基于基因算法的模糊滤波器的研究

对基因算法的模糊识别进行了研究。对于简单自适应模糊滤波器不能很好地解决由于信息冗长带来的局部最优问题 ,可采用基因算法进行优化。其在不牺牲学习效率的前提下可以获得良好的性能。     

基于FDM技术的阶梯效应弱化及特征保留自适应分层算法

当FDM-3D打印在模型细节特征较多、外轮廓曲率变化较大时,阶梯误差明显且无法有效保留细节特征.以列表排序法去除STL模型冗余数据并重新建立其三角面片拓扑关系,并提出一种基于FDM技术的自适应分层算法.该算法将3D打印自适应层厚计算问题分解为弱化阶梯效应与保留细节特征两部分,将阶梯误差分别描述为体积误差与尖端高度,模型特征以点、线、面的形式分别计算,得出4个自适应层厚分量并加权结合,以防止特征遗漏为目的,确定下一个分层扫描面高度.与常规等厚分层算法相比,该算法试验模型成型时间缩短30%、分层数减少27%、体积误差缩小34%,且表面质量更佳,在保证3D打印成型质量的前提下,能够最大程度地减少分层数.     

基于滑动窗和多块卷积自编码器的故障检测

为了进一步提升故障检测性能,充分挖掘时序和隐含特征信息,提出一种基于卷积自编码器的故障检测方法。在对原始信息集进行建模的基础上增加了对累计信息与变化率信息的建模,以增强对隐含信息的挖掘;对重构的3个信息集进行滑动窗采样,基于卷积自编码器进行时序特征提取和建模;将卷积自编码器的决策结果进行贝叶斯融合得到统计量,并用核密度估计的方法确定控制限从而进行故障检测。将该方法进行数值仿真并应用于TE过程,仿真结果验证了所提方法的有效性和检测性能。     

过程控制中计算机图形信息压缩存贮和图形滚动方法

对工业生产过程控制和管理中的计算机图形显示,提出一种压缩存贮和滚动的新方法。新方法的实施,可使图形数据占用的存贮空间减少约80％,一般地不需使用外存,从而大大提高了显示速度,解决了普通微型机存贮空间和显示速度之间的矛盾,有效地提高了普通微机的功能/价格比。所提出的方法均经工程实践检验过,效果良好。     

解不确定型决策问题的投影寻踪方法

不确定型决策问题在系统工程理论与实践中具有重要意义 ,其益损值矩阵反映了该问题的复杂性和不确定性 ,同时也反映了决策者所面临的收益机会和损失机会的风险信息 ,目前常用方法利用益损值矩阵的信息都不充分 .指出求解该问题的实质 ,就是如何把益损值矩阵转换为压缩向量 ,该压缩向量的最大分量所对应的方案就是所求的最优方案 .为全面处理这种机会风险 ,提出了基于遗传算法的投影寻踪方法的新途径 .研究结果表明 ,根据益损值矩阵所反映的收益机会的风险与损失机会的风险的对比情况 ,投影寻踪方法既可积极地也可稳妥地选取最优方案 ,利用益损值矩阵的信息比常用方法充分 ,可根据决策者所面临的机会风险能进能退.     

An Overview of Kernelization Algorithms for Graph Modification Problems

Kernelization algorithms for graph modification problems are important ingredients in parameterized computation theory. In this paper, we survey the kernelization algorithms for four types of graph modification problems, which include vertex deletion problems, edge editing problems, edge deletion problems, and edge completion problems. For each type of problem, we outline typical examples together with recent results, analyze the main techniques, and provide some suggestions for future research in this field.     

从参考模型取状态的离散MRACS信号综合法

给出了一种从参考模型取状态的离散ＭＲＡＣＳ信号综合设计法。用Ｐｏｐｏｖ超稳定性理论证明了该控制系统的全局收敛性．仿真结果表明．该自适应控制器具有良好的控制性能．     

时用水量预测的自适应组合动态建模方法

利用随机过程及时间序列分析手段,根据用水量序列季节性、趋势性及随机扰动性的特点,建立了用水量预测的自适应组合平滑模型。利用递推最小二乘算法及卡尔曼滤波算法解决了模型参数的动态估计问题。该法经实例验证,预测误差较小,可满足供水系统调度的实际需要。     

全粒子推动野马优化算法的无人机三维路径规划

针对无人机路径规划求解计算量大、难收敛等问题,提出了一种基于全粒子推动野马算法的路径规划方法。建立三维环境模型与路径代价模型,将路径规划问题转化为多维函数优化问题;采用一种自适应邻域搜索策略,改善算法的开发能力;利用高斯随机游走策略对个体的历史最优位置进行回溯搜索,改善算法的探索能力;考虑到自适应策略对初始种群多样性敏感的问题,结合Tent 混沌映射初始化种群,提高算法的鲁棒性以及全局寻优能力;将提出的改进算法在13个经典测试函数中进行性能验证,并移植于无人机三维路径规划问题中。在30峰、40峰、50峰的环境模型下进行测试,与遗传算法、粒子群算法、SRM-PSO(self-regulating and self-perception particle swarm optimization with mutation mechanism)算法以及野马算法对比,全粒子推动野马算法皆取得最短平均路径,且在所有测试中都找到满足约束、无碰的路径。仿真结果证明,在复杂环境下全粒子推动野马算法具有优秀的全局寻优能力以及较好的鲁棒性。     

考虑物理排队的自适应公交优先信号设置

针对单点十字路口绿色交通的控制问题,给出一种考虑路段上公交车和小汽车物理排队的自适应公交优先信号优化设置方法。首先,描述了一个考虑公交车和小汽车相互作用的动态交通模型,该模型能够模拟车辆的物理排队现象,模型假设路段上的流量分为2种状态:一种是公交车和小汽车均为自由流状态,另一种是公交车和小汽车交织在一起的拥挤状态;然后,进一步给出在路段上小汽车和小汽车的延误计算方法,并以此为基础,以人均延误为性能指标计算优化的绿性比;最后,通过仿真方法给出了在低、中、高以及事故情况等几种不同交通拥挤条件下,公交优先信号的优化结果。研究结果表明:在低度拥挤的情况下,考虑公交优先问题并没有实质意义;在中度拥挤的情况下,考虑公交优先的信号配时方案能稍微改善乘客的行驶时间,减少路段排队;在高度拥挤的情况下,优化的绿性比会比固定绿性比好一些;当路口相关路段出现交通事故时,在不同拥挤状态下,优化绿性比能够比固定绿性比获得更多的效益。