复杂FMS系统的启发式调度策略

用Petri网对柔性制造系统进行建模的基础上,提出了一种针对较大规模柔性制造系统的启发式调度优化算法.采用了改进的子节点处理方法、与派遣规则相结合的启发函数以及移动窗口等策略,弥补了算法在节点质量评价和节点搜索方面的不足,有效减小算法在可述图中寻路时对节点的搜索范围,加快了算法的收敛速度.仿真结果表明:相对于其他调度算法,该文算法可以快速、高效的编制系统调度计划.     

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.     

基于遗传算法的嵌入式仿真的系统辨识与控制优化

数字随动(伺服)系统因具有非线性、不确定性和时变性,难以精确地建立系统的数学模型,由此对设计高性能的控制器造成困难.遗传算法因其隐含并行性、全局搜索等优点,在优化问题领域得到了很好的应用,但遗传算法简单应用于如数字随动系统这样的控制系统在线闭环辨识或参数优化时,会面临大量重复实验成本高、实验时间过长引起系统不稳定等实际问题.针对以上困难,提出一种基于嵌入式仿真的系统辨识方法,采用遗传算法进行数字随动系统同步在线闭环模型参数辨识与控制参数寻优.经过在数字随动系统实物环境下实验,证明了该方法的有效性.     

序批式活性污泥法反应池的细胞自动机模型

根据活性污泥法的去污机理和细胞自动机的特征,结合序批式反应池的特点,建立了序批式反应池的细胞自动机模型,并利用实际参数进行仿真实验.结果表明该模型能够描述出污水中有机物被吸附再被降解的过程和微生物的生长、繁殖及死亡等过程,从而描绘了有机物的去除过程和活性污泥的生长过程曲线,实现了污水处理过程的可视化,为复杂系统控制奠定基础.最后,分析了该模型的应用情况.     

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。     

基于直觉模糊推理与系统动力学的产品生命周期成本控制模型

基于产品生命周期成本(LCC)系统的复杂动态结构,利用系统动力学建立LCC控制模型.将直觉模糊推理技术嵌入成本模型中,用于刻画成本动因间的复杂模糊关系,解决了历史数据不足、人为判断模糊等问题.以广州某厂所生产的某型号液压泵为例,通过实证模拟证明该模型能更有效地实现对产品LCC的控制,具有较大的应用价值和较强的适用性.     

基于系统科学视角的山西省能源安全综合评 价简

文章从系统科学的视角,构建多指标综合评价模型,采用因子分析法对山西省1995—2010年能源系统安全状况进行了实证研究,并运用熵权法将中西部八个省份的能源安全状况进行了比较。研究表明,山西省能源系统安全状况不容乐观,总体上趋于下降,在八省比较中排名居后,节能空间和潜力很大。     

云计算环境中SBS应用动态资源分配方法

建立了一个SBS（基于服务的系统,service based system）应用端到端性能评价模型,并在该模型的基础上提出了SBS应用动态资源分配方法,该方法通过将静态的初始资源分配和动态的资源分配方案调整相结合,能够适应用户访问行为的动态变化,保证SBS应用端到端性能. 在SBS应用动态资源分配问题求解中,提出了服务吞吐量约束确定算法并在此基础上 给出了SBS应用动态资源分配算法,该算法根据SBS应用吞吐量约束确定服务资源需求量并在此基础上通过起始服务 到服务间的转移时间计算服务的资源分配时刻,从而能够在保证SBS应用端到端性能约束的同时提高资源利用率. 实验验证了所提出的基于SBS应用端到端性能评价模型的动态资源分配方法的有效性.     

Self-alignment of full skewed RSINS：observability analysis and full-observable Kalman filter

Traditional orthogonal strapdown inertial navigation sys-tem （SINS） cannot achieve satisfactory self-alignment accuracy in the stationary base： taking more than 5 minutes and al the iner-tial sensors biases cannot get ful observability except the up-axis accelerometer. However, the ful skewed redundant SINS （RSINS） can not only enhance the reliability of the system, but also improve the accuracy of the system, such as the initial alignment. Firstly, the observability of the system state includes attitude errors and al the inertial sensors biases are analyzed with the global perspective method： any three gyroscopes and three accelerometers can be assembled into an independent subordinate SINS （sub-SINS）;the system state can be uniquely confirmed by the coupling connec-tions of al the sub-SINSs;the attitude errors and random constant biases of al the inertial sensors are observable. However, the ran-dom noises of the inertial sensors are not taken into account in the above analyzing process. Secondly, the ful-observable Kalman filter which can be applied to the actual RSINS containing random noises is established; the system state includes the position, ve-locity, attitude errors of al the sub-SINSs and the random constant biases of the redundant inertial sensors. At last, the initial self-alignment process of a typical four-redundancy ful skewed RSINS is simulated： the horizontal attitudes （pitch, rol ） errors and yaw error can be exactly evaluated within 80 s and 100 s respectively, while the random constant biases of gyroscopes and accelero-meters can be precisely evaluated within 120 s. For the ful skewed RSINS, the self-alignment accuracy is greatly improved, mean-while the self-alignment time is widely shortened.     

Spiking neural P systems with anti-spikes and without annihilating priority as number acceptors

Spiking neural P systems with anti-spikes （ASN P systems） are variant forms of spiking neural P systems, which are inspired by inhibitory impulses/spikes or inhibitory synapses. The typical feature of ASN P systems is when a neuron contains both spikes and anti-spikes, spikes and anti-spikes wil immediately annihilate each other in a maximal way. In this paper, a restricted variant of ASN P systems, cal ed ASN P systems without anni-hilating priority, is considered, where the annihilating rule is used as the standard rule, i.e., it is not obligatory to use in the neuron associated with both spikes and anti-spikes. If the annihilating rule is used in a neuron, the annihilation wil consume one time unit. As a result, such systems using two categories of spiking rules （identified by （a, a） and （a,a^-）） can achieve Turing completeness as number accepting devices.