河南省大豆品种灰色布局决策研究

运用作物灰色育种学原理,对1996～1997年河南省大豆品种区域试验资料进行了品种中心灰靶布局分析。在此基础上,提出了河南省不同生态类型区大豆品种灰色布局决策,并对品种区域试验中应当引起重视的问题进行了讨论。表2,参5。     

一种复杂系统研究方法——基于多智能体的整体建模仿真方法

本文在对一般复杂系统进行研究分析的基础上,针对目前国内外的研究现状,提出了一种研究复杂系统的新方法－基于多智能体的整体建模仿真方法,对这种方法的操作流程和步骤进行了详细的说明,并介绍了支撑这种方法的ＳＷＡＲＭ仿真平台,最后指出了这种建模仿真方法在军事和经济系统中的应用前景。     

人机一体化协同决策研究

基于人机一体化思想开展人机协同决策研究,并针对企业生产计划管理决策,初步实现了人机一体化协同决策.     

基于设计者智能主体模型的产品开发过程仿真

产品开发过程仿真是对产品开发过程进行预测、管理、评价和改进的有效手段.为了对产品开发过程中的人与组织因素进行仿真,提出了一种设计者驱动的产品开发过程仿真原理.重点对设计者智能主体模型进行了研究,采用INTERRAP混合结构建立了设计者智能主体结构模型,用分层有色随机Petri网描述了设计者的个体行为过程与协作行为过程.最后进行了系列仿真实验,初步证明了模型的有效性.基于设计者智能主体模型的过程仿真可在过程预测与评价、人因及组织分析、设计过程改进等方面发挥重要作用.     

经济复杂性系统主体学习算法理论综述

对经济复杂性系统研究文献中常见的主体学习算法进行了一个全面的梳理.将学习算法分为来自智能计算或演化计算的学习算法以及来自心理学和实验经济学的学习算法,并结合文献介绍了各类学习模型在经济学研究中的主要应用.还回顾了文献中对各种算法的分析比较,并对学习算法的发展前景进行了展望.由于学习算法还是一个相对较新的领域,对经济系统中个体学习行为需要进行更加深入的研究和探索.     

一种新的混合聚类算法

聚类是数据挖掘的主要技术之一,是一种无导师监督的模式识别方式。聚类分析就是按照数据间的相似程度,依据特定的准则将数据划分成不同子类。K-平均算法是经典的聚类算法。蚂蚁聚类算法是近来涌现的新的聚类算法,它通过模拟蚁群的智能行为进行聚类分析,已经在数据挖掘中得到应用。通过分析蚂蚁聚类算法和K-平均算法两种不同聚类算法的基本思想,将两种算法结合得到混合聚类算法,仿真实验证明混合聚类算法的算法性能优于蚂蚁算法和K-平均算法。     

基于Simulink的实时故障检测

提出一种基于观测器的在线动态系统故障检测快速生成方案,利用NetCon系统实现控制器与故障检测系统运行在同一个智能节点上,使得残差的生成与系统的性能联系起来,实现不仅能监控系统的运行情况,还能完成故障检测的功能,同时能够避免闭环控制对故障检测的影响。针对一个实际的伺服电机,是进行离线辨识获得电机的模型;设计一个输出估计器——动态观测器,生成残差信号;通过离线仿真和在线实验证实该方案的有效性,完成从理论到实验仿真,再到实际运用的系统开发过程。     

天文卫星巡天扫描智能规划模型及仿真

巡天扫描是天文卫星进行天体观测的基础,但是使用传统方法很难实现全天球覆盖,并且会遇到能源输出瓶颈。因此,针对天文卫星巡天扫描所遇到的问题,提出了使用多目标遗传算法对卫星飞行任务进行智能规划的模型。该模型通过调整飞行任务很好解决了能源输出的问题,与仅依靠被动的分段式扫描方法相比,还大大缩短了巡天扫描的时间。从仿真结果来看,该模型是十分有效的。     

基于H∞滤波的智能车辆多传感器组合导航研究

为适应自主驾驶智能车辆的高精度、高频率及高可靠性与鲁棒性的导航要求,对智能车辆的多传感器组合导航进行了研究。提出了一种基于H∞滤波的双向光电测速仪和CP-DGPS共同辅助SINS的智能车辆冗余组合导航方法。详细推导并建立了组合系统的滤波模型。仿真结果表明,该组合导航系统具有100Hz的高频输出、厘米级的导航精度以及良好的鲁棒性能与可靠性。即使系统特性发生了显著的变化,组合系统仍能为智能车辆提供可靠的导航信息。     

基于模糊支持向量机的小批量生产质量智能预测方法

在分析比较目前常用的智能工序预测技术及其特点的基础上,提出一种适合小批量生产过程的质量智能预测模型,并给出了相应的预测过程和算法.由于该模型中以模糊支持向量机(FLS-SVM)技术为智能核心,一方面较好的解决小样本学习问题,避免了人工神经网络等智能方法在对小批量生产过程质量进行预测时所表示出的过学习、泛化能力弱等缺点.另一方面,通过隶属度函数对样本进行模糊化,达到样本优化选择,实现历史数据“重近轻远”的预测效果.通过对具体加工过程的预测实验,并与其它几种常见预测方法效果进行对比,说明本文方法实现容易,建模速度快,小样本的泛化能力强,为实现小批量加工过程的在线质量预测与控制提供可行的思路.