一种高效的分布式数据库完整性技术

研究高效的分布式数据库完整性技术以准确评估完整性检查的预期代价,现在仍是一个难以解决的问题.为此,文中提出了一个新的完整性检查策略,设计了分别采取局部预测试策略和支持测试策略的两种完整性测试生成算法,并使用人工智能的降维技术建立代价评估模型,为完整性检查代价估算提供一个量化比对的依据.文中还通过分布式数据库实验对完整性测试、数据获取量、网络数据传送量和参与计算的网络站点数进行了验证,结果表明,文中提出的策略、算法有效降低了分布式数据库的完整性检查代价,所建立的代价评估模型能对代价进行准确评估.     

基于能源约束的经济平衡增长研究

遵循能源消费与经济增长的双向因果关系,基于索罗增长模型和最优理论建立了一个知识外生的,包含代表性厂商、不可再生能源生产部门、可再生能源生产部门、政府和代表性家庭在内的经济平衡增长模型,并研究了经济平衡增长的条件.结果表明,经济增长和能源消费均衡的条件是能源投入增长率必须和有效劳动增长率相等.最后从加大节能减排和资源税征收的力度等角度提出政策建议.     

一种针对于状态估计算法的敏感指标构建方法

针对信息融合领域内状态估计算法的性能评估问题,分析了当前常用评估指标的不足。提出了一种基于最优子模式分配的敏感指标构建方法,该指标利用两个可控参数对点迹位置误差与关联误差的敏感度进行合理分配。通过两组不同条件的实验,证明了在单目标环境下,OSPA距离具有与位置均方根误差相同的有效性与评估准确度;在多目标环境下,OSPA距离具有更高的使用灵活度与敏感度。     

棉花异性纤维分拣机器人总体结构的优化设计

针对棉花分拣的具体情况,依据机器人的机构选型原则,对棉花分拣机器人进行了机构选型设计,提出了一种具有整体升降和小臂伸缩功能的五自由度串联关节型棉花分拣机械手.基于棉花的分布空间,利用几何法对机械手末端轨迹进行模拟,得出机械手工作空间主剖面的面积组成,由此确定了机器人机构参数的取值范围,并建立优化模型,得到了机器人机构参数的优化解.     

基于运动相似性的仿人机器人上阶梯行走研究

提出了一种基于运动相似性的仿人机器人上阶梯行走设计方法.定义了人体与仿人机器人运动相似度,分析了时空协调特点及控制方法,从人体运动图像捕获与处理、相似性运动控制和约束与优化控制等方面提出了仿人机器人相似性动作规划系统;以仿人机器人相似性上阶梯行走为例,通过双腿支撑相与单腿支撑相划分了关键姿势与基本子相;同时,为解决固定的相似性运动轨迹难以满足可变环境的问题,根据实际阶梯参数设置了仿人机器人运动学约束、关节运动角度幅度约束以及零力矩点约束.实验结果表明该方法可以有效地实现仿人机器人相似性上阶梯行走.     

基于模糊机会约束的超球支持向量机

针对不确定数据多分类问题,提出一种基于模糊机会约束的超球支持向量机（FCC-HSVM）.在球结构支持向量机的基础上,引入模糊事件的可能性测度,得到模糊机会约束规划及其对偶规划.利用球结构的优点,每类样本只参与一个超球体的训练,直接求解多分类模型,提出FCC-HSVM的快速学习算法,显著缩短多分类情况下训练时间.数据试验表明：这种支持向量机分类精度较高,训练速度快,适合解决不确定数据多分类问题.     

考虑峰谷差因素的用户侧负荷优化运行

在智能电网高速发展背景下,针对用户侧节能减排和电网侧削峰填谷问题,提出家庭负荷优化运行策略。基于家电能量控制系统,将峰谷差成本化,以最小化用户侧电能成本和最小化电网侧峰谷差为目标,考虑分时电价,可转移负荷时间舒适度约束和温控类负荷温度舒适度约束。综合峰谷差系数,采用粒子群算法进行求解,最终得出各类家电的运行方案。算例仿真结果表明,优化方案实现了用户侧和电网侧的利益双赢。     

基于约束的最大频繁模式的挖掘

频繁模式挖掘通常产生大量的挖掘结果,基于约束的最大模式挖掘成为目前研究的焦点．给出基于约束的频繁最大模式的定义和挖掘基于约束的频繁最大模式算法．     

模糊优选保序条件及其在防洪调度中应用

为研究多目标模糊优选模型的权敏感性质,利用微分方法导出了模糊优选模型的权扰动方程,进而给出了保持方案相对优属度序列不变的保序条件和易序条件．将其应用于水库防洪调度方案优选中,结果表明该方法有效。     

三维AoA目标跟踪的二次约束卡尔曼滤波算法

在基于到达角(angle of arrival, AoA)的三维目标跟踪中, 伪线性卡尔曼滤波具有稳定性高和计算复杂度低的优点, 但是严重的偏差问题使其跟踪精度迅速下降。针对该问题, 提出一种二次约束卡尔曼滤波(quadratic constraint Kalman filter, QCKF)算法。首先引入涉及所有观测噪声项的增广矩阵, 然后建立与线性卡尔曼滤波等价的目标函数并且附加含有二次项的约束条件, 以此降低偏差影响, 实现更准确的状态更新。QCKF算法采用广义特征值分解求解约束优化问题, 无法直接通过状态更新表达式推导其协方差矩阵, 因此利用约束条件以及矩阵扰动方法完成协方差矩阵更新。仿真分析表明, QCKF算法相较于其他非线性滤波算法具有更优的跟踪性能, 不仅在低噪声条件下可达到后验克拉美罗下界, 而且当噪声严重时能够显著降低跟踪误差, 并且计算开销不高。