半定量仿真综述

半定量仿真可以充分利用定性、定量信息预测仿真对象的状态行为。半定量仿真方法主要包括:Q2、Q3、自解释仿真、模糊定性仿真、数字区间仿真以及几种半定量仿真算法的改进。近年来,半定量仿真已经成功应用于故障诊断、教育系统、经济领域、系统辨识以及工业领域等。文中指出了各种算法的优缺点,并提出了半定量仿真的发展方向。     

不确定性结构区间分析的改进Monte Carlo方法

将结构系统中的不确定性参数用区间数来表示，建立了系统的区间有限元控制方程。利用Monte Carlo数值仿真方法对区间有限元控制方程进行求解，得到了结构的位移和应力响应区间。并针对—殷Monte Carlo方法在区间仿真中存在的缺陷，对其进行了改进，使其计算效率大为提高．数值仿真算例表明：经改进的Monte Carlo方法仿真求解计算量大为减少，且能给出较高精度的响应区间，并克服了区间运算中的扩张问题。     

基于粒子群优化算法的KK分布参数估计方法

针对KK分布的参数估计,首先介绍了半经验估计法,然后提出了一种基于粒子群优化的估计方法。该方法将杂波数据统计直方图与KK分布概率密度函数在部分采样点上的差异作为代价函数,通过粒子群优化搜索参数的最优值。通过蒙特卡罗方法对半经验估计法在权重参数不同时的性能进行了仿真,然后分析了杂波数据样本点数的多少等因素对所提算法精度的影响,最后基于实测合成孔径雷达图像杂波数据对该算法进行了验证。仿真结果表明,该算法对KK分布参数具有良好的估计性能,KK分布与K分布等相比,对合成孔径雷达图像杂波数据具有更强的拟合能力。     

基于遗传算法优化模糊对模型参数的算法设计及仿真

改进了Takagi-Sugeno型模糊树模型的反向传播学习参数的方法，提出基于GA的一套完整，系统的优化模糊对模型参数的算法，其关键是选择确定祖先节点a的方式和选择哪些变量作为染色体基因，对国际标准例题的仿真表明，该方法对算法初始值的选择不敏感，能显著提高模糊树模型的建模精度，在相同模型精度条件下，则可简化样本空间的划分，降低模型的计算量。     

一种改进的紊流风模型及其仿真算法

从提高飞机飞行动力学系统仿真的逼真性出发，提出了一种新的大气紊流模型，并研究了模型的仿真实现技术。该模型是在Dryden模型的基础上改进的。通过比较．Dryden模型与Von Karman模型的功率谱，提出了改进的紊流风模型的形式，采用参数优化方法对模型参数进行优化，得到了一种更为接近Von Karman频谱的紊流风模型。在此基础上推导出该模型仿真实现的计算公式，从而形成对该模型的仿真算法。通过在频域的分析比较和时域的仿真计算验证了模型的合理性和算法的正确性。本文给出的紊流风模型及其仿真实现算法，可用于飞行模拟器的实时仿真，也能用于飞行动力学系统的非实时数字仿真计算。     

一种基于虚拟现实技术的分布式半实物仿真平台研究和实现

在分析了当前系统仿真语言和仿真软件的一些不足之后,采用了模拟现实技术,提出了一种基于虚拟现实技术的分布式半实物仿真平台。首先确定了该平台的功能和目标;然后研究了其拓扑结构,提出了面向对象的仿真系统软件开发模式,并给出了仿真的一般步骤;最后对涉及到的关键技术进行了阐述。实验系统证明：在这个平台上,可以快速灵活的开发分布式半实物仿真系统。     

基于统计同步算法的计算机外时钟同步系统设计与仿真

重点研究了基于统计同步算法的计算机外时钟同步系统的设计问题。首先对网络延迟进行测量，并得出网络延迟的对数正态分布的统计模型。然后，提出了一种PCS算法性能的软件仿真检验方法，并利用该方法对PCS算法的同步精度与概率性能进行仿真检测。结果表明，基于PCS算法的外时钟同步系统是可行、有效的，能较好地满足实际系统在同步精度与概率性能两方面的要求。     

一类随机系统的概率密度函数形状控制

本文提出了一种非线性随机系统稳态响应的概率密度函数形状控制方法.首先利用FPK方程确立了概率密度函数指数部分的Taylor展开项系数与系统控制增益间的关系,然后将概率密度函数的形状控制问题转化为一个非线性跟踪优化问题,最后针对该优化问题设计了相应的粒子群优化算法,获得了最优控制增益.仿真结果验证了本文方法的有效性.     

GPC隐式算法及其在供热控制中的仿真研究

基于理论研究和工程应用的需要，提出了广义预测隐式算法。首先介绍了具有滤波器的模型已知的基本广义预测控制（GPC）算法，然后给出了两种隐式自适应算法，一种是已知对象阶跃响应前P个参数的算法，这种算法既不需要在线递推求解Diophantine方程，也不需在线求逆；另一种是一次辨识控制器参数的算法。最后以集中供热热力站热交换过程为应用背景，对基本算法和两种隐式算法进行仿真研究，其结果证明了算法的有效性。     

一种基于区间数多指标信息的FCM聚类算法

针对一类具有不确定性区间数多指标信息的聚类分析问题，基于传统的数值信息FCM(fuzzy c-means)聚类算法，提出了一种新的聚类分析算法．首先描述了具有区间数多指标信息的聚类分析问题，其次提出并证明了基于区间数多指标信息的关于最优划分和最优聚类中心确定的两个定理．然后根据提出的两个定理，进一步给出了基于区间数信息的FCM聚类算法的迭代步骤．最后，通过一个算例说明了给出的聚类算法．     

考虑区间工时的多目标柔性作业车间节能调度

在综合考虑经济指标和环境因素基础上，研究了工件加工时间不确定的多目标柔性作业车间节能调度问题。将工件不确定加工时间描述为区间数，并以最小化最大区间完工时间、区间总能耗为目标构建区间柔性作业车间调度节能问题优化模型。同时，依据区间可能度的支配关系，设计了一种有效求解该问题的区间多目标进化算法。通过15组测试问题，分别对区间多目标进化算法、SPEA-II及NSGA-II进行仿真实验，并采用反转世代距离(inverse generation distance, IGD)和覆盖集测度(C测度)两种性能指标验证了所提算法的可行性和有效性。     

基于蒙特卡罗模拟的直觉正态云多准则群决策方法

定义了直觉正态云模型,提出了基于直觉正态云的多准则群决策方法.该方法将不同决策者给出的不确定决策信息看作是直 觉正态云中部分云滴的集合,以此对云的参数加以估计.同时,为了比较决策者对不同方案的偏好,设计了直觉正态云发生算法,并 利用该算法通过蒙特卡罗模拟生成各方案综合表现云的云滴样本并进行统计,按统计结果来对各方案综合评价云进行排序.最后实 例说明了该方法的可行性和有效性.     

有色非高斯数据PSD/PDF建模的MLE/DC方法

AR模型、混合高斯模型分别可以很好地拟合样本的功率谱和概率密度。AR模型参数估计可以使用最大似然估计法(MLE);而在各高斯分量概率密度互不重叠的条件下,使用动态簇算法(DC)则可快速而精确地估计出混合高斯模型参数。使用MLE/DC参数估计方法,并在两种方法间建立一定耦合,即可对有色非高斯数据进行准确的功率谱和概率密度建模,进而实现数据的预白与高斯化。     

基于不确定链路参数的卫星网络路由算法

对于卫星链路参数在复杂空间环境中存在不确定性的问题,研究了一种基于不确定链路参数的卫星网络路由算法。首先,采用三角模糊数描述链路参数的不确定性;在此基础上,建立卫星网络多约束路由模型;然后,设计保证路径有效性的遗传操作,通过遗传算法对路由模型进行求解;最后,通过仿真分析表明,该算法可以在复杂环境中实现高效路由,在平均时延、时延抖动和丢包率等方面有较好的效果。     

间断动力学系统实时仿真的分段组合算法

对于含有间断动力学系统的实时仿真问题，由于间断点的不确定性和实时仿真的快速性，无法直接采用定步长和变步长RK方法以及一般非实时间断仿真算法进行处理。针对间断点采用四阶实时连续RK公式进行预估和对间断区间进行平均分段处理的思想，构造并且研究了实时间断处理的分段组合算法．在舍间断点的分段区间上采用新的加权值法，其余分段区间应用不同阶次的实时RK公式，可以有效地提高实时仿真的精度。数值实验的结果表明该算法是有效可行的。     

基于区间数聚类的目标分群算法

针对态势认知中目标数量多、信息不确定、数据不精确等问题, 提出一种基于区间数聚类的目标分群算法。首先, 考虑到传感器测量数据具有误差且数据不完全等因素, 采用区间数对传感器探测到的目标进行特征描述。然后, 为有效利用区间数信息定义了一种新的距离度量, 并给出了改进的区间数聚类目标分群算法。最后, 构造4类相互独立的区间数据集, 对区间数据进行分类测试, 并通过典型想定场景设定多类目标实体, 基于目标空间位置、运动特征和属性等要素进行空间分群和任务分群。仿真结果验证了算法能够有效对目标进行分群, 具有较强的稳定性。     

一种动态不确定环境下UAV自主避障算法

在动态不确定环境下,考虑威胁障碍物的机动性和无人飞行器(unmanned aerial vehicle, UAV)携带传感器的探测误差,可有效地提高UAV执行任务的安全性和可靠性。本文在速度障碍法的基础上,将动态不确定性通过威胁障碍速度矢量方向角的偏差进行表示,并建立了动态不确定性速度障碍模型(dynamic velocity obstacle model, DVOM);为量化动态不确定环境下威胁障碍物的影响,基于速度障碍圆弧法,给出了DVOM速度障碍圆弧法,并在此基础上,提出了一种动态不确定环境下UAV自主避障算法。最后,以Pythagorean Hodograph (PH)曲线路径规划为例对考虑动态不确定性的UAV自主避障算法进行了验证,仿真结果验证了算法的有效性和可行性。     

一种新的基于峰度的盲源分离开关算法

盲源分离(BSS)算法通常需预先假设源信号的概率密度函数(PDF)，并由此获得关键的激活函数(AF)，进而从混合信号中分离出源信号。但若假设的概率密度函数与真实概率密度函数差异较大，源信号将不能被正确分离。基于峰度的盲源分离开关算法无需假设源信号的概率密度函数，可直接对独立分量分析(ICA)中的激活函数进行自适应学习。计算机仿真证明，该算法可有效进行盲源分离。