有效提高多机器人路径k鲁棒规划系统的方案可靠性.

摘要:针对煤泥浮选过程中因原煤属性变化、关键变量参数波动导致的产品质量下降甚至异常工况问题,提出 一种基于分布式混合贝叶斯网络的煤泥浮选过程安全运行与产品质量一体化控制方法.该方法将煤泥浮选过程划分为若干相互关联的局部模块,并建立相应的局部混合贝叶斯网络模型;然后利用关联变量确定煤泥浮选过程的全局混合贝叶斯网络模型,有效提升建模的效率和精度.该模型在离散贝叶斯网络的基础上通过引入连续节点提升控制决策的推理精度.当煤泥浮选过程发生异常工况时,首先利用贡献图算法识别导致异常工况的局部模块,通过贝叶斯推理获取安全运行控制决策,消除异常工况;在此基础上结合模拟退火算法获取产品质量控制决策,进一步提升产品煤质量.最后,通过煤泥浮选过程仿真实验验证所提方法的有效性.

摘要:人工蜂群算法具有结构简单、易于实现等优点,但由于其探索能力较强而开采能力较弱,同时也存在求解精度较低和收敛速度较慢等不足之处,提出一种基于探采平衡的双搜索模式人工蜂群算法,包含探采控制、探采执行和探采强化3个核心模块.在探采控制阶段,根据种群以探索为主并逐渐偏向开采的演化规律设计探采指标;在探采执行阶段,根据探索与开采的实现要点设计基于差异解信息引导的搜索方程;在探采强化阶段,令跟随蜂分别按照多样性排序和目标值排序选择优质食物源继续搜索.选取传统测试函数和CEC2013测试函数进行数值实验,并与8种近年来提出的高水平人工蜂群算法进行对比,结果表明所提出算法在解质量和收敛速度等方面有较强的竞争力.最后将所提出算法用于食管癌发病风险预测模型优化,获得了满意的结果.

摘要:森林优化特征选择算法(FSFOA)具有良好的分类性能和维度缩减能力, 但其初始化森林的质量参差不齐, 局部播种和全局播种的随机性较大, 且适应度评估代价较高导致计算效率较低. 针对上述问题, 提出一种基于评分机制的类贪心森林优化特征选择算法(FSGLFOA-SM). 首先, 以每维决策变量的分类精度为其得分构建评分机制, 提出类贪心初始化策略以生成较优质的初始化森林; 其次, 提出基于评分比较的类贪心局部播种策略, 使评分相对较高的决策变量获得更大的局部播种概率; 然后, 在全局播种阶段提出类贪心遗传算子播种策略, 对候选森林择优重建并进行遗传、类贪心交叉和变异操作, 以保留评分较高的特征维度, 有利于提高全局播种阶段的分类准确率; 最后, 为解决昂贵适应度评估带来的计算效率低下问题, 建立历史数据库, 在适应度评估前先进行库内查找, 减少了重复解个体的计算量. 实验结果表明, 相比9个对比算法, FSGLFOA-SM在16个UCI数据集上的分类精度和维度缩减率更加优越.

摘要:为提高移动机器人履行系统(RMFS)的订单拣选效率,研究RMFS补货货品存储分配问题.以最大化所有货架上货品之间的关联度总和为目标构建混合整数规划模型,设计求解问题的大规模邻域搜索算法,采用贪婪算法构造初始可行解,结合问题特征定义破坏算子和修复算子,并利用数值实验验证大规模邻域搜索算法的有效性.结果表明:在贪婪算法生成初始解的基础上,大规模邻域搜索算法能有效提高解的质量,在中等和大规模算例上平均提高37.4%和21.5%.相比变邻域搜索算法,所提出算法具有更好的优化效果,在中等和大规模算例上平均提高8.9%和10.3%.此外,利用参数分析实验研究了货架数量、货位数量以及货品分散程度对目标函数值的影响.

摘要:基于状态反馈和输出反馈控制方法, 解决离散线性领导-跟随多智能体系统的二分状态一致性跟踪控制问题, 领导者具有离散自治动态并能够产生理想参考轨迹信号. 首先, 基于盖尔圆盘定理和离散代数黎卡提方程提出一种新型分布式状态反馈控制协议, 基于系统拓扑矩阵设计的控制耦合增益能够使得全局跟踪误差系统包含在单位圆的稳定域内. 在结构平衡条件下, 通过Lyapunov稳定性理论和分离原理可证明符号有向图下两个对立子组的智能体可实现二分状态一致. 然后, 基于邻居合作-竞争交互信息引入新型分布式状态观测器以实现跟随者状态的跟踪, 进而提出一类基于观测器的输出反馈二分控制协议, 在状态不可获知情况下可实现理想的领导-跟随二分状态跟踪, 也可应用于更一般的传统一致性控制场景. 最后, 给出两个仿真算例验证所提出算法的可行性和有效性.

摘要:非线性方程组问题的求解难点在于多根联解的同步解出, 针对邻域拥挤差分进化算法存在的多根解出不完整、丢根及易陷入局部最优等问题, 提出一种基于邻域交叉的双变异差分进化算法. 双变异策略基于个体适应度值综合学习邻域和全局的进化信息, 以提高种群多样性并同步增强其局部最优规避性能; 邻域交叉策略通过种群分组与不同交叉操作实现进化个体的差异性引导, 以规避多根的联解丢失并改善计算资源的利用效率. 实验结果表明, 所提算法能够有效实现非线性方程组的多根联解, 且在找根率和成功率指标上表现优异.

摘要:深入探究实际工程问题后,发现求解昂贵高维多目标优化问题的需求正在逐渐增多.一般回归模型求解这类问题时,模型累积误差和运算量会急剧增加.为更好地提高代理辅助进化算法的搜索效率,并平衡高维多目标问题中种群的收敛性与多样性,提出一种基于模糊分类预选策略的代理辅助进化算法(fuzzy classification pre-selection based surrogate-assisted multi-objective evolutionary algorithm,FCPSEA).首先,初始化种群并进行昂贵评估,凭借非支配关系与拥挤度构造两档训练样本集;然后,利用训练样本和双档案算子来较为准确地引导分类器分类;最后,提出一种基于模糊分类预选的模型管理策略,根据预测的双档案类标签与隶属度来设置模型管理策略.为验证所提算法的性能,在包含各种特征的两组测试问题上与近几年的经典算法进行对比实验.实验结果表明,所提出的算法在求解昂贵高维多目标优化问题上具有较强的竞争力.

摘要:针对有限通信带宽下的多智能体系统最优资源分配问题,研究一种周期事件触发的分布式优化算法.首先,在连续时间型分布式加权梯度算法上,通过一种新的李雅普诺夫函数综合出一种事件触发通信机制,其触发器只需以一个固定周期采样自身状态信息并评估触发条件来判断是否需要进行通信;然后,通过稳定性分析表明,所提出分布式优化算法以指数速率收敛至最优解,这种周期事件触发机制不仅自然地排除芝诺行为,而且不需要触发器进行实时的检测;最后,通过数值仿真验证了所提出分布式事件触发优化算法的有效性.

摘要:针对网络攻击下无线传感器网络中的目标跟踪,构建一种高斯混合分布式鲁棒集员滤波算法,旨在提高网络恶意攻击下移动目标跟踪的一致性和精确性.该算法可分解为校正/测量更新、聚类融合和预测/时间更新3个步骤:校正/测量更新步是指根据传感器采集的测量值更新前一时刻的状态估计(先验估计);聚类融合步是指采用高斯混合模型聚类算法对传感器节点估计进行分类,分为信任节点估计和非信任节点估计,非信任节点估计会被忽略而信任节点估计将参与融合;预测/时间更新步是指预测目标状态的先验估计,将目标的当前时刻状态估计传递至下一时刻.仿真结果表明:算法在抵御随机攻击、拒绝服务攻击、虚假数据注入攻击、重放攻击以及混合攻击这5种常见的网络攻击方式下具有较好的鲁棒性.

摘要:为了解决部分可观离散事件系统(discrete event systems, DES)的故障预测问题,提出一种基于标签时间Petri网的DES故障概率及发生时间的预测方法.首先,利用标签时间Petri网系统的修正状态类图,得到与观测到的时间标签序列一致的有效路径,从而获得初步的故障诊断结果;然后,根据检测到的故障类的概率密度分布,并结合Gauss-Kronrod积分法计算每个故障类的发生概率;接着,将时间段细分,进而预测故障类发生的时间,实现对DES的故障预防;最后,以交替位协议为实例验证所提出方法的可利用性.实验结果表明,所提出方法能够有效地估计故障发生的概率,并提供有针对性的故障发生时间信息;其应用有望在实际工业系统中提高故障诊断的效率和准确性,且能够提前预防故障的发生来降低系统故障造成的损失.

摘要:基于邻域保持嵌入(NPE)的故障诊断算法因其能够有效地提取过程数据的局部信息而被广泛应用,但是典型的NPE方法对参数选择和噪声等离群点敏感,同时忽略了过程数据的全局信息,由此提出一种基于鲁棒低秩自适应邻域保持嵌入(RLANPE)的故障诊断算法.该方法将自适应邻域嵌入、投影学习和低秩表示集成到一个框架中,在获得全局最优解的同时能有效提取数据的局部信息;进一步地,为了探索数据的全局信息并减轻异常值的影响,对RLANPE施加低秩表示约束,以增强RLANPE的特征提取能力和鲁棒性;此外,对RLANPE引入基于${l_{2,1

摘要:针对未知但有界噪声下的系统状态估计问题,提出基于粒子群优化的正交超平行空间滤波算法.首先,利用包裹系统状态可行集的超平行空间的顶点构建正交超平行空间,并将其作为粒子群迭代寻优的真实状态搜索空间;然后,利用系统的观测值构造适应度函数,判断粒子的优劣,驱动粒子在正交超平行空间移动,使得粒子分布在真实状态附近;最后,将粒子群所处的不规则高似然区域用最小的外包正交超平行空间包裹,通过线性规划求解该正交超平行空间的上下界,获得系统状态的紧致包裹.通过搭建的锂离子电池运行状态分析平台,验证所提出算法的有效性和实用性.

摘要:针对一类具有非凸输入约束和外界干扰的不确定多输入多输出严格反馈非线性系统,提出一种有限时间自适应神经网络动态面跟踪控制方案.首先,通过引入非凸约束算子,将所设计反馈控制输入转化为与其同方向具有最大幅值的实际输入向量,进而保证实际控制输入始终保持在非凸约束集合内;然后,采用径向基神经网络逼近不确定连续函数向量,以解决控制增益矩阵上下界未知情形下的控制问题,并利用不等式放缩处理未知有界干扰;接着,利用反步法设计有限时间自适应动态面跟踪控制器,保证闭环系统所有信号均为一致最终有界的,实现期望轨迹的有限时间跟踪控制;最后,给出数值仿真算例以表明所提出控制方案的有效性.

摘要:研究基于动态输出反馈的离散Markov跳变系统有限时间H_∞控制问题.针对实际系统中状态不可测和存在外界扰动的情况,提出动态输出反馈控制策略,同时基于有限时间H_∞控制理论和Markov跳变系统理论,分析闭环系统的稳定性并利用线性矩阵不等式(LMI)技术获取可行的充分条件.所提方法给出了较为宽松的矩阵不等式解耦方案,具有较大的适用范围.最后,通过数值案例验证所提控制方案的有效性.

摘要:针对多节点深空探测器附着小天体过程中的任务重规划问题研究规划约束模型和重规划算法.基于多节点协同工作机制和复杂时间约束形式,定义时间约束与系统图表示,构建描述探测器系统的分层约束图并提出多节点探测器附着任务分层验证及搜索重规划算法.算法结合二分思想和动态规划思想,具体包括分层时延满足验证机制和分层约束搜索算法两部分.通过对约束进行不同粒度的分级存储,建立突发约束的时延满足验证机制.对于整体时延无法满足全部约束的情况,基于约束点的分级匹配方法设计多粒度约束搜索算法.仿真实验表明,所提出算法能够快速生成时间约束损失代价最小的重规划结果,以满足深空探测场景下的实时自主决策需求.

摘要:针对含不确定因素的多输入多输出非线性微分代数系统,提出一种目标全息反馈鲁棒自适应控制方法(robust adaptive control with objective holographic feedbacks,RACOHF).该方法考虑到了系统模型参数的不确定性和外部扰动,同时将外部输入扰动视为模型不确定性参数的变化,在目标全息反馈控制方法的基础上,通过设计模型不确定性部分的自适应调节律,实现多目标的自适应跟踪控制.将该方法应用于中间再热式汽轮发电机组蒸汽调节阀和励磁的协调控制,结果表明,在系统部分参数不确定和存在外部扰动的情况下,所提出方法能确保发电机机端电压和有功功率等目标量在期望的工作点上运行而不发生静态偏移.与目标全息反馈非线性控制(nonlinear control with objective holographic feedbacks,NCOHF)相比,所提出的方法(RACOHF)能更好地协调系统的动、静态性能.

摘要:针对现有的不完备多视图聚类方法存在无法准确利用缺失视图的潜在信息和未能充分利用视图间的互补信息以及高阶相关性等问题,提出一种新的基于多级自表示约束的不完备多视图聚类(CMLC)方法.CMLC利用公共潜在表示来恢复缺失值,从而有效获取缺失部分的潜在信息.为了获得多视图数据的统一低秩表示, CMLC首先通过多级自表示约束捕获多视图数据内部的一致信息和视图间的互补信息,同时利用多级误差表示提高模型对噪声的鲁棒性,接着通过张量对数行列式捕获视图间的高阶相似信息,最后引入距离正则项捕获数据的局部信息.与9个对比方法在多种缺失率下的6个仿真不完备多视图数据集上进行实验对比,结果表明CMLC均获得了最好的聚类性能.

摘要:针对一类多阶段多情景多部门应急决策过程, 考虑心理偏好及多部门协同, 基于前景理论构建指标情景值矩阵和综合情景值矩阵等新矩阵, 提出恒定区间下的应急决策矩阵方法, 对事态发展进行全方面评估, 以实现科学高效决策. 给出前景值计算的矩阵形式, 使其可程序化, 能够有效应对突发事件多阶段的动态性(部门变动和方案变动), 提升决策效率. 恒定区间的引入描述了决策者的心理承受能力, 并进一步讨论恒定区间正负变化的影响以优化应急决策流程. 例如, 当承受能力增加时, 虽不改变各方案情景值的大小关系, 但可能影响最优方案的选择, 而某些情形下却不影响. 最后,针对某化工厂实例进行分析, 验证了该矩阵方法的有效性, 对处理这类应急决策具有较好的应用价值.

摘要:针对膜生物反应器(MBR)污水处理工艺易受到进水水量、水质波动等外部干扰因素的影响导致膜透水率难以准确测量的问题, 提出一种基于自适应鲁棒模糊神经网络(ARFNN)的膜透水率软测量模型. 首先, 构建一种对称抗噪损失函数, 降低了模型对外部干扰的敏感度, 提高了软测量模型的鲁棒性; 然后, 设计一种自适应梯度下降算法, 动态优化模型参数, 提升了软测量模型的检测精度; 最后, 利用李雅普诺夫函数验证了ARFNN的收敛性, 分析了模型的鲁棒性, 保证了模型的收敛速度和抗干扰能力. 将所设计的基于ARFNN的膜透水率软测量模型应用于实际的污水处理过程中, 实验结果表明, 在有外部干扰的情况下, 该模型不但能够实现膜透水率的在线检测, 而且可以获得较高的检测精度.

摘要:针对区间型动态不确定激励评价问题,提出一种新的基于组织目标达成度的随机聚合动态激励评价方法.首先,从组织整体目标出发,以立足当下(发展状态值)、面向未来(增长趋势值)的管理思维,提出一种新的融合优势概率和优势差异的指标赋权方法,以降低评估中的不确定性并提高被评价对象之间的差异度,推进决策的执行;其次,展示一种测度组织子目标平均发展水平的方法,为衡量组织整体均衡发展水平提供数据支撑;在此基础上,通过灵活的奖惩措施,提出一种新的基于组织目标达成度的激励评价方法,以引导组织目标的均衡发展;最后,通过算例的形式,展示所研究方法的特点与优势,并给出面向3种基础管理情境下的评价结论信息以及比较分析,进一步展示所研究方法在管理实践中的应用前景.

摘要:Fal函数是非线性扩张状态观测器(Fal_NESO)的核心单元,其构成的滤波器(FalFilter)对于控制系统的性能具有重要影响.通过对FalFilter和Fal函数的性能分析,提出一种在定义域内连续可导且只有一个待整定参数的CFal函数,并证明了由CFal函数构成滤波器(CFalFilter)和非线性扩张状态观测器(CFal_NESO)的可行性;然后,联合CFalFilter和CFal_NESO,得到一种带滤波器的新型观测器(CFalFilter-CFal_NESO),用于处理测量环节含噪声干扰的情况;最后,通过典型实例将CFal函数与两个改进的Fal函数进行对比实验.实验结果表明,在跟踪速度趋近条件下,CFalFilter滤波效果最佳;仅改变Fal函数参数,CFal_NESO能够更好地提取噪声环境中的信号状态,同时减小因观测器阶数增加而带来的参数整定困难;在不改变参数条件下,CFalFilter-CFal_NESO进一步提高了对带有测量噪声信号的状态跟踪性能.所提CFalFilter、CFal_NESO和CFalFilter-CFal_NESO对于大多数非线性、高阶系统的滤波和观测均能适用,具有重要的学术意义和实际应用价值.

摘要:针对具有约束的不确定主动悬架系统(active suspension system, ASS), 提出一种考虑输入和输出约束的自适应容错控制方案. 首先, 设计一个有界约束函数来同时约束车身和轮胎的垂向位移, 以实现驾驶舒适度与轮胎抓地力之间的平衡. 其次, 为了进一步提高驾驶舒适度, 针对不确定车身子系统, 提出一种考虑输入约束的自适应容错控制律, 并与设计的有界约束函数进行叠加, 得到最终的控制律. 其中, 考虑到执行器故障及ASS不确定性带来的未知项, 采用自适应控制来逼近未知项的上界, 同时引入辅助系统对输入饱和进行补偿. 最终, 分析ASS的稳定性, 并通过仿真对比验证所提出方案的有效性.

摘要:针对运动想象脑电信号解码问题提出因果稀疏特征优化方法,旨在选择因果判别特征以增强其解码准确性.首先,利用希尔伯特-黄变换(HHT)提取脑电信号各通道中的边际谱能量;然后,运用样本重加权去相关性算子(SRDO)对特征进行加权优化,以消除干扰及冗余特征与识别运动想象的判别特征间的虚假关联;在此基础上,利用亲和传播(AP)聚类算法开发特征在空间分布中的潜在关系,并结合迭代稀疏分组Lasso(iSGL),通过同时考虑组内与组间特征的重要性,对特征进行优化,以提升运动想象脑电信号的解码准确率;最后,利用支持向量机(SVM)在二分类运动想象实验数据集上进行5折交叉验证,实验结果显示其平均准确率达到了92.30%,与原特征相比提升近4%.此外,通过与不同方法的对比实验,充分验证了所提出方法的优越性,表明该方法可以作为一种推动脑-机接口发展的有力解决方案.