协同虚拟维修过程中的虚拟人体维修操作控制

针对操作人员难以在有限的光学运动捕捉设备捕捉范围内自由运动的问题,开展了协同虚拟维修过程中的虚拟人体维修操作控制研究。基于光学运动捕捉设备对操作人员的下肢动作进行捕捉,根据实时识别结果控制虚拟人体进行大范围运动。针对维修操作过程中的虚拟人体手部运动控制,分析了虚拟人体的手部交互过程,提出了一种基于动态贝叶斯网络的维修操作智能辅助方法。以某液压缸协同式虚拟维修操作仿真平台为例验证了方法的有效性。该方法实现了对虚拟人体维修操作过程的有效控制,具有实时性好、交互性与感知性强等优点。     

城市疫情传播和复工强度建模及相关性分析

以多源大数据为基础构建模型,分析全国34个典型城市因疫情导致的人口迁徙变化和人力缺口,并通过迁徙基数推算其他各城市的复工强度。仿真结果证明SEIR仓室模型能够较好地模拟此次疫情发展趋势,利用其估计各城市内部新型冠状病毒感染肺炎的基本再生数,结合人力缺口对复工强度进行回顾性的矩阵分析,以总结我国此次抗疫经验。相关性分析阶段对K-means无监督聚类后的城市集群进行回归分析,结果表明对于大部分城市而言,复工强度的大小与其人力缺口、基本再生数以及人均GDP水平有明显的相关关系。     

基于SIRV病毒传播理论的装备保障网络级联失效分析

针对装备保障网络遭受敌方攻击时所显现出的复杂性现象,对比分析网络级联过程与病毒传播过程的相似性。在已有的负载容量级联故障传递模型基础上,融入了病毒免疫传播的过程,定义保障节点的4种不同状态,构建基于病毒免疫传播理论的装备保障网络级联传递模型,更好地再现了我方保障机构受到敌方实际打击和舆情攻击时的真实状况。通过仿真对比分析表明,在防御资源有限和时间迫切的情况时,优先考虑主动免疫策略,能够取得较好的抵御级联失效的效果,还可以辅助实施目标免疫策略,从而使装备保障网络具有较强的健壮性和较好的恢复能力。     

基于有限时间LaSalle不变集的PMSM混沌控制

为有效地抑制永磁同步电动机系统的混沌行为,基于有限时间理论和LaSalle不变集定理设计了一种自适应控制器。分析了永磁同步电动机系统的混沌动力学特性,确定了系统处于不同运动状态的参数域;在理论上证明该控制器能够在有限时间内稳定到平衡点且能自动跟踪系统平衡点;仿真实验证明,该控制方案形式简单,快速性更好,稳定性更高。研究结果对保证永磁同步电动机的稳定运行具有重要意义。     

基于共识粒子群的全局优化求解方法

针对粒子群优化(PSO, particle swarm optimization)和高效全局优化(EGO, efficient global optimization)两种算法的特点,提出一种共识粒子群和局部代理模型协同的全局黑箱优化算法(CPSO-LSM, consensus particle swarm optimization and local surrogate model)。该算法固定PSO算法周期对粒子进行分群并在粒子达成共识后停止,将每群粒子周围的优质子区域输出作为代理模型的建模区域,通过比较各区域最优值获得高质量最优解甚至全局最优解。不仅避免了PSO冗长的计算过程、提高了建立代理模型的速度和精度还可以避免陷入局部最优。通过对比其他算法在标准测试函数的仿真结果,CPSO-LSM具有较好的收敛速度和求解精度。     

超启发式DE算法求解零等待发酵工艺调度

为解决具备间歇过程特点的零等待发酵工艺调度过程中易变质的难点,提出了一种超启发式差分算法,并将最小化最大完工时间设置为优化目标。此算法分为2层,高层为改进的自适应差分进化算法,来对低层的启发式操作进行选择排序。而低层组合排序成了新的算法对问题域进行操作,加入模拟退火算法避免陷入局部最优。所提出的方法具有学习的机制,对不同问题具有较强的泛化能力。通过测试算例和实际生产进行算法的比较和求解验证了此算法的有效性,结果表明所提出的算法比传统的启发式算法性能更优。     

自适应的无线融断网络路由算法研究

无线融断网络具有长延时、高动态拓扑、链路不稳定等特点,伴随着网络联接缺乏源端到目的端的持续性,为解决网络通信困难的问题,将多头绒泡菌的智能性和自适应性引入,提出一种自适应的无线融断网络路由算法。搭建无线融断网络模型,推导出链路容量的数学表达;设计下一跳节点的选择策略和最佳路由选择策略,实现在融断网络环境下的数据尽力投递。仿真实验表明,该算法能够在网络开销率较低的情况下,达到良好的数据投递,且平均延迟小。     

需求与价格具有相关性下的退货政策模型研究

在需求不确定且与价格具有相关性的前提下，建立了退货政策模型，通过引入回馈与惩罚策略，解决了单纯的退货政策无法实现供应链协作这一问题。并重点探讨以下两个主要问题：(1)如何确保供应链协作；(2)如何确定最优的零售价格和订购量。最后，通过数值例子对各种模式进行了分析比较。     

Non-Minimum Phase Nonlinear System Predictive Control Based on Local Recurrent Neural Networks

Abstract: After a recursive multi-step-ahead predictor for nonlinear systems based on local recurrent neural networks isintroduced, an intelligent PID controller is adopted to correct the errors including identified model errors and accumulatederrors produced in the recursive process. Characterized by predictive control, this method can achieve a good controlaccuracy and has good robustness. A simulation study shows that this control algorithm is very effective.     

Performance Analysis of the Dynamic CSMA/CD Protocol in a Wireless Channel

In wireless networks, packet access is a popular mode, and the key problem is how to improve throughput and access delay performance, especially the throughput for wireless channels. These results will be a reference for not only a wireless channel but also a common MAC protocol.