具有混合执行器故障的多智能体分布式有限时间自适应协同容错控制

针对多智能体编队系统执行器发生故障时,所引起的参数不确定以及系统瞬态不稳定问题,本文采用径向基函数神经网络(radial basis function neural networks, RBFNNs)对不确定参数(未知函数)进行估计。同时,基于反推技术设计出合理的自适应容错控制器,并通过有限时间理论保证系统实现瞬态稳定。首先,本文采用10个智能体作为被控对象,基于有向通讯拓扑结构理论,构建了非线性多智能体系统模型。其次,基于RBFNNs逼近特性,采用反推技术与动态面技术相结合,设计出合理的容错控制器,补偿多智能体中出现的未知非线性执行器故障,并采用有限时间理论解决系统瞬态不稳定问题。接着,基于Lyapunov稳定性理论分析了控制器的稳定性和快速收敛性。最后,通过两种算例对比,验证了所设计的控制器性能优于传统的反推技术,为工程实践提供了一种有效的研究思路。     

ICU应急辅助决策系统的开发研究

分析了我国危重病医学的现状,阐明了研制ＩＣＵ（ｉｎｔｅｎｓｉｖｅ ｃａｒｅ ｕｎｉｔ）应急辅助决策系统的意义。结合ＩＣＵ的特点,说明了ＩＣＵ应急辅助决策系统的特点和实现方法,在此基础上,讨论了系统的主要功能模块,在知识库的设计国,用面向对象技术建立了一种多元知识库模型;而在推理机的设计中,从人类认知的角度出发,突出了应急的实时诊断,提出了一种由基于规则推理、证据推理和案例推理的集成推理机制,最后在     

补中益气汤在腹股沟疝术后康复中的应用

为明确补中益气汤联合生物补片治疗腹股沟疝的疗效及预后,通过临床对照及随访研究,将腹股沟疝患者随机分为聚丙烯补片组、生物补片组和联合组,指标包括围手术期临床指标、术后疼痛视觉模拟量表（VAS）评分,以及1年随访期间的并发症、复发和再手术发生率。结果显示,联合组的术后住院时间,术后1、3和7 d的VAS评分均显著短于其他2组,术后1年随访时联合组及生物补片组的慢性疼痛、异物感、总并发症发生率及复发率均低于聚丙烯组;说明补中益气汤联合生物补片治疗腹股沟疝的安全性好,可促进术后康复,具有缓解术后疼痛、缩短住院天数的优势。     

计算机集成质量系统模型与实施方案的研究

文章对CIQS的模型进行深入研究,在介绍其结构模型和立体模型的基础上,提出一种面向产品信息流的车间级集成质量系统模型,对该模型及其实施方案的相关问题,包括基于PDM平台的集成方案和车间级集成质量系统的信息流表示以及系统的功能与结构进行了深入讨论。     

基于现场可编辑门阵列的数字电视码流分析与检测

提出一种基于现场可编辑门阵列的MPEG-2 TS码流实时分析与检测系统解决方案并予以实现.实验证明,系统完全可以替代目前普遍使用的Cypress公司的CY7B933专用解码芯片,完成对MPEG-2 TS码流分析与ETR 290部分功能的检测.     

基于数字电视无线广播信号的定位模型和系统

分析了使用数字电视(DTV)无线广播信号定位系统的必要性与可行性.提出了基于帧同步的DTV定位原理.分析了DTV定位测距特性,即在一个历元异步顺序得到多个测距观测值.推导了相关伪距观测模型和载波多普勒积分模型,在此基础上给出了DTV定位模型,包括观测方程和状态方程.仿真结果表明,DTV定位技术能够显著提高独立定位或组合导航系统定位精度.DTV定位是一种具备亚米级测距误差和米级定位精度,可成为传统卫星定位有益补充或替代的定位技术.     

一种双种群进化集成QoS组播路由算法

设计了一种IP/DWDM光Internet中的非NP类QoS组播路由算法,采用树形编码方式,基于双种群进化,寻找一棵带宽、延迟、延迟抖动与出错率受限的费用优化组播路由树,集成解决路由与波长分配问题.仿真结果表明,该算法是可行和有效的,不仅能够满足QoS约束,而且性能优于基于经典遗传算法设计的QoS组播路由算法,克服了算法易早熟、收敛慢等缺点,有效地解决了IP/DWDM光Internet中的QoS组播路由问题.     

电网故障下双馈风力发电机控制改进与仿真

随着风电装机规模的不断增加,作为未来能源互联网中重要的一环,风电机组应对电网故障的能力越加显得重要。针对双馈风力发电机组在电网故障下的暂态特性,提出了一种基于电网故障类型区分、控制器设计和辅助设备穿越的综合控制策略。相比于传统的控制方法,克服了控制误差大和响应滞后的问题,真正实现了系统的精细化控制。基于MATLAB和VC++联合建模,利用MEX技术搭建了电网故障下的1.5 MW双馈风力发电系统模型,仿真结果验证了所提出的综合控制策略在电网故障下提高双馈风力发电机控制的有效性。     

Optimal sampling frequency for volatility forecast models for the Indian stock markets

This paper evaluates the performance of conditional variance models using high‐frequency data of the National Stock Index (S&P CNX NIFTY) and attempts to determine the optimal sampling frequency for the best daily volatility forecast. A linear combination of the realized volatilities calculated at two different frequencies is used as benchmark to evaluate the volatility forecasting ability of the conditional variance models (GARCH (1, 1)) at different sampling frequencies. From the analysis, it is found that sampling at 30 minutes gives the best forecast for daily volatility. The forecasting ability of these models is deteriorated, however, by the non‐normal property of mean adjusted returns, which is an assumption in conditional variance models. Nevertheless, the optimum frequency remained the same even in the case of different models (EGARCH and PARCH) and different error distribution (generalized error distribution, GED) where the error is reduced to a certain extent by incorporating the asymmetric effect on volatility. Our analysis also suggests that GARCH models with GED innovations or EGRACH and PARCH models would give better estimates of volatility with lower forecast error estimates. Copyright © 2008 John Wiley & Sons, Ltd.     

基于奇异谱分析的我国航空客运量集成预测模型

针对时间序列包含噪声以及单一模型可能存在预测表现不稳定的问题,本文提出了一个基于奇异谱分析(SSA)的集成预测模型,并将其运用于我国年度航空客运量的预测中.首先,采用SSA方法对原始时间序列进行分解和重构,得到一个剔除噪声的时间序列,然后将其作为单整自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、Holt-Winters方法(HW)等单一模型的输入并进行预测,接着再采用加权平均集成预测方法(WA)将三种单一模型的预测结果进行综合集成.通过与各单一模型、基于经验模态分解方法(EMD)的模型以及简单平均集成预测方法(SA)的预测结果进行对比发现,本文所建模型具有较高的预测精度和较稳定的预测表现.最后,采用本文的模型对我国2014-2016年年度航空客运量进行了预测.