用GEP实现复杂函数的自动建模

GEP是一种新颖的遗传算法,在函数建模的应用中取得良好的结果.给出计算有效基因长度的伪代码,结合GRCM方法阅读基因,快速计算出染色体的适应值.在算法中增加了参数估计模块,用GEP得到较好模型后,用参数估计模块进行参数优化,试验显示这种混合的GEP方法比传统的最小二乘法、神经网络以及遗传程序设计等方法具有更好的性能.     

航天器及部位投影形状不确定性的建模与仿真

在未来空间作战中,航天器将成为重要的作战装备,同时也将是敌对双方重点打击的对象.通过投影形状确定航天器类型或者航天器毁伤部位的毁伤度,可以为及时采取相应的措施提供决策依据.结合航天器的三维空间实体描述,给出了航天器投影多边形的误差带模型以及航天器毁伤部位投影多边形的面积误差模型.通过实例仿真分析得出,通过构建航天器及其毁伤部位多方位投影形状数据库,建立多边形面元不确定性模型,结合先进的计算机技术和人工智能技术,确定航天器类型及其可能毁伤部位的毁伤度是可行的.     

颌面部骨骼三维建模与通用仿真平台的建立

为了建立一个通用的三维颌面部骨骼系统仿真环境,将骨骼建模过程与仿真行为定义完全分离开,每一骨骼组织(包括每一颗牙齿)模型给定唯一的命名,使相关的行为方法与命名的名称唯一对应,实现了不同个体的颌面部骨骼模型,均可在同一仿真环境下实施给定的行为仿真.本研究基于人体切片图像和64层螺旋CT图像,重建了两个符合生理结构要求的颌面部骨骼三维模型.借助Virtools行为仿真开发软件,实现了两个模型符合生理运动的咬合过程仿真与初步的齿冠面修复仿真.     

基于Agent的集卡调度建模与仿真研究

日益大型化的集装箱船舶对集装箱码头的生产调度提出了较以往更加严格的要求.集装箱码头中的集卡调度是否合理对于提高整个码头的装卸效率具有重要意义.利用agent和哈佛体系结构对集卡动态调度进行建模,以AnyLogic仿真平台为实现工具,基于数据库中实际的生产数据,融合黑板系统和消息通讯形成多agent之间的协同机制,引入操作系统中的资源分配算法调度集卡.最后仿真了具体的港口生产实例,其结果优于以往文献的仿真结果,充分验证了上述建模仿真思想的可行性和可信性.     

基于GSPN方法的柔性制造系统过程模型和性能分析

应用广义随机Petri网方法,对柔性制造系统进行建模和分析,提出了控制策略和优化方法.针对柔性制造系统的离散性,对整个系统的过程模型进行分析.利用广义随机Petri网结合马尔可夫链的方法,确立了系统的配置参数,得出了系统的平均运行时间,机床的平均使用率,系统的生产率,故障概率,对系统的优化和生产效率的提高以及柔性的提高提供了理论支持.最后,通过柔性制造系统实例,对该方法进行了检验.     

船舶运动与受扰Kalman估计精度的统计分析

考察船舶水动力参数在标称值附近按均匀分布发生随机变化时,船舶纵向运动姿态及受扰Kalman估计的统计性能.针对某船,在5级海情,18节航速及45度航向常规工况下,当船舶水动力系数按均匀分布发生士10%、±20%随机变化时,给出船舶姿态及受扰Kalman估计精度的概率建模方法及应用.仿真结果表明,当水动力系数出现摄动时,估计精度服从对数正态分布,平均估计精度与未出现摄动时相比无显著变化.     

基于支持向量机元模型的随机鲁棒设计

随机鲁棒设计是一种基于蒙特卡洛仿真的优化设计方法.通常情况下,对于复杂仿真模型的随机鲁棒设计时间开销很大.为减小随机鲁棒设计过程中的时间开销,使用参数最优的最小二乘支持向量机替代仿真模型进行随机鲁棒设计.使用标准粒子群优化算法搜索支持向量机参擞和控制器参数的寻优.通过一个基准测试问题证明了该方法的可行性.     

ARMA模型辨识及其在光纤陀螺漂移建模中的应用

针对含有噪声的时间序列模型辨识精度低的问题,采用自回归函数的衰减正弦曲线方法估计含有噪声的ARMA模型系统参数,AR参数从衰减正弦曲线直接获得,MA参数估计采用相关匹配技术.仿真结果表明,时于具有不同信噪比噪声干扰的系统,该算法具有良好的收敛性和准确性.在此基础上,将该方法应用到光纤陀螺漂移误差建模中,实验结果表明,采用该算法所确定的模型能够精确的反应光纤陀螺的漂移趋势.     

基于状态信息的条件剩余寿命建模研究

根据监测到的设备状态信息预测其条件剩余寿命一直是基于状态维修中的关键问题。利用滤波理论,建立了基于状态信息的剩余寿命预测通用模型,并推导出采用极大似然估计法下参数估计的通式,使得在已知寿命服从其他任何分布形式时直接代入通式便可快速地得出其模型,从而预测其剩余寿命,省去了复杂繁琐的迭代过程。通过案例发现模型能够根据状态信息很好地预测其剩余寿命,并在不断更新状态信息的条件下越来越精确地预测其剩余寿命。     

Data association based on target signal classification information

In most of the passive tracking systems, only the target kinematical information is used in the measurement-to-track association, which results in error tracking in a multitarget environment, where the targets are too close to each other. To enhance the tracking accuracy, the target signal classification information （TSCI） should be used to improve the data association. The TSCI is integrated in the data association process using the JPDA （joint probabilistic data association）. The use of the TSCI in the data association can improve discrimination by yielding a purer track and preserving continuity. To verify the validity of the application of TSCI, two simulation experiments are done on an air target-tracing problem, that is, one using the TSCI and the other not using the TSCI. The final comparison shows that the use of the TSCI can effectively improve tracking accuracy.