基于扩展置信规则库联合优化的桥梁风险评估

作为避免桥梁安全事故和确保公众安全的一种重要途径,桥梁风险评估得到了国内外学者的广泛关注.然而,现有的桥梁风险评估模型大多忽视了在建模过程中优化与模型相关的参数取值和参数数量,导致无法有效提升桥梁风险评估的准确性.为此,本文在现有基于扩展置信规则库的桥梁风险评估模型的基础上,通过引入参数优化和数据包络分析分别提出扩展置信规则库的规则生成方法和规则约减方法,再以此进一步提出扩展置信规则库的联合优化方法,确保应用于桥梁风险评估模型中的扩展置信规则库具有最优的参数取值和参数数量.文末,引入桥梁风险评估领域中常用的公认数据集验证所提模型的有效性.通过与已有研究成果相对比,结果表明基于扩展置信规则库联合优化的桥梁风险评估模型在提高评估准确性和降低模型复杂度方面均有良好表现.     

不完备信息条件下基于置信规则库的能力满足度评估方法

信息不完备条件下,已有的置信规则库(belief rule base, BRB)〖JP+1〗建模方法较难构建完整结构的BRB,为武器装备体系能力需求满足度评估带来较大挑战。为此,本文提出了基于有限交集规则和自组织映射方法建立并集规则库的体系能力需求满足〖JP+2〗度评估方法。首先,分别对交集假设下和并集假设下的BRB进行描述,并分析了两者的关联性;其次,引入了自组织映射方法,定量计算每条并集规则同与其相关的交集规则之间的关联程度,进而计算并集规则所关联的交集规则的权重;在此基础上,给出了基于不完备交集BRB生成完整结构并集BRB的步骤;最后,以某区域防空武器装备体系能力满足度评估为例验证所提出方〖JP〗法的可行性和有效性。     

基于置信规则库的并发故障诊断方法

针对具有不确定性的并发故障诊断问题,提出基于属性权重和权衡分析的置信规则库(belief rule base, BRB)诊断方法。以属性权重大小来表示属性与特定故障模式之间的相关性,设计能够反映故障模型约束的基于差分进化的优化算法,通过相邻故障模式置信度与预设阈值的权衡分析完成对并发故障诊断。该方法仅需构造单个置信规则库来有效处理各种不确定性信息,与已有研究方法相比极大地降低了建模复杂度。诊断结果不仅能得到故障的并发情况,还可分辨故障的主次关系,并且建模和推理过程开放,可解释性强。最后以船用柴油机的并发故障诊断作为实例,验证了所提方法能够有效的诊断出并发故障并且模型具有较好的稳定性。     

基于主成分分析的置信规则库结构学习方法

为了解决前提属性过多时置信规则库规模的组合爆炸问题,提出了基于主成分分析的置信规则库结构学习方法. 首先将前提属性转化为新的空间中的若干个主成分,再利用载荷矩阵反推出对于各主成分贡献较大的关键前提属性. 以某装甲装备体系综合能力评估作为示例分析,对比研究了在单方案和多方案条件下结构学习方法与RIMER方法,验证了本文提出的结构学习方法的有效性. 示例分析结果显示本文提出的结构学习方法可大幅约减置信规则库的规模,与RIMER 方法的计算结果一致,并且具有较强的鲁棒性.     

基于置信规则库推理的不确定性建模研究

置信规则库推理作为一种新颖的表达和处理复杂不确定性的方法,在系统建模和分析方面具有很大的应用前景.本文讨论了基本置信规则库推理的性质,证明其不但可以以足够高精度拟合确定性和随机性系统,而且可以处理确定性和随机性数学模型不能表达的复杂不确定问题.另外本文通过对其规则库进行扩展和改进激活算法,解决了基本置信规则库推理在处理局部未知度方面的局限性问题,最后通过一个报童库存问题对提出的方法进行了说明和验证.     

基于证据推理和置信规则库的涡扇发动机故障预测

针对某型涡扇发动机故障预测的问题,提出一种基于证据推理和置信规则库的涡扇发动机故障预测模型。为描述涡扇发动机的健康状态,利用证据推理算法融合发动机系统状态信息;结合先验知识建立混合驱动的置信规则库仿真预测模型;采用投影协方差自适应进化策略用于优化模型参数;通过实验验证了模型的有效性。研究结果表明：该方法不仅准确预测涡扇发动机故障风险概率,而且为故障诊断和维修保障提供了有力的支撑。     

基于改进鲸鱼优化算法的AUV三维路径规划

自主水下机器人(autonomous underwater vehicle, AUV)已成为不同领域多种水下作业最有效的装备之一。针对其全局路径规划问题，提出了一种基于改进鲸鱼优化算法的求解方法。首先对于建模问题，在环境模型中，鉴于三维空间中设置路径点的复杂性，给出了基于连接型快速扩展随机树(connected rapidly-exploring random tree, RRT-Connect)的建模方法；在数学优化模型中，综合了路径平滑度、下潜梯度和航行时间等3项评价准则，并考虑了强海流及障碍物带来的相关约束。然后针对上述模型，提出了一种改进的鲸鱼优化算法。引入了基于问题连接结构的优化思想，据此在线构建了关键子集族和有效子集族，用于实时发现关键度和有效度较高的连接集，并增大其重复利用率，以提高算法的收敛速度和精度。此外，为更全面有效地利用历史进化信息，设计了多学习集构造个体引领者及联合引导策略，以进一步增强算法的整体性能。最后根据实际海底地形信息和不同海流模型，设置了多种路径规划情形进行仿真实验。结果表明，相对于文献中其他鲸鱼优化算法和经典算法，所提算法在求解精度、收敛速度和稳定性...     

求解双层规划模型的粒子群优化算法

首先对粒子群优化算法作了改进,然后提出采用改进的粒子群优化算法并借助分层迭代的思想来求解双层规划模型,进而提出并描述了求解双层规划模型的一种通用的有效算法.最后,通过实验研究和对比分析验证了文中算法的有效性.     

双层稀疏贝叶斯学习ISAR超分辨成像算法

传统贝叶斯成像常采用拉普拉斯分布进行成像特征表征，易使得成像结果过稀疏而容易丢失部分弱散射的结构特征，进而影响逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像精度提升。为实现高精度ISAR超分辨成像，本文采用伯努利-拉普拉斯混合稀疏先验对目标统计特性进行概率建模，利用双层稀疏对目标先验进行统计约束，从而有效模拟目标散射场统计先验。并在贝叶斯层级模型下，通过引入隐变量建模的方式对先验进行分层构建，在解决先验分布与高斯似然函数不共轭问题的同时简化贝叶斯推断，降低模型复杂度。为避免繁琐的手动参数调整，实现超参数的自调节，本文对各随机变量建立条件概率依赖模型，并利用马尔可夫链蒙特卡罗随机模拟估计算法解决高维积分和后验分布难以求解的问题，实现相关超参数的统计估计，提升算法自学习能力。仿真和实测数据均证明本文所提方法具有有效性和优越性。     

基于均衡原理的定位-运输路线安排问题模型及求解算法

提出了物流配送均衡原理,构造了基于物流配送均衡原理的定位-运输路线安排问题的双层规划模型.运用Frank-Wolfe算法求解物流配送均衡模型,采用改进的禁忌算法优化选址问题和车辆路径问题,并通过双层规划模型将选址和车辆路径问题进行有机结合.应用提出的模型和算法求解了多个算例,并选取了其中一个算例试验结果进行分析.分析表明,基于均衡原理的双层规划模型和算法能够有效的求得定位-运输问题的优化解,是解决定位-运输问题的有效方法.     

基于多目标演化的模糊认知图学习算法

针对传统模糊认知图学习算法仅优化概念结点间有向弧的权值误差而造成模型拟合准确程度不高的问题,将多目标演化的思想用于模糊认知图学习算法,设计了以有向弧权值误差与误差权重同时最小化为目标的多目标模糊认知图学习模型,降低了学习算法对权值的依赖。为有效求解该多目标优化模型,提出了一种基于坐标变换的多目标演化算法,分析了算法的参数设置方法与计算复杂度。实验结果表明,基于多目标演化的模糊认知图学习算法可以有效降低结点数据误差与模型误差,能够更准确地得出概念结点间的因果关系。     

基于遗传算法的神经网络两阶段学习方案

一种两阶段学习方案被提出用于神经网络的训练。在第一阶段，让实数编码的遗传算法来代替人解决神经网络结构的选择和初始参数的设定，称之为结构辨识阶段。在第二阶段，让传统的优化算法来解决参数的学习，称之为参数辨识阶段。在整个学习过程，神经网络的复杂度、逼近精度和泛化能力之间得到了满意综合。     

基于对位学习多目标遗传算法的板形板厚控制

提出了一种基于对位学习多目标遗传算法的板形板厚控制系统设计方法。该方法给出了控制系统的结构,建立了板形板厚控制器参数的多目标优化模型,并采用对位学习多目标遗传算法对该模型进行多目标优化,得到一组控制器参数的Pareto解。在其中选择三个Pareto解对应的控制器参数,作用于板形板厚控制系统做仿真研究。结果表明,所得到的Pareto解集中选定区域的解都可以使系统具有满意的性能,并且对扰动有较好的抑制作用,证实了该方法的有效性。     

基于粒子群最小二乘支持向量机的软测量建模

针对最小二乘支持向量机处理大规模样本软测量建模问题时出现模型结构复杂、失去支持向量稀疏性且正规化参数和核参数难以确定的情况,提出了一种改进的算法。利用样本间马氏距离进行样本相似程度分析,去除样本集中部分样本以简化模型结构并提高计算速度,此外应用改进的带扰动项粒子群算法优化模型参数以提高模型的拟合精度和泛化能力。将提出的改进算法用于丙烯腈收率软测量建模,研究结果表明模型精度较高、泛化性能好,满足现场测量要求。     

基于严格二叉树编码和GA的模糊树结构学习

为解决模糊树模型结构学习中存在的信息冗余、寻优效率低等问题,提出了一种基于严格二叉树编码和遗传算法的结构学习方法。通过严格二叉树编码对模型结构进行编码,改善了现有矩阵编码的信息冗余问题;考虑到编码特殊性和算法收敛性,提出了一种改进的遗传算法用来对模糊树模型的结构进行寻优。实验结果表明,不同数据集上该算法的稳定性和计算速度均较好,能够寻找到一个较优的二叉树结构,从而提高模糊树模型的建模精度。     

一种T-S模糊系统建模方法

T-S模糊系统被广泛应用于基于数据的建模应用中。模糊规则作为系统的核心,是影响系统性能的重要因素。在分析常见模糊系统建模方法的基础上,提出一种简单有效的建模方法。该算法基于变结构模糊建模思想,均匀选择模型的初始结构,以绝对误差为建模指标,通过增加模糊规则来提高T-S模糊系统的精度。为降低规则参数辨识的计算量,提高建模速度,将规则参数分为线性和非线性两部分,分别采用不同方法进行辨识。实例证明文中所提出的建模方法规则分布合理,收敛速度快,建模精度高,具有很好的实际应用价值。