Observer-based H∞ control over packet dropping networks

A new controller design problem of networked control systems with packet dropping is proposed. Depending on the place that the observer is put in the system, the network control systems with packet dropping are modeled as stochastic systems with the random variables satisfying the Bernoulli random binary distribution. The observer-based controller is designed to stabilize the networked system in the sense of mean square, and the prescribed H∞ disturbance attenuation level is achieved. The controller design problem is formulated as the feasibility of the convex optimization problem, which can be solved by a linear matrix inequality (LMI) approach. Numerical examples illustrate the effectiveness of the proposed methods.     

Interval Time Series Analysis with an Application to the Sterling-Dollar Exchange Rate

Traditional econometrics has long employed ＂points＂ to measure time series data. In real life situations, however, it suffers the loss of volatility information, since many variables are bounded by intervals in a given period. To address this issue, this paper provides a new methodology for interval time series analysis. The concept of ＂interval stochastic process＂ is formally defined as a counterpart of ＂stochastic process＂ in point-based econometrics. The authors introduce the concepts of interval stationarity, interval statistics （including interval mean, interval variance, etc.） and propose an interval linear model to investigate the dynamic relationships between interval processes. A new interval-based optimization approach for estimation is proposed, and corresponding evaluation criteria are derived. To demonstrate that the new interval method provides valid results, an empirical example on the sterling-dollar exchange rate is presented.     

基于凸多面体不确定网络化系统的鲁棒无源滤波

研究一类同时具有时变时延和测量数据丢失的不确定网络化系统的鲁棒无源滤波器设计问题。时变时延假设在一个已知的界内随机变化。测量数据的丢失是随机发生的,假设满足Bernoulli分布随机序列。采用线性矩阵不等式方法,给出了全阶和降阶的鲁棒无源滤波器存在的充分条件。所设计的滤波器使得滤波误差系统是均方指数稳定并满足给定的无源指标。最后数值仿真表明所提方法的有效性。     

基于Hilbert-Huang变换理论的非线性系统分析

介绍了Hilbert-Huang变换(HHT)这一全新的处理非线性、非平稳信号数据的方法,将其用于分析典型的非线性系统-Duffing方程,通过对使用三阶Runge-Kutta法求解而得到的Duffing方程数值解分解后,得到了4个固有模态函数分量和1个残余量,给出了相应的能量-频率-时间分布图-Hilbert谱,并将其边际谱与Fourier谱作了比较。结果表明,此方法具有更好的局部特性分辨以及瞬时频率分解效果,经HHT变换得到的主要固有模态函数分量具有明确的物理意义,体现在Hilbert谱上的系统固有频率存在明显的波内调制机制,分析结果充分保留了系统的非线性特征。     

资源均衡问题的峰值最小化模型

将资源峰值作为资源均衡程度的一种度量,以资源峰值最小化为优化目标,分别建立了工序不可分拆、可分拆和有条件分拆的资源均衡问题的整数线性规划模型,通过算例和工程案例验证了模型的有效性,并给出了多种资源情形下资源均衡问题的序贯解法.所建模型不涉及关键路线的确定和非关键工序浮时的计算,且各种资源峰值表述相互独立,因而对部分资源用量受限和对工序开(完)工时间有特殊要求的广义资源均衡问题也有较好的适应性.     

基于SD-SEM模型的消费者食品安全风险感知的信息搜寻行为

本文利用系统动力学模型和结构方程模型来研究消费者食品安全风险感知和消费者信息搜寻行为之间的关系,在总结消费者食品安全风险感知和消费者食品安全信息搜寻行为研究文献的基础上,利用结构方程确定消费者食品安全风险感知的影响因素及其之间的路径系数,进而建立系统动力学模型模拟信息搜寻行为对消费者食品安全风险感知的影响,以提出降低消费者食品安全风险感知的建议.     

基于广义出行成本的出行方案优化

为了使出行成本更加符合出行者的认知规律,运用结构方程建模方法模拟出行成本,个体特征及出行决策之间的影响关系.引入敏感系数调整服务属性在出行成本中的贡献率,利用出行意愿调查数据对敏感系数进行标定.考虑出行者对抵达时刻的选择偏好,假设行程时间服从正态分布条件下,对最佳出发时刻及期望出行成本进行寻优求解,结果表明它取决于期望到达时刻,行程时间的期望值及方差,出行者对早到损失及晚到延误损失时间成本的相对大小.研究成果可为制定个性化及最优化出行决策方案提供依据.     

影响交通信息支付意愿的关键因素实证研究

以GPS应用为代表的信息服务收费开始受到关注,文中就该问题从交通行为科学的角度进行了探讨,首先就问题解决的前提条件设计了个体特征、信息价值,信息采纳和支付意愿4个隐变量,并根据文献研究和实践经验,分别给出了描述这4个隐变量的可量化的19项显示指标,由此利用结构方程建模技术,建立了反映这些隐变量和显示指标间关系的模型,然后通过问卷调查所收集到的数据,使用LISREL软件进行了分析和计算,并根据计算结果的拟合度,确认了结构方程模型的适用性.研究结果表明,信息价值与信息采纳之间的影响关系最弱,而个体特征对其余3个变量的影响都非常显著.     

基于ET-WG和ET-OWG算子的二元语义群决策法

针对一类属性值和权重值均为语言评价信息的多属性群决策问题,提出了一种群决策分析方法.首先,为了便于语言评价信息的集结运算,提出了一些新的集结算子:扩展的二元语义加权几何(ET-WG)算子和扩展的二元语义有序加权几何(ET-OWG)算子,并分析了这些算子的性质.然后提出了一种基于ET-WG算子和ET-OWG算子的群决策方法,其核心是通过语言信息的集结运算,得到各方案的群体综合评价信息,从而根据二元语义信息的比较原则,得到所有方案的排序结果.最后给出了一个实例分析,说明了本文提出方法的可行性和实用性.     

面向拥堵问题的枢纽航线网络优化模型

为解决枢纽机场客流拥堵问题,提高机场运行效率,减少运营成本,提出了一种面向拥堵问题的枢纽航线网络优化模型。该模型基于非严格枢纽航线网络结构,以不同运输方式的费用和流量为约束条件,以枢纽航线网络成本最低为目标,设计了能够减少求解运算的复杂变量表示方法,以及减少陷入局部最优解概率的模拟退火粒子群优化(simulated annealing particle swarm optimization, SAPSO)算法。实验结果表明,相较于严格的枢纽航线网络,所提优化模型能够显著地缓解枢纽机场的拥堵,均衡枢纽机场间客流量,减少网络成本;同时,所提算法具有较快的收敛速度和良好的稳定性。