基于AHP的DEA分析基础上的虚拟物流企业联盟伙伴选择

在基于AHP的DEA分析基础上提出虚拟物流企业联盟伙伴选择方法，通过三阶选拔确定物流联盟伙伴，首先进行定性指标AHP层次分析，确定候选企业的综合素质，然后将评价结果作为DEA分析的输出项，结合定量指标得出DEA有效性企业，最后通过（0－1）规划模型得出组建联盟的伙伴。     

动态联盟伙伴选择的决策方法及其战略评估模型的建立

动态联盟形成的过程中极关键的步骤是伙伴选择的决策，进行伙伴选择决策风险很大，为了提供可靠的决策手段。本文基于经营情况分析法的基本思想建立了动态联盟伙伴的选择的定量选取决策方法，并提出了作为该方法的重要基础之一的战略评估模型。     

多时段条件下动态物流联盟伙伴选择的模糊语言群体决策模型

动态物流联盟组建过程中的一个关键环节就是选择适当的合作伙伴,它直接关系到动态物流联盟的市场响应速度、运行绩效和成败.针对动态物流联盟合作伙伴选择过程所面临的信息不完全性、多时段性,引入模糊语言变量来描述决策者的评估信息,结合多属性群决策理论,建立多时段条件下模糊语言群体决策模型,并详尽论述了其应用过程.仿真算例表明该模型的合理性和有效性,为动态物流联盟伙伴的优化选择提供了一套切实可行的方法.     

建设项目动态联盟风险识别及预警

建设项目动态联盟的成败在很大程度上取决于决策者对于联盟面临风险的识别和预警.本文针对建设项目动态联盟面临的风险进行了风险识别设计,首先依据风险的来源划分了项目动态联盟可能面临的风险的种类,其次明确了动态联盟风险识别程序;在此基础上,构建了包含六元素(目标、文化、方法、组织、信息、过程)的建设项目动态联盟风险预警模式,六个元素构成了风险预警的有机整体,运用管理熵理论对动态联盟风险预警度量进行了量化处理,以熵权从内外两个来源确定动态联盟的风险度量,并以传递熵概念来明确预警信号指标的准确性,给出了一个较为完整和准确的量化预警模型,以期利于建设项目动态联盟决策者的风险防范应对策略制定.     

基于RBF网络的虚拟仪表人机界面评价方法

提出了基于RBF网络的虚拟仪表人机界面主观评价方法和评价指标。利用RBF网络的自组织、自学习与自适应特性对网络进行训练,使网络学习隐含在训练数据中的人机界面主观评价指标的权重规律,自适应调整主观评价指标的权重,克服了主观赋权法的随机性因素影响。建立了虚拟光柱表人机界面,开发了基于RBF网络的虚拟光柱表人机界面主观评价模型;对训练样本数为50,75和100的三组虚拟仪表网络模型进行了误差分析。分析结果表明,采用75个训练样本可以得到满意的主观评价精度。     

WRBF网络的设计及其在混沌时间序列中的应用

结合小波网络良好的时频特性和RBF网络良好的局部特性，设计小波径向基函数网络(WRBF)，该四层网络较三层小波网络和三层RBF网络有更优的特性。网络的第一隐层对输入样本进行小波映射，完成对输入信息的压缩，第二隐层实现径向基函数的非线性计算，克服了RBF网络在处理多维样本时神经元的中心点和宽度难以确定及网络结果往往较复杂的弱点。为实现对网络结构和参数的同时优化，提出用二进制一复数混合编码的自适应进化规划，利用双倍体基因拓展染色体的信息量，加快算法的收敛速度，实现全局优化。在算法研究的基础上，利用WRBF网络对混沌时间序列进行预测，验证了方法的有效性。     

基于网格的联盟企业运营模式

随着全球市场竞争日趋激烈,动态联盟将成为未来的一种发展趋势,但合作过程包括多个组织、多个部门中的许多个活动,而且这些活动还经常随着时间的推移或任务的进度动态地变化,非常复杂,很难实现信息交换和共享问题,而网格技术的出现,保证了资源畅通、协同管理的一个公共的技术服务平台最佳候选。从联盟企业运营模式形成的原因、运营方式分析,联盟企业运营模式需要运用网格技术的支撑,并进一步阐述了基于网格的联盟企业运营理念、流程和资源的信息集成。     

动态联盟与企业敏捷性研究

立足于敏捷性的观点 ,利用 Rick Dove提出的敏捷性评价指标 ,对动态联盟影响企业敏捷性的机制进行了分析 ,并从技术和管理角度研究了组织结构对于动态联盟敏捷性的影响 ,论证了星型结构作为动态联盟技术组织模式的合理性 ,探讨了敏捷制造的思想对于我国企业的启示和影响.     

大型水利水电工程建设项目动态联盟组织模式的结构集成

针对大型水利水电工程建设项目的特点, 从特征结构、框架结构、动态结构等方面研究大型水利水电工程建设项目动态联盟组织模式的结构, 进行动态联盟组织的结构设计. 应用集成管理思想, 对动态联盟组织模式进行结构集成, 从结构框架、结构支撑、结构连接、结构评价等方面进行阐述. 运用模糊综合评判与神经网络评价集成方法对大型水利水电动态联盟组织结构进行评价.     

基于自适应模型非线性系统容错控制的研究

针对未知的多变量非线性动态系统,提出了一种新型的自适应故障容错控制方法。该方法首先通过设计一个自适应RBF神经网络模型建立未知过程的动态模型,并利用扩展卡尔曼滤波算法在线调节RBF网络权值学习系统的时变参数和故障动态,然后设计基于此模型的自适应迭代逆模控制算法实现相应的容错控制策略。将容错方法成功应用到一个连续的多变量三水箱过程。     

MPSO-RBF优化策略在锅炉过热系统辨识中的仿真研究

提出了基于改进PSO算法的RBF神经网络混合优化（MPSO-RBF）方法，并将其应用到非线性系统的辨识中。该方法将改进PSO算法的全局搜索能力和RBF神经网络局部优化的高效性相融合，克服了普通PSO算法收敛的不稳定性和RBF网络易陷入局部极小值的缺点。经典型非线性系统仿真试验，并与GA-RBF和RBF辨识效果进行了对比，结果表明基于MPSO-RBF的混合优化方法较GA-RBF和RBF优化速度快、逼近性能好，可以达到更优的辨识精度。最后，通过对火电厂的过热汽温动态特性的辨识实例，同样证明了MPSO-RBF方法具有更好的性能指标。     

基于径向基函数神经网络的燃料电池温度非线性建模与预测

针对现有的熔融碳酸盐燃料电池（MCFC）模型过于复杂的弊端，本文应用RBF神经网络辨识方法建立了MCFC的温度非线性模型。简要分析了MCFC电堆的温度特性，讨论了应用RBF神经网络进行多输入／多输出非线性系统建模的主要问题，并详细给出了其辨识结构，算法和模型训练方案，应用仿真对建模的有效性和建模精度进行了检验，并与BP神经网络辨识的效果进行了对比，仿真结果证明RBF神经网络远比BP神经网络收敛得快，应用RBF神经网络辨识方法对MCFC电堆建模是可行的，它避免了用复杂的微分方程组来描述MCFC，通过神经网络可快速地得到其输入同特性，它为MCFC温度的在线预测和在线控制奠定了基础。     

Using RBF Neural Network for OptimumControl of a Cold Storage

1. INTRODUCTIONThe predictive optimum control of cold storage temperature has found a wide applicationin agricultural engineering, especially for keeping fruits and vegetables fresh by cold storage.All of the currently-used temperature control units face the problems on how to choose theoptimum temperature as the controlled object, how to predicte the temperature variation ofthe refrigerating storehouse and how to realize the optimum control. A lot of study effortshave been made. The earl…     

基于模型跟随的神经网络非线性重构控制

针对歼击机在结构故障下的动力学方程 ,提出了一种基于径向基函数 (RBF)神经网络的模型跟随非线性重构控制策略。该方法不必精确已知系统故障的位置及其损伤程度 ,可直接对故障系统实施重构控制 ,使其输出能精确跟踪期望参考模型的输出。该方法在模型跟随重构控制的基础上 ,引入了神经网络控制器 ,以补偿故障引起的非线性因素的影响。理论分析和仿真验证表明 ,所提方法可保证闭环系统具有良好的重构性能和很强的鲁棒性 ,且算法高效简单 ,易于计算机在线控制。     

电液伺服系统的模糊径向基函数网络监督控制

针对电液伺服系统存在未知干扰力及参数时变等问题,提出一种新型的模糊径向基函数(简称RBF)神经网络的在线控制方法。该方法基于RBF网络与模糊推理系统的等价性,将模糊推理的思想引入RBF神经网络,从而为RBF隐层数目和中心位置初始化找到一种有效的途径,并采用Kohonen竞争学习机制在线调节网络参数,构成模糊自组织RBF监督控制策略。对典型电液位置伺服系统的仿真结果表明,该方法实时性强,具有良好的鲁棒性和跟踪性能。     

基于RBF网络非线性系统逆控制的一种设计方案

基于逆动力学控制的思想,提出一种RBF神经网络逆控制与PID控制相结合的在线自学习控制方案。辨识器采用RBF神经网络结构和最近邻聚类算法,实现了对系统逆动力学模型的动态辨识。并将辨识模型作为控制器模型,与被控对象串联,构成一个动态伪线性对象,从而使非线性对象的控制问题转换为线性对象的控制问题。仿真实验证明该控制策略不仅能使系统具有良好的动态跟踪性能和抗干扰能力,而且具有较强的鲁棒性。     

大型轮式工程车辆转向系统的神经网络PID控制

根据大型轮式工程车辆转向系统的对象特点和操纵方式，提出采用基于RBF神经网络控制器来改进常规PID控制器实现系统控制性能。该控制系统结构中，RBF神经网络辨识器(RBFNNI)实现对被控对象的Jacobian矩阵信息的辨识，神经网络控制器(NNC)是基于RBF神经网络实现的单神经元的PID控制器。在对算法进行改进的基础上设计了神经网络结构，并进行了被控对象的仿真分析。实际结果表明该控制方法具有较好的实用性和鲁棒性，可以用于多操纵模式工程车辆转向系统的控制。     

多入多出非仿射系统的径向基网络逆控制方法

针对多入多出非仿射非线性系统, 提出了一种径向基网络补偿逆模型误差的自适应控制方法. 将难以求逆的非仿射项分解为可逆部分和不可逆部分, 可逆部分作为理想逆来近似系统的直接逆, 逆模型误差用径向基网络的自适应控制信号补偿, 网络权值利用不可逆部分非仿射信息更新, 应用均值理论和Lyapunov函数证明了自适应控制律的稳定性. 仿真结果验证了该方法的有效性.     

一种基于新型RBF网络的侦察测向系统

针对雷达侦察系统的到达角(AOA)测量问题,提出了一种新型的基于两级径向基函数(RBF)网络的侦察测向系统。根据RBF网络的特点,本文采用了一种基于免疫算法的混合方法确定RBF网络测向系统的参数。该方法利用免疫算法的全局搜索能力优化RBF网络隐层的结构和参数,并采用最小二乘算法计算RBF网络线性输出层的权值。计算机仿真表明,基于这种RBF网络的测向系统达到了很高的精度。