基于LMI的不确定离散多时滞系统鲁棒控制

针对一类离散时间多时滞不确定系统,给出了新的充分条件以保证该系统的鲁棒稳定性.通过采用Lyapunov方法,结合线性矩阵不等式(LMI)技术,设计出系统的状态反馈鲁棒控制器.最后,通过仿真案例表明所提出理论结果的正确性和有效性.     

基于数量弹性契约的供应链鲁棒运作模型

供应链中的各种不确定性因素造成供应链运作风险,进而影响供应链各成员及其整体绩效水平.利用鲁棒优化方法处理不确定性优化问题的优势及数量弹性契约机制的风险分担功能,研究包含一个制造商和一个销售商的二级供应链系统绩效优化问题,根据Stackelberg博弈理论,在考虑需求不确定条件下,建立了基于数量弹性契约的鲁棒优化模型,提出了区间性需求分布下的鲁棒运作策略,并给出了相关的算例,算例结果表明:具有数量弹性契约的供应链鲁棒运作策略能保证供应链中各成员及整体收益在一定程度上优于没有数量弹性契约时的收益,从而可以提高供应链各成员及其整体的收益.     

基于统计阈值的鲁棒性语音识别

近几十年来,语音识别系统已由实验室环境走向真实的世界中.在不同的环境噪声下,识别性能却仍不尽人意,尤其是在低信噪比的环境中.为解决在低信噪比情况下的低识别率的问题,以声学参数MFCC( Mel-frequen-cy cepstrum coefficient)为基础,提出了一种基于统计阈值的倒谱均值方差归一化算法,该算法...     

基于演算子理论的含有未知不确定性机械臂的鲁棒非线性精确跟踪控制

设计了一种基于演算子理论的含有未知不确定性机械臂的鲁棒非线性精确跟踪控制系统.机械手臂的模型不确定性包含未知模型误差和外界扰动对系统性能的影响.考虑未知的不确定模型在设计精确跟踪控制器产生限制情况下,设计了一种基于演算子理论的反馈控制结构来消除不确定模型的影响.基于得到的控制结构,提出了新的精确跟踪条件用来改进机械臂的跟踪性能.最后通过仿真结果验证了设计系统的有效性.     

不确定需求下基于分布式鲁棒机会约束的车辆调度问题研究

随着新能源汽车共享模式的迅速发展,允许异地还车导致车辆不均衡问题日益突出.本文考虑不确定的车辆需求,基于需求量的均值和方差等部分信息,最小化最坏情况下系统可用车辆和空闲停车位的机会约束,建立分布式鲁棒优化机会约束车辆调度模型,以总成本最小化为目标,得出模型的数学性质和易求解的等价形式,确定停车桩之间的车辆调度数量.最后,以北京市15个停车桩的车辆调度为例,确定最优的车辆调度方案.结果表明,随着服务水平的增加,调度成本和车辆调度数量增加明显,当服务水平增加到一定程度后,应增加系统的车辆数和停车位以满足服务水平的要求.决策者可根据自己的偏好及系统的服务要求,选择恰当的服务水平参数组合,以获得最优的车辆调度方案.     

时变时滞区间不确定脉冲系统的鲁棒稳定性和H_∞控制

利用Lyapunov泛函和矩阵范数的性质研究了带时变时滞区间不确定脉冲系统的鲁棒稳定、鲁棒镇定和H∞鲁棒控制问题,并以矩阵不等式的情形给出相应的充分条件。在实际应用中,尤其当系统的维数特别大的时候,将区间不确定性转化成一般的范数有界不确定性是比较复杂的,而本文方法利用矩阵范数的性质,只需要知道系统矩阵的上下界。最后给出相应的数值仿真以说明理论结果的实用性。     

切换双机电力系统的鲁棒控制器设计

研究了切换双机电力系统的鲁棒控制器设计问题.首先,考虑到实际系统中的不确定性对系统性能的影响,建立了切换双机电力系统含有不确定性的数学模型.然后,利用公共Lyapunov函数方法,给出了系统控制器的设计方案,并证明了闭环系统是稳定的.最后,总结了本文的工作并指出了今后将进一步探索的问题.     

A Quantile Regression Approach to Equity Premium Prediction

We propose a quantile regression approach to equity premium forecasting. Robust point forecasts are generated from a set of quantile forecasts using both fixed and time‐varying weighting schemes, thereby exploiting the entire distributional information associated with each predictor. Further gains are achieved by incorporating the forecast combination methodology into our quantile regression setting. Our approach using a time‐varying weighting scheme delivers statistically and economically significant out‐of‐sample forecasts relative to both the historical average benchmark and the combined predictive mean regression modeling approach. Copyright © 2014 John Wiley & Sons, Ltd.     

多重结果比较中的一个稳健检验

在生物学研究中,为比较两组研究对象的多重结果,在假设总体分布为正态分布的情况下,参数方法如多元的方差分析方法及Bonferroni方法广为应用.然而在多数情况下总体为正态分布的假设并不成立,因而人们自然地提出了更为稳健的非参数检验统计量,如O'Brien检验统计量,Huang检验统计量,MAX及SAR检验统计量等.本文旨在提出一个更为稳健的检验统计量.     

Robust data envelopment analysis based MCDM with the consideration of uncertain data

The application of data envelopment analysis (DEA) as a multiple criteria decision making (MCDM) technique has been gaining more and more attention in recent research. In the practice of applying DEA approach, the appearance of uncertainties on input and output data of decision making unit (DMU) might make the nominal solution infeasible and lead to the efficiency scores meaningless from practical view. This paper analyzes the impact of data uncertainty on the evaluation results of DEA, and proposes several robust DEA models based on the adaptation of recently developed robust optimization approaches, which would be immune against input and output data uncertainties. The robust DEA models developed are based on input-oriented and outputoriented CCR model, respectively, when the uncertainties appear in output data and input data separately. Furthermore, the robust DEA models could deal with random symmetric uncertainty and unknown-but-bounded uncertainty, in both of which the distributions of the random data entries are permitted to be unknown. The robust DEA models are implemented in a numerical example and the efficiency scores and rankings of these models are compared. The results indicate that the robust DEA approach could be a more reliable method for efficiency evaluation and ranking in MCDM problems.