响应面结合模糊数学感官评价法优化槐花蜜饯配方及品质测定

以新鲜槐花为原料,辅以麦芽糖醇、柠檬酸、鸡蛋清和黄果槲寄生果实多糖等食品添加剂开发低糖槐花蜜饯。通过单因素试验,对鸡蛋清、麦芽糖醇、蜂蜜和黄果槲寄生果实多糖添加量进行筛选,采用响应面结合模糊数学感官评价法优化配方,对其重金属和微生物指标和抗氧化性进行了检验。结果表明,蜜饯最优化参数为鸡蛋清添加量为15%,麦芽糖醇添加量为30%,蜂蜜添加量为10%,黄果槲寄生果实多糖添加量为0.35%,柠檬酸量添加为0.18%、氯化钙添加量和D-异抗坏血酸钠添加量分别为0.01%为0.05%,得到了质地良好的槐花蜜饯产品,颜色均一微黄色,组织状态良好,薄厚均匀、口感细腻、咀嚼性好,槐花风味突出,气味协调。重金属含量低于国家标准限量（＜ 0.05 mg/kg）,未检出沙门氏菌和金黄色葡萄球菌,大肠杆菌和霉菌数量等卫生指标符合国家标准。蜜饯具有较强的总抗氧化能力（FRAP）和较好的清除 1,1-二苯基-2-三硝基苯肼（DPPH）的作用。研究结果表明,研制的低糖槐花蜜饯感官指标好,其质量符合国家标准,具有很好的营养价值和抗氧化功能。     

约化C~*-代数自由积构造的注记

利用*-代数自由积上的GNS构造,给出C*-代数约化自由积的一种构造方法,证明此构造与Voiculescu所给出的C*-代数约化自由积的构造是等价的.     

广义实型密度加权平均中间算子及应用

针对普遍存在的向量、矩阵等多维的数据形式,将面向点值的密度加权平均中间(DWA)算子拓展为广义实型密度加权平均中间(GR-DWA)算子.给出了通用的数据元素聚类过程,该过程能够对点、向量、矩阵等3种类型的数据进行有效分组.研究了一种兼顾"规模"与"功能"信息的密度加权向量设置方法,并给出了3种参数确定思路,以支持主观、客观或主客观结合等多种决策方式.定义广义实型密度算术平均(GR-DWAAA)算子,并探讨了GR-DWA算子在多属性群决策中的多种运用途径.最后,给出了GR-DWAAA算子处理多属性群决策问题的一个应用算例,算例的结果验证了算子的有效性.     

三角模糊数上的完备度量及其在决策中的应用

借助三参数区间数,利用三角模糊数的截集信息定义了三角模糊数之集上一个新的距离.证明了该距离具有完备性.利用这种距离,针对三角模糊数上的多属性决策问题,给出一种基于理想点的决策方法.对属性权重的"归一化"处理使得这种方法具有简单易行的优点,并且克服了属性权重对决策产生双重化影响的问题.最后以实例说明该方法的有效性.     

二次D稳定约束下不确定T-S模糊系统的L∞鲁棒可靠控制

针对一类受持续有界扰动的T-S不确定模糊系统,提出了考虑执行器故障的鲁棒可靠控制器设计方法。引入基于L_∞范数理论的鲁棒性能指标及二次D稳定的概念,给出了鲁棒可靠控制器存在的充分条件。通过求解线性矩阵不等式完成可靠控制器的设计,从而使系统即使在发生执行器故障的情况下仍能满足给定的L_∞性能指标,并且闭环系统二次D稳定。仿真实例表明了本方法的有效性。     

一类不确定非线性系统的自适应模糊控制

对一类不确定非线性系统提出自适应模糊控制方法。此方法用模糊逻辑系统设计自适应模糊监督控制器和自适应模糊控制器,且设计补偿器对逼近误差进行补偿,以此来减少逼近误差对跟踪精度的影响,同时对自适应模糊监督控制器和自适应模糊控制器中的未知参数设计了自适应学习律。证明了该方法不但能保证闭环系统稳定,而且可使跟踪误差收敛到原点的邻域内。仿真结果验证了此方法的有效性。     

基于依赖型算子的不确定语言多属性群决策法

研究了属性权重以实数形式给出、属性值以不确定语言变量形式给出的多属性群决策问题。基于不确定语言变量的运算法则,给出了一种基于不确定语言变量及其运算法则的新算子：依赖型不确定语言有序加权几何 (dependent uncertain linguistic ordered weighted geometric, DULOWG) 算子。与该类算子相关联的加权向量依赖于被集结的不确定语言变量,并且对错误或有偏见的不确定语言变量赋予较低的权重来减轻不公平性对评价结果的影响。提出了一种基于ULWGM算子和DULOWG算子的不确定语言多属性群决策方法,并进行了实例分析。     

基于模糊聚类和粗糙集的仿真可信性模糊综合评估

为客观有效地解决仿真可信性评估问题,提出基于模糊聚类和粗糙集的仿真可信性模糊综合评估方法。阐述了基于模糊传递闭包法进行模糊聚类分析的基本步骤,分析了粗糙集中属性重要性的相关原理;提出了基于模糊聚类和粗糙集的可信性模糊综合评估模型,利用模糊聚类和粗糙集中的属性重要性原理客观地进行各因素权重分配,结合模糊综合评判进行仿真可信性综合评估;以某飞行视景仿真系统为例,进行可信性综合评估。结果表明,该方法具有一定的合理性和可行性。     

基于UKF的自组织模糊神经网络训练算法

如何生成最优的模糊规则数及模糊规则的自动生成和修剪是模糊神经网络训练算法研究的重点,针对这一问题,提出了基于无迹卡尔曼滤波（unscented Kalman filter, UKF）的自组织模糊神经网络的训练算法。分析了模糊神经网络的非线性动力系统表示,并用递推最小二乘法（recursive least square, RLS）和UKF分别学习线性和非线性的参数,给出了模糊规则生成的准则和参数更新的策略;然后,用误差下降率方法作为模糊规则修剪的策略,删除作用不大的规则。通过典型的函数逼近和系统辨识实例,表明所提算法得到的模糊神经网络的结构更为紧凑,泛化性能更佳。     

具有学习能力的FPN在航保系统易损性评估中的应用

基于Petri网模糊推理算法,引入改进粒子群优化算法,使其具有参数学习能力,摆脱系统中众多未知参数对专家和经验的依赖.以舰船航空保障系统为研究对象,建立了基于具有学习能力FPN(Fuzzy Petri net)的系统易损性评估模型,算例佐证了其学习效率及精度.与传统系统易损性评估方法的对比试验表明该评估模型的全面性和合理性,并可推广应用于复杂舰船系统易损性评估研究.