电报方程的一个低阶有限元高精度分析

讨论一类电报方程的低阶有限元逼近,利用双线性元已有的高精度分析,借助于插值和Riesz投影相结合的技巧、平均值技巧、导数转移技巧以及插值后处理技术,导出了有限元解在半离散和全离散格式下的超逼近和超收敛结果.     

无穷区间上含参数分数阶微分方程积分边值问题正解的存在性

考虑一类无穷区间上含参数的Riemann-Liouville型分数阶微分方程积分边值问题.运用锥压缩-锥拉伸不动点定理,建立并证明了该边值问题在无穷区间上正解的存在性与不存在性定理,并给出一个应用实例.     

基于区间二元语义VIKOR的外包供应商选择模型

在外包战略中,间接成本提升、信息不对称、控制权降低等问题给供应商选择增加了困难.为充分发挥外包优势、降低外包风险,将外包供应商选择准则分为服务质量、价格与成本、沟通与协调以及研发与创新四类,并运用区间二元语义VIKOR模型对外包供应商进行评价及排序.通过算例及比较分析验证了区间二元语义VIKOR模型在外包供应商选择中的优势.结果显示所提出模型不仅有效避免了数据处理过程中信息失真情况,规避了排序结果重复的问题,而且可同时处理定性与定量数据,融入了主客观权重及决策者偏好,从而为企业选择供应商提供了更为理想的方法.     

一种新的区间二型模糊集排序方法

区间二型模糊集排序是模糊决策领域中的一个重要内容,然而文献中排序方法在某些情形下无法区分区间二型模糊集的排序顺序.针对这一问题,给出了一种新的基于模糊集内心的排序方法,依据排序值的大小来确定区间二型模糊集的排序顺序.与已有排序方法相比较,所给方法能够有效区分区间二型模糊集的排序顺序.     

函数列的黎曼积分的极限定理及其应用

考虑函数列在广义积分下的极限问题,运用函数列的极限理论,在函数列的内闭一致收敛条件下和函数列的一致有界条件下,给出了黎曼可积函数列积分的极限定理的结果;在函数列的广义积分一致收敛的条件下,给出了广义积分下函数列积分的极限定理结果的充分条件,给出了广义积分下函数列积分的控制收敛定理的叙述和证明,并将这些理论方法应用于一些重要问题的解决,给出了系统的一般化理论方法,推进了理论发展和提高认识。     

带状态预测器的多智能小车系统一致性问题研究

一致性理论作为多智能体间合作协调的基础,受到来自各个领域研究者越来越多的关注。但是,以往的控制律只利用智能个体周围的局部信息,其控制律往往是次优的。本文引入了状态预测器,将带状态预测器一致性理论应用到多智能小车系统速度一致性问题的研究中,给出了智能小车速度一致性算法,分析了多种耦合通信方式对智能小车速度一致性的影响,引入了智能小车状态预测器,最后通过欧拉公式将上述带状态预测器的控制律求解出来,设计出了智能小车的控制器,并从理论上证明了控制器的可行性,与以往的一致性算法相比,加快了智能小车演化到平衡状态的收敛速度。     

二阶椭圆问题非协调元方法的基于L~2投影的超收敛分析

针对二阶椭圆问题,提出了一个最低阶非协调四边形线性有限元方法,并对得到的有限元逼近解进行后处理,进而得到了一个新的超收敛结果 .这个后处理过程的主要思想是将原有的有限元解通过L~2投影,投影到另一个较粗网格剖分的有限元空间.相应的超收敛结果是在拟一致性网格下得到的,并不需要常用的一致性剖分或矩形剖分的要求.     

区间二型模糊语言Z-numbers及其应用

针对区间二型模糊多属性群决策问题,提出了以区间二型模糊语言Z-numbers(IT2FLZNs)为信息环境的群决策方法。首先,在区间二型模糊集和Z-numbers理论基础上提出了区间二型模糊语言Znumbers并定义了其相关运算性质,提出了两个区间二型模糊语言Z-numbers之间的相似度与距离;其次,在专家和属性权重都未知的情况下,根据决策中总体不确定性最小原则,利用相似度构建最优化模型,确定专家和属性的权重,并且通过综合比较各方案的群体效用值、个体遗憾值和亲密度来选择最优方案;最后,通过一个银行流动风险的实例验证所提方法的有效性与可行性。     

基于极限学习机模型参数优化的光伏功率区间预测技术

提出一种基于极限学习机(ELM)模型参数优化的光伏功率区间预测技术.首先,提出加权欧氏距离作为光伏功率预测区间评估指标,筛选历史样本单元并优化ELM训练集;然后,提出ELM参数混合寻优算法,利用精英保留策略遗传算法与分位数回归优化ELM模型隐层输入及输出权重与偏置参数,并采用训练后的模型预测光伏功率区间;最后,基于光伏电站与气象站历史数据构建实际算例,预测光伏功率区间,并与其他方法得到的结果进行对比.算例结果表明：所提方法在增加区间预测可信度的同时,能较大程度提高区间预测准确度.     

考虑不同充电策略的锂电池健康状态区间估计

评估锂离子电池健康状态(SOH)对于电池使用、维护、管理和经济性评价都有十分重要的意义,但当前锂电池SOH估计方法多针对特定充电策略,采用确定性估计模型,无法反映电池退化过程中的随机性、模糊性等不确定性信息.为此,提出一种适用于不同充电策略的锂电池SOH区间估计方法.该方法针对不同充电策略的电池循环充放电数据提取多个特征参数,通过交叉验证自动选择针对特定充电策略的最优特征参数组合.另外,考虑到锂电池全生命期循环次数有限,属于小样本问题,提出集成支持向量回归与分位数回归优势的支持向量分位数回归模型(SVQR)进行锂电池SOH区间估计.选用放电程度较深的锂电池充放电循环数据作为训练集,对SVQR模型进行离线训练,训练好的模型用于不同充电策略下锂电池SOH在线估计.采用具有不同充电策略的数据集验证所提方法,实验结果表明：所提方法适用于不同充电策略,且估计结果优于分位数回归法、分位数回归神经网络法和高斯过程回归法.