基于证据理论的数据关联算法

数据关联技术是多传感器目标跟踪系统中最核心而且也是最重要的部分。由于缺乏跟踪环境的先验知识以及受传感器自身性能的制约,整个量测过程不可避免地引入量测误差,密集环境中的目标跟踪比较困难。针对这个问题,提出的新算法利用概率数据关联方法进行密集杂波环境下的数据关联,结合证据理论的思想对多传感器量测信息进行优化组合,有效地减小了量测误差对跟踪目标的影响。通过仿真结果可以看出,改进算法大大提高了跟踪精度,并具有良好的抗干扰能力,适用于解决工程实际问题。     

基于并行工程的中药制造企业业务过程建模

通过IDEF0(ICAM Definition)建模方法,分析评价了中药制造企业现有业务流程,基于并行工程的思想,提出了集成并行的业务过程模型,并用于指导某企业的经营和运行.     

基于过程神经网络的稀疏数据过程建模方法

针对一类因检测困难而导致检测数据稀少的连续工业过程,提出了基于离散Walsh变换的过程神经网络建模方法.在对稀疏样本数据进行预处理的基础上,采用递推式非邻均值生成法对样本数据进行扩充,以此建立可产生任意密集预测数据的过程神经网络模型,并采用在线滚动学习的方法进一步提高所建立的预测模型的精度.以味精发酵过程菌体浓度预测为例,验证了所建立的过程神经元网络预测模型可以得到非常高的预测精度.     

基于不完全信息博弈的关联基础设施网络保护策略研究

攻击的智能性和基础设施网络间关联的复杂性为制定关键基础设施保护策略带来了巨大挑战.基于此,本文以社区关联基础设施网络为对象,探讨了在攻击和保护资源有限的一般情形下,求解最佳保护策略的模型和有效算法.首先,根据城市社区关联基础设施网络间的关联关系,构建了关联基础设施网络物理模型;其次,基于网络最大流思想,设计了“最大流综合指数”来表征多个关联基础设施网络的工作绩效.然后,基于保护策略公开和攻击者总是选择最佳的攻击方式破坏关联基础设施网络的博弈场景,构建了用于求解不完全信息下“攻击资源不确定-保护资源有限”的关联基础设施网络保护策略求解模型.进一步,设计了计算单向依赖关联基础设施网络遭受攻击后的最终失效组件计算方法,并提出求解关联网络最佳防守-攻击策略的probabilistic solution discovery algorithm (PSDA)算法.该方法被应用到一个代表性算例当中,以验证算法的有效性和解释模型的应用.     

化工过程流体网络的建模与仿真

建立了化工过程仿真培训系统建模中的流体网络模型，这是有温度和组分变化的流体网络模型。利用流体网络和设备模型的不同响应速度，采用变步长仿真方法，提出了一种适用于仿真培训系统的化工过程流体网络的仿真方法。     

基于知识的产业关联网络模型分析

产业之间的关联关系一直是经济学研究的重点。将知识工程的思想和方法与产业经济学相结合,从知识层面构建产业知识元,利用产业知识元及知识元间的关系来描述产业本质属性及产业间的本质关联关系,从而构建基于知识元的产业关联网络模型,最后分析知识元描述下的产业网络的知识、层次及统计特征。     

基于功能依赖的网络信息体系建模及重心分析

功能依赖是大型复杂系统性能或体系能力生成的重要影响因素之一, 各类要素实体间功能依赖关系的表示、识别和度量是复杂体系研究的重要问题。通过对网络信息体系(networked information system of systems, NISoS)中要素系统间交互行为的依赖性分析, 基于功能依赖网络(function dependency network, FDN)构建了NISoS依赖网络模型(dependency network model of NISoS, DNMN)。综合考虑NISoS作战属性与任务完成效果, 提出了体系节点重要性的度量指标, 在此基础上给出了一种体系重心度量方法。最后, 通过某海上方向联合作战NISoS实例计算, 演示验证了提出的体系模型和重心度量方法的有效性。     

一种基于约束关联网络模型的模块化设计方法

针对侧重产品设计各阶段宏观布局原则制定、忽略布局合理性及其进化分析技术研究的现状,提出了一种基于细粒度约束关联网络模型的模块化设计方法.从布局规划及其协同进化的角度,给出了此方法的技术框架和闭环流程框架.研究了基于细粒度约束关联网络模型建立产品族模型的方法.探讨了基于细粒度、多视图产品族模型实现模块划分的分析技术和算法.研究了其设计过程调度方法,并提出了基于过程冲突定位和优化细粒度产品族模型的技术方法.通过在某型号发动机模块化设计中的应用,验证了所提出方法的合理性和有效性.     

基于超网络的作战信息流转建模及特性分析

针对现有单一要素模式的信息网络不能有效反映作战信息流转复杂结构及动态过程的问题,提出一种基于超网络的作战信息流转"两层三网"模型构建及特性分析方法。首先,分析作战信息流转超网络结构特征,抽象作战节点和信息关系的多维属性,定义关联映射规则,建立作战信息流转超网络模型;其次,从节点的超度分布、超边的度分布、介数、聚类系数、子图向心性和网络弹性6个方面,研究了作战信息流转超网络的拓扑特性。最后,以空中突击作战为例,通过仿真实验,验证了模型与方法的可行性和合理性。     

基于时空关联规则挖掘的城市交通拥堵传导预测

对城市交通拥堵进行准确预测是智能交通领域的重要研究问题.为更准确地预测道路拥堵状态和挖掘拥堵传导规则,本文提出了一个新的基于时空关联规则的交通拥堵传导预测模型.该模型使用基于遗传网络规划(GNP)的时空关联规则挖掘算法识别交通拥堵在不同时间、不同地点的共现规则,揭示了交通拥堵的时空传导模式.最后,本文基于北京市交通状态实测数据的实证结果验证了该模型具有较高的预测性能.该模型突破已有研究“先流量预测,再状态分析”的技术路径,将交通拥堵状态作为直接研究对象,揭示了交通拥堵的时空动态传导规律,从而可支持城市交通主管部门提前采取更加系统化的应对措施,提高交通拥堵的前瞻性和动态性处置能力.     

基于复杂网络的作战体系网络建模与优化研究

作战体系是研究信息化战争体系建模和体系对抗的基础,分析了信息化条件下作战体系的网络特性与形成机理,从静态隶属连接和动态交互连接出发建立了反映真实作战体系特性的网络描述模型,以增加网络收益和减小网络成本为优化目标,提出了一种作战体系网络连接优化控制方法,对比仿真分析了网络结构和动态特性对作战体系整体效能的影响规律,仿真结果验证了网络模型和优化方法的有效性,可为作战体系建模深入研究和体系结构整体优化提供理论指导。     

计算机网络对抗行动策略的Markov博弈模型

在分析计算机网络对抗问题特点基础上,将博弈论与马尔可夫决策相结合,以折扣总回报值为目标函数,提出计算机 网络对抗行动的马尔可夫博弈新模型. 运用凸分析理论证明得到网络对抗新模型存在均衡策略,并将攻防双方的均衡策略转换为一个非线性规划问题进行求解. 通过算例分析,验证了方法的可行性和有效性.     

基于概率数据关联的雷达导引头抗速度拖引干扰算法

针对在速度拖引干扰下, 脉冲多普勒雷达导引头无法精确跟踪、制导目标的问题, 提出了基于概率数据关联的抗速度拖引干扰算法。对于雷达导引头角度测量信息和Doppler测量信息, 采用序贯扩展卡尔曼滤波算法进行目标状态估计。根据Doppler信息强非线性的特点构建了伪量测信息, 并提出了在Doppler量测更新滤波估计阶段,采用概率数据关联算法进行抗速度拖引干扰。给出了算法的推导过程, 并进行了数值仿真验证。仿真结果表明, 采用该算法能够稳定跟踪释放多重速度拖引干扰的目标, 有效抑制速度拖引干扰对制导信息估计的影响, 改善导弹的制导精度。     

不完全信息下基于交叉评价的灰色关联决策模型

借鉴DEA交叉评价思想,构建不完全信息下的灰色关联决策模型.决策者对决策对象无"偏好"时,假设各决策对象均具有使"自身评价值最大化,竞争对手评价值最小化"的"自利性"特点;决策者对决策对象有"偏好"时,假设各决策对象均具有使"自身客观偏好与决策者的主观偏好的接近程度最小化"的一致目标.各决策对象按照最有利于自身的权重对所有决策对象进行交叉评价,集结后的交叉评价结果作为决策基准.新模型能公平体现各决策对象的"发言权"和竞争优势,决策结果易于被决策对象和决策者同时接受.     

FTC of hidden Markov process with application to resource allocation in air operation

This paper investigates the feedback control of hidden Markov process(HMP) in the face of loss of some observation processes.The control action facilitates or impedes some particular transitions from an inferred current state in the attempt to maximize the probability that the HMP is driven to a desirable absorbing state.This control problem is motivated by the need for judicious resource allocation to win an air operation involving two opposing forces.The effectiveness of a receding horizon control scheme based on the inferred discrete state is examined.Tolerance to loss of sensors that help determine the state of the air operation is achieved through a decentralized scheme that estimates a continuous state from measurements of linear models with additive noise.The discrete state of the HMP is identified using three well-known detection schemes.The sub-optimal control policy based on the detected state is implemented on-line in a closed-loop,where the air operation is simulated as a stochastic process with SimEvents,and the measurement process is simulated for a range of single sensor loss rates.     

基于马尔科夫链的网络决策分析方法

在继承传统层次分析/网络分析方法的基础上提出一种新的决策方法——基于有限状态齐次马尔科夫链的网络决策方法MC-ANP.该方法使用有向图定义决策准则及准则之间的支配关系.通过对准则的两两比较量化支配关系,用马氏链的状态转移描述支配关系.该方法突出了准则支配关系的合成过程,提供了两种合成模型(其中积合成模型可以彻底解决传统层次分析中出现的逆序问题),指出传统网络分析中无条件使用Cesaro平均极限求解存在的问题.新方法将决策问题分为两类:有方案的决策问题,解是对方案的排序,求解过程就是求马氏链状态转移概率方阵的属于特征根1的特定的左特征向量;无方案决策问题,解是对准则的排序,解是马氏链状态转移概率方阵的属于特征根1的右特征向量.     

网络可靠性评估的演化过程重要度抽样模拟方法

针对具有高可靠度网络的连通失效概率计算问题,提出了一种重要度抽样Monte Carlo模拟方法.首先提出了考虑节点和边单元失效网络连通状态判别的演化过程算法,算法根据网络节点和边单元的可靠度,将每次模拟抽样产生的随机数转化为单元的修复时间;按照单元修复时间次序构建网络连通拓扑结构,并视为向网络连通状态转变的演化过程.然后基于重要度抽样Mont,e Carlo模拟求解高可靠度网络的2\K\All端连通失效概率,其中重要度抽样函数的计算采用基于演化过程和交叉熵模型的多准则迭代方法.高可靠度网络算例的计算结果表明,预抽样求解重要度抽样函数时,多准则迭代方法所需的预抽样次数约为其他迭代方法的1/40.因此,本文方法具有较高的计算效率.     

基于网络分析法的逆向物流外包或自营决策

为了解决制造业逆向物流外包或自营决策问题,以网络分析法(analytic network process,ANP)理论为基础,建立了影响制造业逆向物流外包或自营决策的网络图。以某汽车制造企业为例,通过SD软件进行仿真模拟和灵敏度分析,透视影响该汽车制造企业逆向物流外包或自营决策的因素权重,验证了该网络图的有效性;同时提供了一种解决逆向物流决策问题的定量化思路,期望对企业的逆向物流运作提供决策借鉴。     

航班运行风险网络的传播与控制改进

为探究航班运行风险的产生、传播与控制过程, 首先统计华北区域航班运行数据共计76个风险节点。然后,采用偏秩相关系数构建风险网络, 再使用社团模块探测算法与三角最大滤波法验证网络适用性。并且, 提出一种适用于航班运行风险分析的SEIR(susceptible-infected-exposed-recovered)模型。根据动力学传播结果, 聚类定位网络传播中关键节点。最后, 采用前置预防与战术处置两类控制方案。计算结果表明,仅控制5个节点后, 感染峰值可降低18.44%, 峰值时间推后两个周期, 起降等重要操纵节点被感染次数平均下降11.74%。该方案在感染峰值、感染周期、重要节点感染3个方面的抑制效果均占优。以上结果证实, 所提方案可有效用于航班运行风险问题分析。     

Multiple model tracking algorithms based on neural network and multiple process noise soft switching

A multiple model tracking algorithm based on neural network and multiple-process noise soft-switching for maneuvering targets is presented. In this algorithm, the “current” statistical model and neural network are running in parallel. The neural network algorithm is used to modify the adaptive noise filtering algorithm based on the mean value and variance of the “current” statistical model for maneuvering targets, and then the multiple model tracking algorithm of the multiple processing switch is used to improve the precision of tracking maneuvering targets. The modified algorithm is proved to be effective by simulation.