对国内外绿色智慧城市的相关研究基础上,提出熵权与云模型相结合的评价方法。综合考虑主观和客观因素,对指标进行相关分析,确定评价指标集,运用云模型中的X条件云发生器得到各评价对象对应不同等级的隶属度矩阵,并与利用熵权法确定评价对象的客观权重进行模糊变换,将仿真评价结果与支持向量机的评价结果进行比较。仿真评价结果表明熵权—云模型的绿色智慧城市评价优于支持向量机,运用本方法的评价效果是合理有效的。

基于滑模控制(Sliding Mode Control, SMC)提出一种P2P-TV流媒体节点上行速率控制算法。该算法通过合理设计滑模控制器从而自适应控制同时连接邻居节点信号进程的数目,进而控制上行速率,达到系统资源的公平利用。由于滑模控制对于网络模型的不确定性、网络参数的时变性以及网络抖动具有较强的鲁棒性,采用该算法在网络条件变化时,避免了系统拥塞。仿真结果表明该方法可使队列长度快速收敛,同时队列振荡较小,从而可以使传输延时抖动维持在一个较小的范围内,使用户的感知质量有所改善。

纵骨交错布置的巨型总段对接工艺过程复杂、需要考虑的问题较多,若在施工现场出现工艺不可行、工装设计不合理等问题,调整工作庞大,严重影响造船周期,研究了巨型总段对接工艺仿真与优化方法。建立移位对接工艺仿真模型并进行工艺过程仿真;建立碰撞检测模型和虚拟人模型对仿真过程进行实时检测;基于船体实测数据,提出顶起量自动计算和外板对接偏差调整方法对移位对接工艺进行优化。基于上述方法开发了原型系统,并通过实例证明了本方法的有效性。

合理安排生鲜农产品的配送路线,能够有效地保证产品鲜活度、提高配送效率、降低配送成本。在实际配送中,道路状况是影响配送路线制定的重要因素之一。根据不同的道路状况,建立车速特征模型。根据生鲜农产品的易腐易损特征,建立时间窗惩罚成本函数和顾客满意度函数。在综合考虑路况、时间窗、生鲜损耗等因素的基础上,构建生鲜农产品配送路径的多目标优化模型。结合模拟退火思想,提出改进的自适应遗传算法。验证模型和算法的有效性。

针对智能体自主认知问题,采用适者生存WTA学习机制,利用基底神经节中的皮质-纹状体突触修饰机理,基于操作学习原理提出了基底神经节的自主认知模型,该模型适用于有限行为的认知学习,应用该仿生学习模型对Skinner的鸽子实验进行了模拟,模拟了Skinner鸽的渐进自适应学习过程,仿真结果表明本文所提出的行为认知模型是有效的。将该认知模型用于自平衡机器人的自主平衡学习中,在未知机器人数学模型的前提下通过模型中的操作学习达到自平衡学习的目的,为智能体仿生认知模型的研究提供了参考。

制导控制系统性能评估工作在飞行器研发过程中必不可少,然而完整的综合评估方法和相应的支撑工具目前还比较缺乏。鉴于此,对飞行器制导控制系统性能评估方法进行研究,分析了系统的结构关系,建立了层次化的性能评估指标体系;针对飞行器评估的数据可靠性、指标分辨度不一等特点,提出了多准则构权的变权综合方法;最后给出了飞行器制导控制系统性能评估实例。实例表明,所提出方法的定权依据较为科学,并且可以兼顾系统的均衡性给出合理评价结果,为制导控制系统性能评估提供了可用方法和工具。

散射中心提取是雷达目标特性研究中的关键内容,滑动型散射中心的提取尤其重要。提出一种基于典型体散射中心参数化模型的提取方法,通过二次Hough变换得到散射中心的位置和滑动半径参数,在此基础上得到散射中心在雷达视线上的距离,并从一维距离像历程图中获取有用的信息,进而估算出散射中心的尺寸参数,并对散射中心进行信号重建。此方法既能解决点散射中心的提取问题,又能很好地解决滑动型散射中心的提取问题。仿真实例证明了重建模型的适用性。

从态势尺度的定义、尺度变换种类与过程、态势多尺度表达的典型样式和应用场景等方面对态势多尺度表达进行概念研究。提出态势尺度是由广度、粒度、比例与空间、时间、语义组成的笛卡尔乘积。将尺度变换划分为尺度上推和尺度下推两类,将尺度变换过程分解为由广度变换、粒度变换、可视化派生。总结态势多尺度表达的典型样式类型,包括作战视图族、层次细节显示、变比例尺显示,这些样式分别应用多任务协同、同一任务不同层级协同、固定目标跟踪的场景。

为保障城市群交通运输系统安全运营,以复合的视角探索城市群交通网络抗毁性。采用站点映射法构建城市群加权复合交通网络模型。针对城市群加权复合交通网络结构,对传统抗毁性测度指标进行修正并确定攻击模式。以呼包鄂城市群为例进行实证研究,构建道路-轨道加权复合交通网络模型,对网络抗毁性进行仿真,识别路网中的关键站点。结果表明:城市群复合交通网络的构建有效提高了单一运输方式网络的抗毁性,通过对识别出的关键站点加强防护提高城市群复合交通网络的抗毁性。

针对化工过程采样分析获得的有标签样本数量较少的问题,提出一种基于半监督学习的局部加权偏最小二乘在线软测量建模方法。将过程收集到的有标签及无标签训练样本放入同一数据库中;对于在线测得的新数据点,计算其与数据库中各样本点之间的相似度,将其作为各数据点的权重;建立半监督局部加权偏最小二乘在线软测量模型,并采用EM(Expectation Maximization)算法估计模型的参数,得到模型的在线预测输出。通过对脱丁烷塔过程的仿真研究,验证了所提方法具有良好的预测精度和泛化性能。

分布式服务组合系统在军事、通信等领域被广泛地应用,为深入理解系统的特性,基于二分网络模型的结构形式对其进行了建模研究,使用平均场理论分析了负载均衡和随机选择两种连边方式下,服务节点度分布与终端节点满足Poisson分布的期望值、终端节点申请的任务量大小、局域世界大小3个因素之间的关系,发现在随机选择连边方式下,局域世界因素对服务节点度分布无影响的特性。仿真模拟实验的结果进一步验证了理论推导结论的正确性。

针对铁鸟试验台和半物理仿真试验室成本高,无法移动的现状,介绍了一套高度集成的便携式地面在线飞行仿真系统。搭建无人机运动学模型、传感器模型和相关子系统,将其集成于一体,实现1553B、RS422、模拟量和PWM波等多信号交联。建立风干扰模型,以及各类系统故障,验证无人机应急处置策略。将仿真系统与真实机载设备连接,进行地面在线飞行模拟试验,完成无人机从起飞、航行和着陆整个飞行过程的模拟,检验机载软件的正确性、合理性,保证了飞行安全。

为了研究信息环境下出租车乘客对巡游车及网约车的出行方式选择特性,分析出行方式的影响因素,结合乘客自身特性计算不同乘客的时间价值,通过表示巡游车与网约车的空驶行为差异以量化两类服务模式乘客的等待时间,采用仿真方法得出乘客对巡游车、网约车及私家车的选择偏好。仿真结果表明,网约车在价格略高于出租车及规模略少与出租车情况下,仍能占有一定的市场份额且保持较低空驶率。研究旨在为掌握网约车的影响程度提供仿真方法。

针对石材锯切过程中复杂的动态力学行为及有限元法在处理大变形时数值不稳定等问题,依据连续损伤力学理论,采用混合单元自适应耦合算法建立了锯片-石材切割系统的加工模型,模拟了石材锯切过程。分析发现:石材去除过程是一个间断循环的过程;锯切过程中,切割力从零开始,接触石材后迅速增大,随后又减小,最后在一定范围内平稳波动;根据锯片表面和石材内部等效应力分布情况,确定了模型最易破坏的区域;并通过与实验对比,锯片横向振动速度数据吻合度较高。

随着计算机技术的不断普及,快速获取目标物体或空间点集的包络体成为一种重要需求,基于此类问题我们提出了一种基于体素化生成包络体的方法,该方法对体素数据进行操作时运用了并行运算OpenMP(Open Multi-Processing)技术以及C++AMP(Accelerated Massive Parallelism with Microsoft Visual C++)技术,其中C++AMP技术可以极大的提高运算速度。传统意义上包络体应用于路径规划、工业装配等领域,将包络体技术运用到微纳器件虚拟运行的仿真中。通过将运行器件包络体计算引入到微纳器件的仿真系统中可以得到微纳器件的整个运动空间,进而直观有效的辅助微纳器件设计。

通过构造表面模型的密度场,提出一种四面体网格自适应生成算法。在表面模型的轴向包围盒内均匀点采样;以模型表面为边界定义一个非均匀的密度场来构建采样点集的质心Voronoi结构,同时动态地增删采样点以优化点集分布;以模型内部的采样点为基础,以模型表面为边界约束,进行四面体网格划分。实验表明,算法能够处理具有不同拓扑和几何复杂度的表面模型,生成的体网格整体质量较高,网格单元形状规整、尺寸自适应且疏密可调。算法可用于有限元分析、动态仿真等领域。

为提高仿真优化问题求解效率,提出了一种基于神经网络的仿真优化方法。利用神经网络对非线性输入输出关系的逼近能力,由神经网络输出值代替仿真结果以减少所需仿真次数。按照提出的3种样本选择策略,由仿真模型产生一定数量的样本,借助广义回归神经网络在学习速度、网络稳定性、参数选取方面的独特优势,对样本进行训练,生成能够反映仿真模型输入输出关系的回归曲面,以实现用神经网络输出值代替仿真结果,利用优化算法对回归曲面进行寻优。通过对典型测试函数进行实验,证明了方法的可行性和有效性。

为克服人脸表情图像识别过程中光照、遮挡等带来的影响,减少稀疏表示分类的时间,提出一种融合HOG特征和改进KC-FDDL(K-means Cluster and Fisher Discrimination Dictionary Learning)字典学习稀疏表示的人脸表情识别算法。对归一化后的表情图像提取HOG特征构成训练集,对训练集进行改进的K-均值聚类的Fisher判别字典学习,利用残差加权的稀疏表示进行表情分类。Cohn-Kanade数据库上的实验结果表明,该算法相比其他的人脸表情分类方法具有耗时低、相似表情分类更准确的优势。

针对常规历史数据建模法无法克服扰动对建模精度影响的问题,提出一种基于状态观测器的历史数据建模方法。选取历史数据中具有从动态到稳态特征的数据段作为建模数据,依据终点稳态值对数据进行零初始化处理,将该数据段分为两段,一段数据用来对预估模型的状态进行跟踪,并将最终的观测状态作为预估模型新的初始状态;另一段数据用来对预估模型参数准确程度进行评价,辅以粒子群算法进行模型参数寻优,该方法具有常规历史数据建模的优点,可有效消除扰动对建模过程的影响。

为解决存在随机现象的系统动力学模拟与相关性分析问题,将广义随机Petri网(GSPN)进行扩展,建立广义随机函数Petri网GSFPN,将GSFPN与SD模型相结合,提出了一种GSFPN-SD模型,该模型具有如下优势:(1)通过变迁的激发,使得状态的演变的过程更明确;(2)系统变化动态性是通过事件激发的,从而更逼真地描述了复杂系统的自主动态演变行为;(3)变迁的激发是通过托肯的移动而实现的,从而实现了系统可以有条件或无条件转移;(4)可以实现部分变迁具有延时特征,而其他变迁没有延时特征的系统动力学模拟与相关性分析。例子研究表明,GSFPN-SD模型要比SD模型具有更强、更全面对复杂系统的描述模拟与相关性分析能力。