一种基于信息熵的体系流程脆弱性分析方法

 体系在执行任务过程中面临来自外部、内部的各种破坏、干扰或威胁等风险,当风险发生时体系受到影响的程度表现为体系脆弱性,体系流程的脆弱性是影响体系能否完成任务的一个重要方面。提出一种基于信息熵的体系流程脆弱性分析方法：首先,面向体系面临的风险事件及其流程结构特征建立体系流程结构脆弱性分析过程;其次,将体系流程转化为有向图模型,基于信息熵构建了体系流程中各个节点的脆弱度计算模型;最后,将复杂体系流程有向图模型简化为串联、并联和混合3种基本结构,建立了3种基本结构的脆弱度计算模型,进而即可计算体系流程的脆弱度。通过案例说明了该方法的有效性。     

优化分级T-S模糊控制动态估计纯电动汽车电池健康状态

针对纯电动汽车动力电池健康状态（state of health,SOH）预测中非线性影响因素多、算法繁杂、难以在单片机开发平台中实现等难点,首先利用累计充电循环次数计量法得到使用循环次数,将SOH与使用循环次数、内阻变化量、电压降值的相关非线性关系转换成离散的二维数据表,依据使用条件,采用二分查表法获得不同估计方法下SOH值;再将使用循环次数、电压降值和内阻变化量作为输入量,以相应SOH的权重作为输出,利用T-S模糊控制建立SOH动态预测模型,根据权重和边界条件计算得到SOH.仿真结果表明,所提方法最大预测误差4.3%,响应时间55 ms内,预测效果比现有方法显著提高.      

CEEMDAN自适应阈值去噪算法在地震方向的应用

提出一种基于自适应完备集合经验模态分解(CEEMDAN,complete ensemble empirical mode decomposition with adaptive noise)的自适应阈值去噪算法。含噪信号经CEEMDAN算法分解成若干个模态分量(IMF,intrinsic mode functions),根据样本熵理论,对IMF分量中高频分量自适应选取,根据噪声和有用信息与原始信号的相关性不同,对高频分量中的噪声系数定位,利用能量熵选取噪声主区间,用高频分量中噪声主区间的噪声系数方差作为阈值,对高频分量进行阈值去噪,进一步去除噪声,保留高频中的有用信息,最后将信噪分离的高频分量和低频分量重构。分别对合成和实际地震信号去噪处理,并与常规去噪算法进行对比。数据仿真和实验结果表明,在原始信号信噪比为0.5dB时,常规与改进算法去噪后信噪比分别为4.55dB和9.97dB,大幅提高信噪比,达到随机噪声压制的目的,实现了高频分量的自适应选取和高频分量中有用信息的再提取。     

基于模糊集-证据理论-层次分析法的车辆运行风险评估

为研究车辆运行风险等级,通过模糊集理论和DS证据融合算法,研究不同因素在不同风险等级的概率隶属值,运用层次分析法计算不同因素对车辆运行风险系统的权重值,通过加权计算车辆运行综合因素发生不同等级风险的概率和综合风险值。通过对湖南省高速公路某一路段作为实例分析,研究表明：该路段整体车辆运行风险是中等等级风险。因此,模糊集-DS证据理论-AHP的方法对车辆运行风险评估是行之有效的。     

三角模糊层次分析法在教师绩效评价体系的应用

指标及其权重是评价体系构建的核心之处。权重的合理确定需要对指标进行定性和定量综合分析。本文提出基于模糊层次分析法上,利用三角模糊数表示同层各指标两两重要性程度的比较,建立三角模糊数互补判断矩阵,并进行一致性检验,从而确定指标权重。与传统的权重确定方法相比,将定性和定量相结合,避免了决策者的主观性和局限性。最后将其运用于某高校教师绩效评价体系中,为师资队伍建设提供决策及导向作用。     

基于粒子群优化的马氏距离模糊聚类算法

为解决传统模糊聚类迭代算法对初始化敏感,易陷入局部最优及处理高维数据时精度下降的问题,对基于马氏距离的模糊聚类算法(fuzzy c-means algorithm based on Mahalanobis distance,M-FCM)进行优化。将马氏距离代替欧氏距离,通过构造类内紧致度、类间分离度与类间清晰度结合的适应度函数,利用粒子群优化算法(particle swarm optimization,PSO)对马氏距离模糊聚类进行研究,提出了基于粒子群优化的马氏距离模糊聚类算法(Mahalanobis distance fuzzy clustering algorithm based on particle swarm optimization,DPSOM-FCM),并将此新算法与FCM(fuzzy c-means algorithm),M-FCM,PSO-FCM,IFPSOFCM(importance for fuzzy clustering algorithm based on particle swarm optimization)算法,在UCI(university of californiairvine)数据库的6个标准数据集上进行实验对比分析。结果表明,DPSOM-FCM算法具有算法收敛性和聚类有效性,并且聚类精确度优于其他算法,对高维数据的聚类识别能力强,即该算法具有全局优化作用。     

采用模糊免疫PID控制的移动机器人避障误差仿真研究

当前,移动机器人运动规划路径较长,实际运动轨迹与理论运动轨迹误差较大。对此,设计了移动机器人模糊免疫PID控制系统,并对控制系统输出误差进行仿真验证。建立移动机器人平面简图,给出机器人运动方程式,采用平面栅格来描述机器人运动规划路径。引用传统PID控制器并进行改进,设计了模糊免疫PID控制系统,给出了移动机器人PID控制输出系统在线调节流程。采用MATLAB软件对机器人输出误差进行仿真,比较PID控制和模糊免疫PID控制输出误差大小。结果显示:移动机器人采用传统PID控制系统,稳定调节时间为1.0 s,产生的最大误差为0.83 mm,系统输出误差较大;移动机器人采用模糊免疫PID控制系统,稳定调节时间为0.5 s,产生的最大误差为0.59 mm,系统输出误差较小。移动机器人采用模糊免疫PID控制系统,响应速度快,追踪误差较小,从而提高系统的稳定性。     

采用改进模糊PID控制的串联机械手追踪误差研究

针对串联机械手运动角位移跟踪误差较大问题,提出了改进模糊PID控制方法。创建串联机械手简图模型,给出机械手动力学方程式,设计了模糊PID控制系统。引用粒子群算法并对其进行改进,采用改进粒子群算法优化模糊PID控制器,将改进模糊PID控制器用于控制串联机械手角位移变化。采用Matlab软件对串联机械手角位移跟踪误差进行仿真验证,并且与传统PID控制器和模糊PID控制器仿真结果形成对比。仿真结果显示,串联机械手采用PID控制器和模糊PID控制器,其角位移跟踪误差较大,而采用改进模糊PID控制器,角位移跟踪误差较小。串联机械手采用改进模糊PID控制器,可以提高控制系统的稳定性,削弱机械手的抖动现象。     

碳纤维角联织机卷取系统张力网络化控制研究

针对碳纤维角联织机卷取系统中的张力控制问题,对卷取系统进行动力学分析并建立动力学模型;在考虑网络诱导时延、数据包丢失及网络带宽占有率等因素的基础上设计一种自适应模糊PID控制器,将此控制方法与常规的PID控制方法进行仿真对比。结果表明,在同时存在网络诱导时延、数据包丢失及网络带宽占有率的情况下,自适应模糊PID控制方法超调量小、输出张力波动小、跟踪效果良好、系统稳定性强,具有更好的控制效果。     

区间值模糊集中蕴涵算子基于重叠和分组函数的分配性

用区间值模糊集的方法和原理,通过引入可表示的区间值重叠函数和分组函数的概念,在边界条件下给出以下4种方程及类似方程的解:I(x,O_1(y,z))=O_2(I(x,y),I(x,z));I(O_(x,y),z)=G(I(x,z),I(y,z));I(G(x,y),z)=O_(I(x,z),I(y,z));I(x,G1(y,z))=G2(I(x,y),I(x,z)).并说明t-可表示的连续Archimedean三角模(三角余模)分配性方程的解类似于上述结果.