概率犹豫模糊环境下基于累积前景理论和VIKOR的多属性群决策方法

针对概率犹豫模糊环境下的多属性群决策问题,考虑决策者心理行为的过程中存在的不足,本文提出了一种基于累积前景理论与多准则妥协优化解(VIKOR)法相结合的多属性群决策方法。首先,通过一致性调节方法确定决策者的综合权重;其次利用主观主客观结合的方法求解属性权重;再者通过累积前景理论完善决策者的心理决策过程,摒弃传统的欧式距离公式,采用坎贝拉距离公式加权,构建正、负理想解矩阵;然后基于VIKOR方法确定备选方案的优劣顺序;最后对比分析验证了所提方法的可行性和有效性。     

某型40 kW发电机组冷却系统分析及阻力部件选型设计

为解决某40 kW发电机组冷却系统水温偏高的问题,通过采用计算流体力学方法开展了该发电机组整机流场分析及阻力部件选型设计。结果表明：测量点风速和温度仿真与实测值基本吻合,验证了机组流场计算结果的可靠性;依据部件阻力分析和机组布局确定了阻力部件结构及风阻大小,阻力部件风阻总和为530 Pa。阻力部件选型设计后整机流场校核及实验验证结果显示散热器风量为7.34 kg/s,水温约为93 ℃,低于水温报警温度95 ℃。可见经冷却系统分析及阻力部件选型设计后整机散热改善明显,满足冷却需求。     

“双碳”目标下多周期供应链碳减排协调决策研究

针对“双碳”目标下的供应链多周期碳减排问题,提出了单制造商、单零售商组成的多周期情形供应链模型,研究各周期碳减排水平和零售定价之间的协调优化问题。首先,建立单周期Stackelberg博弈模型并在此基础上构建了多周期供应链协调决策的动态规划模型,其次,利用Stackelberg博弈求解各周期产品零售价格与批发价格,之后运用动态规划求解出各周期最优碳减排水平并得出制造商与零售商的多周期最大利润;通过算例分析得出碳减排成本系数和低碳偏好程度等因素对碳减排、定价决策以及制造商、零售商利润的影响。研究发现,制造商各周期的碳减排量与周期剩余数以及低碳偏好程度呈正向关系,与减排成本系数呈负向关系;各周期批发价格、零售价格与消费者低碳偏好程度以及减排成本系数呈负向关系;各周期批发价格与零售价格随着周期推移逐渐增加。     

传热单元操作的基本研究方法

本文通过介绍间壁式换热器中热传导、热对流和工艺计算中的几种基本研究方法,阐述了传热的基本研究方法也是动量和质量传递的基本研究方法,而讨论研究方法的共同性,是把握一个知识体系途径之一.     

利用二元决策图求解故障树的基本事件排序

故障树分析是一种核电站常用的概率安全评价方法。对利用二元决策图求解故障树方法中的关键问题——基本事件排序进行了研究。先将故障树转化成二元决策图,然后通过遍历二元决策图直接获取割集。在转化的过程中,基本事件的排序对二元决策图的规模和计算速度有着直接的影响。寻找基本事件的最优排序是该方法的重点。该文提出的三条排序法则,对基本事件的排序有明显的帮助,可使二元决策图结点数减少约二分之一。     

基于ATT7022A的Y/Δ切换抽油机节能控制器的研制

Y/Δ转化器在低负载率时,节电效果较好。可控硅调压控制器在高负载率时,节电效果较好。采用高精度三相电能计量芯片ATT7022A,设计了一种结合两者优点的抽油机节能控制仪。对抽油机电动调压节能系统的软硬件设计做了较详细的分析。通过在多口油井上安装Y/Δ可控硅调压组合式抽油机节能控制仪,并对5口井进行了现场对比测试,单口井年节电约2.1万kW.h。     

某控制系统传感器组件故障树算法优化设计

在控制技术中,传统的故障树分析方法已不能适应时代的要求。以某控制系统传感器组件的故障树为例,对传统的故障树算法进行了优化设计,定性地将故障树信息写入两个矩阵中。通过对矩阵进行遍历,最终得到了代表故障树分析结果的最小割集和最小径集,并定量地计算出结构重要度、概率重要度和关键重要度。分析结果表明该算法能够准确定位故障,对故障诊断系统具有一定的参考价值。     

适应信息化建设军队院校办学效益评估数学模型研究

从宏观层次及微观层次上对军队院校办学的经济效益、规模效益、体制结构效益、质量效益、管理效益、地域效益等办学效益设立了评估指标体系模型,并采用定量、半定量和定性相结合的评估方法,对办学效益综合评估建立了模糊多目标群体决策评估数学模型。     

基于知识的火箭安全控制智能决策系统

随着科学技术的不断进步,航天事业得到了蓬勃发展,火箭发射成为各个航天国家共同研究的课题。其中安全控制是火箭发射中的首要问题,也是各个航天国家关注的焦点．论述了火箭安全控制的重要性,分析了原有火箭安全控制系统的特点,针对存在的不足,采用人工智能领域的智能决策技术和推理技术,融合安全控制知识,提出了基于知识的火箭安全控制智能决策系统的设计思想、结构体系及实现方法,提高了火箭安全决策的可信度和真实性．     

一种可用于分类型属性数据的多变量决策树算法

针对绝大部分多变量决策树只能联合数值型属性,而不能直接为带有分类型属性数据集进行分类的问题,提出一种可联合多种类型属性的多变量决策树算法(CMDT).该算法通过统计各个分类型属性的属性值在各个类别或各个簇中的频率分布,来定义样本集合在分类型属性上的中心,以及样本到中心的距离.然后,使用加权k-means算法划分决策树中的非终端结点.使用这种结点划分方法构建的决策树可用于数值型数据、分类型数据以及混合型数据.实验结果表明,该算法建立的分类模型在各种类型的数据集上均获得比经典决策树算法更好的泛化正确率和更简洁的树结构.