建模支持中的不确定性分析

将决策建模过程中的不确定性的产生原因归结为信息的真实性和算法的可用性，在提出了用模糊Ｐｅｔｒｉ网表示不确定性的基础上，分析了两种信度的不同合成方式，并提出了相应的算法，为不确定性环境下的建模支持提供了一个实用而可行的方法．     

采用干扰估计的液压系统自适应鲁棒控制

针对液压伺服系统的建模不确定性和未建模不确定性问题,提出基于精确干扰估计的自适应鲁棒控制算法。该算法通过反步方法融合了有限时间干扰观测器和自适应鲁棒控制器;有限时间干扰观测器用于估计非匹配集中干扰,能够保证有限时间精确估计干扰;自适应鲁棒控制器用于处理系统参数不确定性并保证闭环系统稳定性。该算法理论上能够保证描述的瞬时控制精度和稳态跟踪误差,并且在某一时间T1后取得渐近跟踪性能。实验结果表明:该算法能够准确估计非匹配干扰,系统稳态跟踪误差最大约为0.06mm,相对跟踪误差约为0.15%,系统跟踪精度得到了提高。     

考虑不确定测量的惯性平台剩余寿命自适应预测

针对现有剩余寿命预测方法未考虑测量误差引起的不确定性,且存在预测不确定性大的问题,提出了一种基于Wiener过程的退化过程建模方法,并将测量的不确定性考虑到剩余寿命预测中,推导出了剩余寿命的概率分布。为了实时更新模型参数,利用Kalman滤波算法实时估计Wiener过程中的漂移系数,并利用期望最大化算法实时估计其它相关参数。以某型号惯性平台的退化测量数据为例,进行了实验验证,结果表明,相比其它算法,文中算法能够降低剩余寿命预测的不确定性,提高预测精度。     

互质稳定因子描述的动态不确定系统的控制器设计

对基于互质稳定因子描述的一类结构未建模动态系统提出一种控制器设计方案．在算法设计过程中采用了变结构控制与自适应控制相结合的方法．文中证明了所提方案能保证系统的全局输出有界稳定，并对系统的动态不确定性具有一定的鲁棒性．     

RBF网络干扰补偿的跷跷板系统解耦滑模控制研究

针对典型的不稳定、高阶次、多变量、强耦合、非线性的跷跷板系统，考虑环境对跷跷板的作用，提出了一种RBF网络干扰补偿解耦滑模控制(RBF-SMC)算法.通过解耦算法对模型进行解耦，并使用RBF神经网络对模型受到的干扰和不确定项自适应逼近补偿，使系统在较小的切换增益下实现较大干扰下的跷跷板平衡控制.在Matlab和Matlab/Adams联合仿真的环境下，对该算法进行了仿真.仿真结果表明，对比传统的SMC算法，在不确定环境下，通过RBF网络对外加干扰、建模误差、模型简化、外部激励、摩擦阻尼等建模不确定性因素进行学习评估，有效地提升了系统抗干扰能力，同时降低了系统的切换增益，并在有限时间内实现了跷跷板的平衡控制.通过仿真实验结果的比较，证明了本文提出算法的有效性与可行性.     

基于改进约束Delaunay三角形算法的公路虚拟环境建模

针对目前公路设计缺乏公路CAD系统深层次支持的现状，提出公路虚拟环境的概念，以提高公路CAD系统对设计支持的深度和层次。对公路虚拟环境中的自然环境建模算法进行了研究，分析了基于约束Delaunay三角形（CDT）算法建模存在的问题，提出了改进约束CDT算法，建立的边结构解决了建模过程中拓扑更新问题。建立了基于删除操作的多层次细节模型简化算法。测试结果表明，该算法具有建模快、健壮性等优点，适合公路虚拟模型的建立。     

灰色博弈网决策模型研究

针对超博弈决策问题中存在的"灰色"的"贫信息"问题,提出一种基于信息缺失下的灰色博弈网模型;并给出了灰色博弈网的建模思路及其纳什均衡求解算法,解决了博弈网决策模型中的灰色不确定性问题。通过宏观信念建模,生成全局灰场景和优化典型灰场景。通过微观信念均衡建模,利用可能度分析和粒子群算法求解纳什均衡。最后实例仿真,验证了该灰色博弈网模型的可行性和有效性,真实性好,有较高的应用研究价值。     

河道模型的改进及扩展应用

提出了一种新的改进型储层沉积相建模的河道模型，该模型扩展了对河流分汉、交汇等现象的描述和模拟，根据改进的河道模型的特点和河道的地质地理特征，利用一种新的河道模型条件化算法，并将河道模型与砂岩概率模型相结合，实现了协同布尔模拟。实例应用表明，改进的河道模型包含了更为全面的地质信息，其应用更为广泛；新的条件化方法是从河道的上游、下游和支流3个角度进行模拟计算，对河流沉积的描述更为准确，算法简洁，计算速度明显提高。通过协同布尔模拟可以使储层沉积相建模有效地结合多方面的次级信息，降低了储层模型的不确定性。     

基于RBF神经网络的弧焊机器人轨迹跟踪控制方法

针对目前弧焊机器人的控制算法大多是基于关节空间的算法,而这种算法无法实现对机械臂末端位置的直接控制的问题,提出了基于笛卡尔空间的轨迹跟踪控制算法.首先运用RBF(radical basis function)神经网络技术对实际机械臂数学模型的建模误差和参数不确定性进行补偿,接着定义Lyapunov函数并运用HJI(Hamilton-Jacobi inequality)定理设计基于笛卡尔空间的机器人鲁棒控制器.在此基础上以二自由度机械臂为被控对象进行仿真研究,仿真结果表明,基于笛卡尔空间算法的轨迹跟踪控制算法误差小于基于关节空间的控制算法,在基于笛卡尔空间的控制算法的仿真中末端轨迹跟踪误差小于0.08 mm,神经网络能够有效地在线学习机器人的建模误差和参数不确定性.     

一种基于系统不确定性的主动式知识学习算法

主动式知识学习方法不依赖于先验领域知识，其学习过程受信息系统的内在属性控制，所产生的知识系统 能够更客观地表达信息系统的潜在特征和规律。系统不确定性能够有效地控制主动式知识学习过程。基于粗糙 集理论，提出一种系统不确定性度量方式，结合Skowron算法，设计出一种基于系统不确定性的主动式决策规则知 识学习算法。仿真实验结果表明该算法能够更好地适应系统的不确定性，其综合性能明显优于其他同类算法。     

一种基于系统不确定性的主动式知识学习算法

主动式知识学习方法不依赖于先验领域知识，其学习过程受信息系统的内在属性控制，所产生的知识系统能够更客观地表达信息系统的潜在特征和规律。系统不确定性能够有效地控制主动式知识学习过程。基于粗糙集理论，提出一种系统不确定性度量方式，结合Skowron算法，设计出一种基于系统不确定性的主动式决策规则知识学习算法。仿真实验结果表明该算法能够更好地适应系统的不确定性，其综合性能明显优于其他同类算法。     

多态系统可靠性及元素的不确定性重要度

研究了系统中由于元素状态概率的不同表示法而产生的不确定性,在LevV.Utkin提出的不确定性重要度算法基础上,提出了一种新的不确定性重要度算法;并利用这种算法扩展了LevV.Utkin的元素不确定性重要度归一化算法,为存在着多种状态概率表示方法的大型、复杂的工程系统提出了系统可靠性的归一化算法·     

基于支持向量机回归的港口吞吐量非线性组合预测

提出了一种基于支持向量机回归算法的港口吞吐量非线性组合建模预测方法,并运用该方法进行了港口吞吐量预测,同时将该预测结果与其他方法的预测结果进行了比较．结果表明,该方法具有很强的学习及泛化能力,在处理具有一定程度的不确定性的非线性系统的组合建模预测问题时具有很好的应用价值．     

一类不确定性复杂系统的智能控制

针对不确定性复杂对象特性，基于控制策略的比较，提出用智能控制策略和采用仿人智能控制工程算法实现对不确定性复杂系统的优化控制。该算法还能对不确定性复杂关联对象实施解耦控制，控制品质好，鲁棒性强，工程实践的成功效果表明，对不确定复杂对象实施智能控制策略是明知的选择。     

高阶隐写直觉模糊集距离安全性测度

在隐写安全性研究滞后于隐写算法发展的前提下，隐写安全性研究成为亟待解决的问题。根据隐写通信过程的模糊不确定性，对隐写数据采用n阶Markov链建模，提出了隐写系统直觉模糊集距离安全性测度，并证明了该安全性测度的有界性、交换性和一致性。仿真实验表明，该安全性测度具有对不同隐写算法的度量区分能力。与确定模式下安全性相比较，在相同数据统计模型下，直觉模糊集距离安全性测度获得了更全面的隐蔽性评价。     

电液伺服系统多模型鲁棒自适应控制

针对电液伺服系统中存在不确定非线性和强参数不确定性的问题,提出一种多模型鲁棒自适应控制算法。根据系统参数不确定性范围建立了多个辨识模型,在辨识模型中设计非线性鲁棒项,以抑制干扰、未建模动态等不确定非线性的影响,提高系统的鲁棒性。基于辨识模型设计相应的控制器,采用基于辨识误差的性能指标函数作为切换依据,选取最佳控制器作为当前控制器,解决了传统自适应控制对参数自适应初值敏感的问题。该方法能够克服不确定非线性和强参数不确定性的影响,使系统得到渐进跟踪的性能,提高系统的瞬态响应性能。实验结果表明,该算法能抑制建模不确定性的影响,系统期望跟踪指令幅值为10mm时,跟踪误差大约为0.038 6mm,相对跟踪误差约为0.386%,系统跟踪精度得到了提高。     

不完美信息博弈中对手模型的研究

针对传统的显式建模方法依赖大量数据样本的问题,提出了策略自扩展算法,通过样本数据的自扩展来提高建模效率。同时,为了提高对手模型的准确度,结合隐式建模和隐式子策略建模的方法,提出了子策略发现算法。以勒杜克(Leduc)扑克博弈为实验对象,对比研究了2种传统方法和本文提出的2种算法。实验结果表明:策略自扩展算法提高了显式建模的效率和模型准确性。在利用对手弱点获取收益方面,策略自扩展算法比显式建模方法提升了84.4%,子策略发现算法比隐式建模方法提升了128.6%。     

组合系统可靠性评估中的混合负荷模型

在分析目前负荷模型缺陷的基础上，文章提出了一种按季节、分地区考虑负荷相关性和预测不确定性的混合负荷模型，并讨论了其蒙特卡罗实现过程，使建模更为准确，更具实用价值。     

一种构建灰色预测模型的新算法

针对传统的GM（1，1）建模方法，对于历史数据采取等权处理的局限性，提出了GM（1，1）建模的新算法，不同的历史数据在预测值中具有不同的权重，并且解决了确定权值的学习算法。仿真结果表明了该算法的有效性。     

不完美信息博弈中对手模型的研究

针对传统的显式建模方法依赖大量数据样本的问题,提出了策略自扩展算法,通过样本数据的自扩展来提高建模效率。同时,为了提高对手模型的准确度,结合隐式建模和隐式子策略建模的方法,提出了子策略发现算法。以勒杜克(Leduc)扑克博弈为实验对象,对比研究了2种传统方法和本文提出的2种算法。实验结果表明:策略自扩展算法提高了显式建模的效率和模型准确性。在利用对手弱点获取收益方面,策略自扩展算法比显式建模方法提升了84.4%,子策略发现算法比隐式建模方法提升了128.6%。