Borda社会选择方法中的一种投票合作问题研究

本文分析和研究了Ｂｏｒｄａ社会选择方法中的一种投标行为，探讨了其中有关合作的一些问题，给出了该合作的一种寻找方法，并证明了有关结论。     

基于强化学习的电磁悬浮型磁浮列车悬浮控制

为了保证磁浮列车的安全、可靠运行,研究了悬浮系统在参数摄动条件下的悬浮控制问题。首先,对电磁悬浮（EMS）型磁浮列车的基本悬浮单元建模,给出了电流控制模型;然后,建立了悬浮系统的强化学习环境以及软演员-评论家（SAC）智能体,并设计了加速训练的奖励函数与“吸死”处理方案;最后,提出了基于强化学习的悬浮控制方法。与传统比例-积分-微分（PID）控制方法的对比结果表明,本方法具有更快的动态响应,在损失50%线圈匝数或磁极面积变化时具有更好的跟踪精度。     

基于不安全控制行为分析的商用车AEB决策系统优化

现有的基于车载传感器的商用车自动紧急制动(AEB)系统存在视野盲区等原因,功能受到了很大的限制。为了提高商用车AEB系统的安全性和可靠性,该文提出了基于不安全控制行为分析的商用车AEB决策系统优化方法。首先,通过实车测试获取车车通信在不同工况下的通信时延规律,使用该时延规律对环境车的速度、位移和坐标等参数进行补偿修正,弥补通信时延对系统决策造成的影响。然后,制定交叉口路段处的商用车自动紧急制动策略,在两车即将碰撞时控制本车的制动系统以最大的制动减速度自动紧急制动,避免碰撞的发生,并基于不安全控制行为分析,对AEB决策系统进行优化。最后对提出的优化方法进行了仿真和实车测试,结果表明,该方法能够有效地防止两车在交叉口处相撞,具有较高的安全性和可靠性。     

基于混合团树的贝叶斯网络智能推理算法

提出了一种基于混合团树的智能推理体系架构,利用原始贝叶斯网络中变量之间的依赖关系对连接树进行改造,使得在推理过程中满足以下两个优势：(1)它能直接消除与证据和查询的无关的变量集,使得混合团树得以缩减为更小规模的二级树状结构,进而使消息不必在所有节点中传播;(2)它继承了连接树传播算法中可以重复利用混合团树中预先储存的信息进行加速推理.     

泵闸混凝土施工期智能温控关键信息识别

为实现施工期大体积混凝土温控要素的智能快速识别,提高智能温控系统的反馈及预测模型精度,提出了一套智能算法对物联网技术采集到的各类温控要素原始测值进行识别及转化。针对浇筑温度、浇筑时间、最高温度、内外温差、冷却通水起止时间与表面保温覆盖等施工期关键温控参数,结合工程经验分别给出相应识别任务的判定逻辑并编写对应程序,然后应用多个实际工程数据进行验证,并分析各识别功能的准确率。验证结果表明,本文算法识别效果良好,能够实现温控要素采集的自动化、智能化、快速化、精准化,具有较强的工程实用价值。     

面向不完备单值中智信息的三支决策模型

首先,给出了单值中智信息系统和不完备单值中智信息系统的概念,在此基础上,利用平均值法将一个不完备单值中智信息系统补全为完备的单值中智信息系统;然后,基于补全的单值中智信息系统给出了对象间的相似度的定义,进一步建立了面向不完备单值中智信息的三支决策模型;最后,通过例子阐述了模型的具体应用,并讨论了模型中的参数对决策结果的影响.     

考虑产品质量决策的平台销售契约和物流模式选择策略

结合制造商关于产品的质量决策研究电商平台关于销售契约和物流模式的最优组合策略.根据平台运营实际结合不同的销售契约和物流模式提出4种组合策略：代理销售-物流外包(direct selling and outsourcing, DO),代理销售-自建物流(direct selling and self-logistics, DS),批发转售-物流外包(reselling and outsourcing, RO)和批发转售-自建物流(reselling and self-logistics, RS).通过构建不同策略下的顺序博弈模型,求解制造商和平台关于产品质量、销售价格和物流服务水平的最优决策,探讨物流模式和销售契约对制造商产品质量决策的影响.对比均衡结果发现：相比于物流服务外包,由平台的自建物流系统提供配送服务不仅可以激励制造商提升产品质量和降低销售价格,还有助于提高双方收益;平台的最优组合策略与收取的佣金比率密切相关,当佣金比率低于某一阈值时,其最优策略为DS策略;反之,最优策略为RS策略;此外,该阈值与产品的质量成本系数呈正相关.     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

基于三支决策的密度敏感谱聚类

将三支决策与密度敏感谱聚类结合,提出了一种基于三支决策的密度敏感谱聚类算法。该算法通过在密度敏感谱聚类的聚类过程引入容差参数得到每个类的上界,然后通过扰动分析算法从上界中分离出核心域,上界和核心域的差值被认定为该类的边界域。聚类结果用核心域和边界域来表示每个类簇,可以更全面地展示数据的结构信息。与传统的硬聚类算法在UCI数据集的实验结果相比较,本文使用核心域计算聚类的评价指标DBI、AS和ACC都有所提升,较好地解决了不确定性对象的聚类问题。     

IRS辅助的MISO-SWIPT安全速率最大化算法

为增强系统的稳定性,基于智能反射面（intelligent reflection surface,IRS）辅助安全通信,为用户采用功率分配架构的无线携能传输（simultaneous wireless information and power transfer,SWIPT）技术以提高用户安全速率并降低用户的能量消耗,建立了系统安全速率最大化的目标函数模型;考虑IRS相移约束、基站最大发射功率、功率分配比率约束和用户最低能量采集约束,提出了一种基于交替优化的安全速率最大化算法。利用连续凸近似算法,将目标函数转化为凸的形式;采用交替优化,对耦合变量进行解耦处理;提出一种波束赋形算法以实现安全速率最大化。仿真表明,提出的算法能够有效提升IRS辅助的SWIPT系统的安全速率,至少比其他算法提高了2.63bps/Hz。