基于Agent的集卡调度建模与仿真研究

日益大型化的集装箱船舶对集装箱码头的生产调度提出了较以往更加严格的要求.集装箱码头中的集卡调度是否合理对于提高整个码头的装卸效率具有重要意义.利用agent和哈佛体系结构对集卡动态调度进行建模,以AnyLogic仿真平台为实现工具,基于数据库中实际的生产数据,融合黑板系统和消息通讯形成多agent之间的协同机制,引入操作系统中的资源分配算法调度集卡.最后仿真了具体的港口生产实例,其结果优于以往文献的仿真结果,充分验证了上述建模仿真思想的可行性和可信性.     

基于GSPN方法的柔性制造系统过程模型和性能分析

应用广义随机Petri网方法,对柔性制造系统进行建模和分析,提出了控制策略和优化方法.针对柔性制造系统的离散性,对整个系统的过程模型进行分析.利用广义随机Petri网结合马尔可夫链的方法,确立了系统的配置参数,得出了系统的平均运行时间,机床的平均使用率,系统的生产率,故障概率,对系统的优化和生产效率的提高以及柔性的提高提供了理论支持.最后,通过柔性制造系统实例,对该方法进行了检验.     

现代作战仿真的主要特点研究

作战仿真作为系统仿真在军事作战指挥领域的具体应用,能够有效的提高部队的整体作战能力。与传统的作战仿真相比,以诸军兵种联合作战为主要仿真对象的现代作战仿真呈现出了不同于以往的四个主要特点,即:标准化的建模方式、统一的技术框架、系列化的仿真系统和全方位的仿真应用。     

向量矩阵迭代自组织XML辅助聚类算法

为了提高海量XML文档集的聚类质量,提出了一种基于向量空间模型的矩阵迭代自组织XML辅助聚类算法。该算法以XML键为基础,把XML文档转化为向量矩阵,通过矩阵迭代自组织学习对XML文档实施取消、分裂与合并等优化措施。为了加速算法的收敛性,在算法中引入辅助策略,虽然不一定达到矩阵向量分类间隔最大化的目标,却在尽可能分类的情况下使得运算时间缩短,其XML键权重调整更有利聚类效果。对比其它向量聚类算法,一系列仿真实验表明所提出算法具有一定的有效性及合理性。     

基于状态信息的条件剩余寿命建模研究

根据监测到的设备状态信息预测其条件剩余寿命一直是基于状态维修中的关键问题。利用滤波理论,建立了基于状态信息的剩余寿命预测通用模型,并推导出采用极大似然估计法下参数估计的通式,使得在已知寿命服从其他任何分布形式时直接代入通式便可快速地得出其模型,从而预测其剩余寿命,省去了复杂繁琐的迭代过程。通过案例发现模型能够根据状态信息很好地预测其剩余寿命,并在不断更新状态信息的条件下越来越精确地预测其剩余寿命。     

基于HLA/RTI的联合仿真建模技术框架

针对复杂系统仿真建模中存在的分布式交互、协同性及动态性等问题,分别着重研究了HLA/RTI、人工生命MAS、DEVS等仿真建模技术及其相互间的联合策略,在HLA/RTI高层软件体系框架下,以人工生命MAS为系统基本单元建模,以DEVS为系统基础环境建模,并在此基础上,提出了一种联合仿真建模技术框架,给出了在军事后勤保障仿真建模中的应用实例.     

用GEP实现复杂函数的自动建模

GEP是一种新颖的遗传算法,在函数建模的应用中取得良好的结果.给出计算有效基因长度的伪代码,结合GRCM方法阅读基因,快速计算出染色体的适应值.在算法中增加了参数估计模块,用GEP得到较好模型后,用参数估计模块进行参数优化,试验显示这种混合的GEP方法比传统的最小二乘法、神经网络以及遗传程序设计等方法具有更好的性能.     

基于单载波PWM调制法的高压变频器建模与仿真

在分析高压变频器调制方法的基础上,建立了在MATLAB/SIMULINK环境下的级联型多电平逆变器的仿真模型,针对国内大多数流行的调制方法是基于一个正弦参考信号与多个三角载波相交进行比较产生脉冲信号,提出了单载波PWM调制方法.对多电平电压频谱进行仿真分析,并将其谐波特性与其它PWM调制技术进行比较,结果表明在单载波PWM调制法控制下变频器的输出波形中无论相电压还是线电压的谐波含量都很少,显示了良好的谐波特性.     

基于状态-动作模型的中继卫星操作规划问题建模

通过分析中继卫星操作规划问题特点,提出一种基于状态-动作模型的任务规划建模方法。采用PDDL语言对中继卫星的领域知识进行描述,解决动作的持续时间约束、复杂资源约束以及一类特殊的外部事件的表达问题。最终建立的中继卫星操作规划模型表明,该方法较传统规划建模方法具有更强的描述能力。通过引入领域知识将操作任务规划问题分解为规模较小的子规划问题,并给出子任务对应的可选动作集合,从而减小了规划解的搜索空间,提高了求解效率。     

3-DOF混联拟人臂动力学建模与迭代学习控制

采用Lagrange方法建立了一类新型3P6R平面3-DOF串-并混联拟人臂的标称动力学模型。针对该机构的重复轨迹跟踪问题,考虑其不确定性,充分利用其已知动力学部分,提出了一种集中参数自适应-闭环迭代学习控制器。在每个迭代周期内采用自适应算法学习由未建模动态、外部干扰及摩擦力等多种因素造成的集中不确定性上界,进而逐次补偿由其造成的误差;闭环变系数迭代学习算法保证了该系统在迭代域内收敛,实现了完全轨迹跟踪。严格的证明及仿真结果验证了此控制器的有效性。