基于时延Petri网的项目管理方法

随着项目的复杂度和成本的不断增多，对项目管理有效性的要求也越来越高。传统的基于PERT/CPM方法在离线的项目管理中取得了较大的成功，但是由于它们忽略了实际项目中资源约束和外部突发事件的影响，不可能实时动态地监控项目生产的进行。本文提出一种基于时延Petri网的项目管理方法，克服了上述的不足。方法中参考Petri网模型考虑到生产资源约束的影响，监控Petri网模型实时监视突发事件的发生，从而项目管理者可以及时地了解项目的进展，并根据实际生产情况对现有的项目计划调度任务的进行动态调整。     

CMAC用于分析和设计非线性过程控制系统(Ⅰ)——CMAC预测器

本文是基于CMAC神经网络分析和设计非线性过程控制系统的第一部分,分析了Chiang&Lin提出的基于广义基函数的CMAC学习算法收敛条件的局限性,提出了一种改进算法,并证明改进算法是收敛的,应用该算法的CMAC用于过程输出的预测器,仿真结果表明了所提方案是有效性的.     

记录限可调整的Box Car过程数据压缩算法

过程数据压缩是减少控制网络数据流量、避免拥塞、提高控制系统性能的有效手段之一.本文在分析BoxCar过程数据压缩算法缺点的基础上,提出了一种改进的压缩算法.在给定的条件下,通过引入可调整记录限,在过程趋势比较平稳时,压缩比比原算法提高1-2倍;在过程趋势发生变化时,压缩比比原算法提高16～30%.本算法还具有改善逼近程度、监视过程趋势和辨识异常点的能力.通用典型仿真数据压缩计算证明了改进算法的适用性.     

一种新的软测量方法及其工业应用

软测量是一门新兴的工业技术，它通过数学模型计算得到工程上难以检测的变量值．本文提出了一种基于模糊神经网络的软测量新方法，运用模糊集合论的知识对非线性对象进行局部模型的划分，并采用趋化性网络进行建模和模型校正．经在某炼油厂精密精馏塔的推断控制系统中的应用，表明该方法能够比较精确地建立过程模型，有效地进行模型的在线校正，而且具有灵活、简明的特点．     

基于高斯过程的软测量建模

软测量技术在工业过程中得到了广泛的应用，其核心问题就是建立软测量模型。提出了一种基于高斯过程的软测量建模方法，高斯过程是一种有着概率意义的核学习机，在不牺牲性能的条件下，与人工神经网络和支持向量机相比具有实现简单的特点，理论分析和仿真研究表明了高斯过程在软测量建模中的优越性。     

基于支持向量机与RBF神经网络的软测量模型比较研究

给出了基于支持向量机(SVMs)和RBF神经网络的软测量建模方法.通过对这两种方法进行理论分析和仿真比较研究,结果表明,SVMs方法跟踪性能好、泛化能力强、对样本的依赖程度低,它比基于RBF神经网络的软测量建模具有更好的推广能力.     

一种基于积分最小二乘指标的时滞过程频域辨识算法

将积分最小二乘指标拓展到时滞过程情形，提出了一种新的频域辨识方法，该方法通过引入Pade近似，在保留积分最小二乘指标的同时，采用最小二乘类算法高效求解，给出了一个描述Pade近似与模型误差之间的关系式，有助于了解Pade近似对辨识结果的影响，方便控制系统的分析与设计，对一个大时滞过程仿真取得了满意的结果，表明所提出方法的有效性。     

基于斜度指标的混合流水车间调度方法

针对混合流水车间（Hybrid Folwshop,HFS)最小化工件全部完成作业时间（Makespan)调度问题，提出混合整数规划模型，基于斜度指标的方法来对工件进行排序，采用最先空闲设备（FAM）算法来分配设备，并给出其最优值的下界以检验该算法。仿真结果表明，该方法能够较好地解决混合HFS的调度问题。     

基于改进模式提取变异算子的遗传算法

在经典遗传算法的基础上，提出了一种基于改进模式提取（Algorithm of pattern extraction,Alopex)，种群个体的连续进化方向作为当前代个体的变异方向，并利用自适应来调整变异步长，通过控制参数来控制变异方向的概率从而跳过局部最优值。对几种典型函数的测试结果表明，基于该变异算子的遗传算法能较好地避免收敛到局部最优，收敛性能优于经典遗传算法。     

基于Dahlin控制算法的网络流量控制

在ATM网络的ABR通信中，基于速率反馈的流量控制是防止拥塞和保证高吞吐量的有效手段之一，然而网络的传播时延对其具有很大的不利影响．采用Dahlin控制算法设计流量控制器，克服了传播时延给控制的快速性和稳定性所带来的不利影响．理论分析表明，该算法的动态性能明显优于PID控制，能保证网络缓冲器的不溢出及带宽的公平分配和充分利用，从而有效地防止了拥塞的发生，使网络处于良好的运行状态．仿真结果验证了这一结论。