基于大时滞特性预估补偿的模型辨识及模糊控制方法

对具有大迟延特性的对象采用径向基神经网络辨识其预测控制模型,在不需要知道被控对象的精确物理解析数学模型,也不需要知道对象的脉冲激励响应模型和阶跃激励响应模型的情况下,可以实现对系统响应特性的在线辨识.采用分级模糊建模的思想,设计一种分级模糊控制器,可以极大地减小模糊规则基的规模,在分级模糊控制器的设计中,采用共生进化遗传算法对参数寻优,提高了进化速度.仿真试验证明,该方法的效果很好.     

量化参数失配下基于事件触发的量化反馈滑模控制

针对量化器参数不匹配和外部干扰问题,利用事件触发方法设计了线性不确定系统的量化反馈滑模控制方法。首先在动态量化机制中考虑了时变量化器灵敏度变化率,提出一种新的离散在线调整策略,并建立了编码器和解码器侧的量化参数的时变比例模型。接着,结合所设计的量化器事件触发机制,证明了所提出的滑模控制律可以有效消除量化器参数失配的影响,实现不确定线性系统的全局鲁棒镇定。然后分析了帧间时间的下限以确保没有 Zeno行为。最后通过算例验证了理论结果的有效性。     

付费电视施拉姆或然率意义下的进化稳定策略

针对我国有线电视数字化进程中付费电视观众数量增长缓慢的情况,将观众选择与不选择付费电视看成大规模进化博弈问题,根据进化博弈中复制动态模型的分析方法,以施拉姆或然率作为收益值,建立复制动态方程,确定稳定状态和进化稳定策略,分析数字付费电视观众的比例及其变化.     

参数不确定性弹药协调器的定位精度区间优化

针对存在参数不确定性的弹药协调器的定位误差问题,该文提出一种提高定位精度的区间优化方法。分析了影响弹药协调器定位精度的主要不确定参数,建立了协调器的Recurdyn-Simulink联合仿真模型,在不确定变量空间拉丁超立方采样,并带入仿真模型求解定位误差区间,基于误差区间建立了一种不确定区间优化方法,对协调器的定位精度进行了优化设计。优化计算结果表明,该优化方法效果显著。     

基于混合差分进化算法的试井分析最优化方法

摘要：试井参数优化是对通过测试得到的油气井井底流压及产量数据得到的油气藏模型参数进行优化处理,得到最符合油气藏实际情况的参数。试井存在多解性,以往使用的最优化方法要求目标函数连续可微,受初值影响较大,是属于寻找局部最优解的办法。为此,提出了一种混合差分进化算法的试井分析最优化方法。将标准差分进化算法加以改进,与模拟退火算法和小生境思想结合在一起,构成一种混合差分进化算法,该算法在保证算法全局搜索能力的同时,能更快地收敛到非线性问题的最优解。进一步将该算法应用到试井分析中,构建了基于混合差分算法的试井分析方法,不需要估计井筒和油藏参数的初值,也不要求目标函数连续可微,优于标准差分进化算法。通过实测试井资料分析,与 L–M 方法相比,效果良好。     

基于自适应网络的动态双足机器人模糊控制

提出一种基于步态规划分级结构的自适应网络模糊推理系统控制策略,该方法不需要确定双足机器人运动学和动力学模型.以一种动态双足机器人为例,建立机器人的Sugeno模糊模型,对机器人系统的不确定上界进行自适应参数估计,采用自适应控制器逼近未知不确定界,解决了一类非线性系统的稳定控制问题.控制器的设计只要求不确定性满足匹配条件,而无需知道不确定界,能够处理不确定参数变化范围更广的情况,减少控制系统设计中的保守性.设计的分级控制系统可以学习试验的输入输出数据,从而在动态平衡下进行行走.同时,模糊控制器的进一步在线学习能力可以显著地改善步行机器人的动态性能.     

基于多目标优化的数控实时任务参数选择方法

针对协同设计模式下数控实时任务参数的选择问题,提出一种基于多目标优化的任务参数选择方法.该方法依据实时任务模型、性能目标以及系统约束建立数控任务参数选择问题的多目标优化模型.对于优化模型的求解,提出一种具备协同进化算子与精英团队保留机制的扩展型非支配排序遗传算法,以实现在大规模决策空间下的快速搜索,使得数控系统整体性能目标最优.最后,基于仿真实验分析总结了数控实时任务参数选择策略,通过对比传统任务参数选择方法证明了所提方法在实际应用中的优越性.     

具有参数区间不确定的机械臂结构优化

针对具有参数区间不确定的某重载机械臂结构优化问题,该文提出了基于区间不确定分析的性能优化方法和量子进化算法。该方法首先将参数区间变化从参数变差空间映射到目标和约束空间,得到目标和约束性能的灵敏度区域估计,结合给定的性能退化阈值,确定性能优化指标,并作为原优化问题的附加约束,形成外层-内层的优化结构。同时采用改进的双链量子进化算法,以改善普通进化优化算法的收敛速度和优化结果。仿真结果表明,该方法既能保证结构在参数摄动情况下的鲁棒性,又能达到结构轻量化目的,可以有效解决具有参数区间不确定的复杂工程结构优化问题。     

非线性位移时间序列分析模型的进化识别

引入进化算法的全局优化思想,结合时间序列分析的基本理论,提出了一种新的岩土结构变形非线性动力学演化特征的进化识别算法·设计了能自动确定输入时步长度以及非线性动力学模型结构和参数的分步进化方案,对非线性时间序列分析模型的结构和参数进行全局最优搜索·将该方法用于三峡永久船闸高边坡开挖变形的预测分析,取得了满意的效果,提供了一个有效的岩土工程设计与施工的分析工具·     

细胞生长动力学模型参数的估算

从细胞生长的特性出发,分析和讨论了采用恒化器确定动力学模型参数的优点与不足。本研究提出了一种“动态”的方法,可以当系统的状态发生连续变化的同时,确定各动力学模型参数,而不必维持系统的稳定。     

粗糙集模糊神经网络味觉信号识别系统

针对C-means聚类算法和减法聚类算法的不足,提出了一种模糊神经网络味觉信号识别系统模型,该模型利用粗糙集的离散化算法和规则提取算法获得数量较少的分类规则,将这些分类规则转化为模糊IF-THEN规则,进而通过这些模糊IF-THEN规则确定网络结构.网络输出采用投票机制,使用粒子群优化方法精炼网络参数,与常用的提取模糊if-then规则的算法相比,该方法只有一个参数且易于实现.实验结果表明:该方法可获得更简洁的系统表示,并且通过选择合适的系统参数可使系统对加噪声训练样本的错误识别率降低5%左右.     

基于Bayesian方法的参数估计和异常值检测

异常值检测是当前数据分析研究中的一个重要研究领域。模型中的异常值会直接影响建模、参数的估计、预测等问题。基于模型的异常值检测,传统的做法是先对模型参数进行估计,再进行异常值检测。而异常值的存在会影响参数估计,从而导致下一步异常值检测的不可靠;反之异常值检测也会影响参数估计。针对这些不足之处,提出了基于 Bayesian 方法的参数估计和异常值检测,此方法可以将参数估计和异常值检测同时实现,具体做法是在线性回归模型中引入识别变量,基于 Gibbs 抽样算法,给出识别变量后验概率的计算方法,通过比较这些识别变量的后验概率进行异常值定位,同时给出参数的估算方法。通过大量的模拟实验,结果表明,与传统方法相比,提出的方法对异常值更灵敏。     

基于粗糙集的边界分类算法

粗糙集作为数据挖掘工具,主要通过分类数据得到预测型知识,但分类规则过于严格,使得在挖掘带噪音的数据时,挖掘结果可能会损失一些有价值的规则.提出一种带不确定因子的信息系统及相应的分类方法,改进了传统粗糙集的分类方法.     

进化粗糙集的逼近最优性

构造了进化粗糙集的表征测度和分解形式 ,讨论了其随机过程和信息几何的属性 ,提出并证明了逼近求解方面其鞅过程和全局最优性条件的数学结论 ,同时给出了相关的定量描述 .结果表明 ,所建立的进化粗糙集结构为符号的非单调逻辑与数值的非线性规划相统一的广义问题求解过程设计提供了必需的理论基础和形式化手段 ,在非确定信息建模与非线性信号处理方面具有重要的意义     

基于改进比例失效率模型的设备剩余寿命预测

产品的剩余寿命预测能够为产品的维修和更换提供重要的决策依据.传统的比例失效模型方法在剩余寿命预测中得到了广泛的应用,然而此方法没有充分利用产品的历史寿命信息,对产品的退化过程也没有很好地描述.针对此问题,提出了一种融合退化过程与失效率建模的产品剩余寿命预测方法.该方法首先利用线性过程对产品的退化过程建模,然后利用比例失效模型融合退化过程对失效率的影响,达到充分利用产品历史信息的目的.此外,与传统比例失效模型方法不同,模型中的比例参数分为两部分,分别将产品退化的初始信息和产品的退化增量联系起来,进一步利用产品的当前退化信息对产品的参数进行Bayes更新,基于此进行剩余寿命预测,从而实现产品历史数据和当前退化数据的有效融合.通过激光发生器的退化数据验证了所提方法的有效性.     

广义模糊指派问题的解法

对于指派问题,工作未完成之前,其效率矩阵中的元素应该是不确定的。但是决策者为了得到具有指导性的决策,有必要对效率矩阵中的元素进行统计或粗略估计。由此产生了更加贴近于现实生活中的不确定环境中的指派问题。针对现实生活中的模糊指派问题,讨论了模糊指派问题出现的三种可能情况,分别建立了它们的数学模型。将求解传统指派问题的匈牙利算法和伏格尔法进行了推广,讨论了模糊指派问题的求解方法,并结合算例进行了说明。     

不确定时滞系统的Min-Max预测控制

对于状态和输入有约束的离散不确定时滞系统,提出Min—Max预测控制方法,将有限预测时域以后的鲁棒性能指标用终端惩罚近似,而终端惩罚用线性矩阵不等式(LMI)离线求解,因此无限时域的代价转化为有限时域代价,使得Min—Max优化问题求解简单,保留原有的鲁棒稳定性．给出了该方法稳定性的充分条件,通过仿真验证了此方法的有效性．     

基于变精度粗糙集的入侵检测研究

网络行为的复杂性和动态变化使得入侵检测数据中存在大量干扰信息,入侵检测的误警率和漏警率很高,变精度粗糙集增强了粗糙集模型的抗干扰能力,适合分析不确定的数据集合。运用变精度粗糙集为入侵检测系统进行形式化描述,建立入侵检测信息系统和入侵检测模型。设计β参数调整算法,将训练数据集离散化后进行信息系统约简,然后生成入侵检测规则库,根据规则库进行入侵检测。模拟实验证明本方法具有良好的检测性能,可以适应网络行为的动态变化并检测出潜在的攻击行为。     

模糊目标信息系统上的逻辑及决策规则

基于模糊目标信息系统模型，并结合粗糙集相关的逻辑理论，提出了模糊粗糙决策语言FRDL，给出了FRDL中公式的定义、语义、可满足性有效性的形式化描述以及相关的性质。在此语言的基础上，给出了模糊目标信息系统上的决策规则、逆决策规则形式化描述和构造方法。FRDL所描述的逻辑表达方法以及规则推理公式为建立在模糊目标信息系统之上的决策支持系统、推理机提供了形式化的表示和推理方法。最后，在眼科近视诊断上进行的数据实验表明，这种形式化描述和推理方法比较合理。