BOM组件式仿真系统数据驱动方法

仿真系统的数据驱动方法的研究内容包括想定标准化、想定的加载和模型的数据驱动三个方面.针对传统的基于成员层次的分布仿真系统开发模式的数据驱动导致大量人力物力开销,效率低下的局限性,采用BOM作为组件模型描述规范来构建组件式仿真系统,通过用户模型开发规范化,仿真模型组件生成自动化以及通用仿真运行框架统一化等支撑技术来提供高效的模型数据驱动环境;通过通用想定解析模块,采用集中、分时的方式分发仿真脚本数据进行仿真系统环境配置以及更新调整,提高仿真系统的数据驱动的效率和质量.     

一种基于蚁群算法的数据关联方法

提出了基于蚁群算法的多目标跟踪数据关联方法--ACDA(Ant Colony DataAssociation).算法基于目标与量测之间的距离信息、角度信息和速度信息,依靠蚁群算法的优化机制,确定目标航迹和量测的正确关联,并且采用扩展卡尔曼滤波对目标状态进行估计.实验结果表明,该方法对应用在机动性较弱的高速小目柝数据关联时能够获得较高的正确关联率,且运行时间较短.     

基于样本重采样的电路非平衡数据预处理方法

针对机载设备电子电路故障状态测试数据少、整体测试数据不均衡的问题,提出了一种基于样本重采样的数据预处理方法。首先,采用超限学习机对原始数据集进行训练以挑选出分类准确的样本。然后,对其中的少数类和多数类分别采用合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)进行过采样和局部密度欠采样处理;并将错误分类的多数类样本作为干扰因素进行删除。通过以上两种手段可以均衡数据集,并控制数据规模防止过拟合,提高对故障样本的检测率。实测数据处理结果表明,相比于其他重采样算法,所提算法整体效果优良且稳定,对电子电路故障诊断具有一定的应用价值。     

面向数字孪生的动态数据驱动建模与仿真方法

信息物理系统(cyber-physical system, CPS)是支撑信息化和工业化深度融合的综合技术体系,传统的建模与仿真方法难以满足其应用需求。因此,提出面向数字孪生的动态数据驱动建模与仿真方法,通过随机有限集对CPS中的物理实体和传感器进行数据驱动建模,并使用基于贝叶斯推理的预测与校正过程支持数据驱动的仿真模型运行。该方法能够很好地实现数字孪生机制下虚实结合的仿真运行,并实现数据驱动的CPS仿真模型解算,通过以实利虚的方式有效提高了仿真结果的准确性和可信性。最后,通过水面舰艇作战应用案例,验证了该方法的可行性和有效性。     

基于生成对抗网络的高端装备研制数据脱敏方法

针对高端装备研制数据的保密性和重要性,提出一种基于生成对抗网络(generative adversarial networks, GAN)的高端装备研制数据脱敏方法。面对高端装备研制数据在数据挖掘和数据共享时可能面临泄露的风险,利用GAN进行数据脱敏。在随机生成的高斯数据集上进行实验,通过比较源数据和脱敏数据的统计特征,证明GAN的数据脱敏方法能够有效实现数据脱敏过程中所要求的数据安全性、数据有效性和成本可控性。最后,在Yeast数据集上进行验证, GAN输出的脱敏数据同样在现实世界数据集上表现出色,能够准确地预测Yeast的分类,为高端装备研制数据的管理和分析提供了一种新的思路。     

基于广义梯形模糊数相似度的交叉效率集结

在不确定环境下,针对模糊数据的多样性和复杂性,本文结合广义梯形模糊数相似度理论将广义梯形模糊数的交叉效率矩阵转换为交叉互评相似度矩阵,并根据模糊信息检索系统中的布尔模型,以能最大程度还原信息本身为准则,构建满足"正相容性"的有序几何平均集结函数对交叉互评相似度矩阵进行集结,从而得到关于每个决策单元的同行评价综合相似度.根据决策单元的同行评价综合相似度,建立反映决策者偏好的模糊一致性偏好矩阵,并对决策单元进行集结权重的分配,根据分配结果计算决策单元的全局交叉效率值.本文的集结方法可以解决不确定环境下,交叉效率矩阵数据多样性的问题,有较高的适用性;并且其集结结果具有较高的一致性和稳定性.最后本文以梯形模糊数的交叉效率矩阵为算例,来说明该方法的合理性和适用性.     

基于元学习技术的分布式采掘关联规则研究

关联规则是数据采掘中的重要研究内容。本文利用元学习技术提出了在分布式交易数据库环境下,分布式采掘关联规则的一种方法和相应算法DMAR。该算法具有较高的采掘效率和较低的数据通信量。定义了衡量采掘算法效率的分布式因子g,并指出算法的采掘效率和数据通信量与g值的大小有关。最后通过实验验证了该算法的正确性和有效性。     

Parameter estimation for dual-rate sampled Hammerstein systems with dead-zone nonlinearity

The identification of nonlinear systems with multiple sampled rates is a difficult task. The motivation of our paper is to study the parameter estimation problem of Hammerstein systems with dead-zone characteristics by using the dual-rate sampled data. Firstly, the auxiliary model identification principle is used to estimate the unmeasurable variables, and the recursive estimation algorithm is proposed to identify the parameters of the static nonlinear model with the dead-zone function and the p...     

水泥窑协同处置生活垃圾的燃烧特性分析优化

针对传统方法难以分析掺烧生活垃圾后的水泥窑复杂燃烧特性的问题,引入数据挖掘技术,以国内某水泥厂为对象,采集相关参数数据,使用稳定性选择算法分析各参数对煤耗与NO_x排量的影响系数,通过随机森林算法建立煤耗与NO_x排量的数学模型,结合K-means聚类算法得出关键优化参数及其最优值。结果表明,该方法能够建立精确的煤耗与NO_x排量模型,挖掘出节能减排的关键优化参数及其最优目标值。通过改善关键优化参数至最优值,能够大大降低煤耗与NO_x排量,可指导水泥厂优化窑内燃烧特性。     

基于多目标规划的模糊DEA有效性

传统的DEA模型是通过单目标的线性规划来处理刚性数据，为了更好地评价决策单元的相对有效性问题，在多目标规划的基础上，建立了模糊DEA模型，通过取截集的方法，得到相应的悲观规划和乐观规划，并分别求得与之相应的线性规划(P2)的最优值，由此可以得到更多的关于决策单元的投入和产出情况的信息，还讨论了它们的一些性质，并用数值实例加以说明。