带源项的非线性扩散方程的高阶Lie-Bcklund对称

研究一类在物理学及其相关领域中具有重要意义的带源项的非线性扩散方程.运用条件Lie-Bcklund对称和不变子空间相结合的方法,得到带源项的非线性扩散方程的非线性分离变量解,并对方程进行了完全分类.     

高维不确定多变量系统的高阶滑模分解控制

针对一类高维不确定多变量系统,提出一种高阶非奇异终端滑模分解控制方法.通过两次非奇异状态变换,首先将系统分解为输入输出子系统和内部子系统.针对输入输出子系统,巧妙结合高阶滑模和非奇异终端滑模,基于跟踪微分器技术,设计了一种新型的高阶非奇异终端滑模控制器,可提高子系统的收敛速度,消除滑模控制的高频抖振信号,同时将内部子系...     

修理工多重休假且一部件可修复如新的两不同型部件并联系统可靠性分析

研究两个不同型部件和一个修理工组成的并联可修系统,在部件工作时间和修理时间均服从指数分布,部件1可修复如新且具有优先修理权及修理工可多重休假的假定下,利用补充变量法及广义马尔可夫过程理论对系统进行了可靠性分析,得到系统的可用度、可靠度及首次故障前平均时间等可靠性指标.     

光伏发电系统对配电网三相电压不平衡度影响的计算方法

针对传统确定性潮流计算在对分布式光伏电站接入配电网后导致的三相电压不平衡现象进行评估时的不足,提出了一种基于多点线性化的半不变量概率潮流和重要抽样对配电网不平衡度进行评估的方法.首先,针对Beta分布描述的局限性,以自适应非参数核密度估计法对光伏出力和负荷波动的随机过程进行表征,从而提高建模精度;然后,利用分段线性化半不变量法进行随机潮流分析以降低不确定性引起的误差,构建出混合Copula函数计算公共连接点的不平衡度;最后,采取抽样方法得到不平衡度均值进行评估.通过对IEEE33节点系统进行仿真分析,验证了此方法的有效性和可行性.     

多变量无模型预测神经网络线性自抗扰控制

对难以建模的多变量非线性系统的控制难题,提出改进的具有辅助向量的多变量全格式动态线性化方法,采用其逼近非线性系统,用其构成预测模型,将其转化为具有耦合的若干个子系统,利用直接极小化指标函数自适应优化算法辨识其参数,将多变量线性扩张观测器的线性控制输入项改进为关于观测状态和控制输入向量及其微分的向量函数,并由该向量函数的逆向量函数构建当前控制输入向量,因其未知,使用对角回归神经网络逼近控制输入向量函数,采用多变量非线性递推最小二乘法优化对角回归神经网络连接权及多变量线性自抗扰控制参数,综上研究提出在线优化参数的多变量无模型预测神经网络线性自抗扰控制算法。仿真研究表明系统响应精度高,性能好,优于传统的线性自抗扰控制算法。     

基于两级神经网络的发酵过程多变量前馈解耦控制

针对具有时变、非线性、不确定性的多变量耦合生物发酵过程,提出了一种基于两级神经网络的多变量前馈解耦方法.一级神经网络利用可获得的过程信息拟和耦合通道的过程特性,实现耦合作用对被控量影响的估计;二级神经网络用来拟和控制通道的逆特性.通过两级网络的串联,消除系统间的耦合.实验结果表明,提出的解耦控制方法能适应生物发酵过程模型的不确定性和参数时变性,克服了前馈解耦方法依赖于过程模型和对模型参数的变化表现敏感的缺点.     

基于GEMS算法的潜变量高斯图模型结构学习

考虑了潜变量高斯图模型下的结构学习(模型选择)问题,即存在潜变量时可观测变量间相互关系的估计问题.简要介绍了高斯图模型及潜变量高斯图模型下的LVglasso方法,给出了GEMS(广义期望模型选择)算法结合LVglasso下潜变量图模型选择的算法步骤.通过模拟,发现GEMS结合LVglasso方法在模型选择速度上比EM(...     

质量加权坐标系下水分子2种特殊振动模式的DVR计算

在质量加权坐标系下用离散变量表示(DVR)方案研究了H2O基电子态2种特殊振动模式的振动光谱.计算中应用多项式函数拟合从头算结果得到的内坐标系下的基态解析势能面,经坐标变换得到质量加权坐标系下的相应势能面.分子的哈密顿形式在质量加权坐标下给出.用H2O振动能级的计算验证算法的可行性,从而为二维多光子电离光电子能谱的模拟奠定理论基础.     

考虑BOM的FMS生产线能力规划问题

针对印刷装配板(Printed Wiring Board, PWB)的制造过程,建立了一个基于多种需求状态的多计划期多种产品类的能力规划模型.该模型考虑了机器的柔性、产品类的BOM(Bill of Materials)约束(物料需求约束)以及进行生产能力调整的风险.考虑该模型是一个大规模的混和整数规划问题,无法用一般的数学软件直接进行求解,提出了一种求解近似最优解的方法,首先应用启发式算法减少装配线能力调整决策变量的搜索空间,然后应用遗传算法进行搜索.最后通过实例分析验证了该方法的可行性及其在管理学上的意义.     

变量施肥决策的多目标优化模型与算法

变量决策模型和优化算法是精准农业变量作业处方生成的核心环节.文中建立了一个综合考虑作物产量、质量、能源消耗、环境影响等多个指标的变量施肥多目标优化模型,提出了一种求解此类问题的高效禁忌搜索算法,从产量最大化的初始施肥方案出发,基于最近可行解的概念进行邻域搜索,并按照质量优先的策略不断寻找和更新解集,最后得到一组非支配意义下的优化施肥方案,以提高精准农业变量施肥的决策支持能力和水平.通过对江西宜春地区油茶树变量施肥问题的案例研究,验证了模型和算法的有效性和实用性.