基于AHP-FCE排爆机器人的排爆综合性能评价

针对JW-902排爆机器人的排爆综合性能评价问题,运用层次分析法——模糊综合评价法,给出综合评价的数学模型。建立完整的JW-902排爆机器人排爆效果的综合性能评价指标体系,结合主要的因素进行分析,采用AHP确定了JW-902排爆机器人的不同因素的权重系数,得到了整体的等级隶属度情况。结果表明此评价模型使用简单易懂,得出的结果科学可靠。     

信息中心网络缓存节点位置选择算法

信息中心网络（Information-Centric Networking, ICN）“泛在缓存”的特性,引发数据副本率过高、缓存空间不能充分利用等问题。为了解决上述问题,分别从用户、服务提供商和网络运营商的角度出发,以最小化网络流量与网络费用开销为优化目标建立两个单目标优化模型,并将二者结合为帕累托模型;基于帕累托求解方法中数学规划法的思想,详细描述缓存节点位置选择算法。仿真结果表明：在流量性价比方面,所提缓存节点选择算法优于ICN的默认缓存机制;在网络费用开销方面,所提算法更适用于只有少数内容较为流行的网络中,而在所有内容都流行的情况下,ICN中默认的“遍地缓存”机制更为适宜。     

基于改进AHP和云模型的质量状态定性评估

针对传统云模型在质量状态定性评估中存在的评语云化方法、指标权重确定和评估结果判定3个方面的不足,提出了一种基于改进AHP和云模型的定性评估方法。通过设置一个AHP自动调整器使判断矩阵自然满足一致性要求,避免了反复一致性检验导致的繁琐计算以及隐含的盲目性问题,并且根据构造的专家相似矩阵,有效筛选并排除极端专家意见以求解合理的权重值;结合德尔菲法,利用逆向云发生器直接生成评语的云模型,逐步寻优获得了统一协调的意见;此外还设计了一种基于平均隶属度的云相似度度量方法,实现了评估结果与定性评语之间隶属程度的量化表征。最后以某导弹雷达导引头为评估实例,验证了评估方法的有效性和优越性。     

一种提升树算法在网络故障关联分析中的应用

针对移动网络故障反馈与故障分类的准确率问题,提出一种基于k-NN的多分类器提升树算法,该算法采用k近邻对特征向量空间划分,结合adboost误差函数和迭代算法,实现多分类器决策判别,并利用R语言可视化方法的关系数矩阵提取和筛选出投诉/故障映射主属性,进而建立基于基站退服、覆盖盲点、非网络原因3类故障投诉关联分析及预测模型。实验结果表明,与C50决策树、RIPPER分类规则及SVM比较,在网络故障关联预测方面新算法的分类准确率提升约2%～10%。     

稀薄气体动理论中介观尺度数值模拟的加速方法

针对滑移流、早期过渡流区域采用离散速度法(discrete velocity method, DVM)求解Boltzmann方程收敛速度极慢、计算资源消耗大的难题,提出全流场耦合介观/宏观方程加速方法。在介观层面基于有限差分的DVM求解Boltzmann方程,在宏观层面基于有限体积的压力耦合方程组半隐式方法求解矩方程,充分利用纳维-斯托克斯-傅里叶/R26矩方程在低克努森数下的快速收敛特性,对介观方程进行加速。基于高阶Hermite多项式重构分布函数,完成宏观方程与介观方程之间的数据传输。仿真结果表明:全流场耦合介观/宏观方程的加速方法在滑移流、早期过渡流区域具有显著加速性能,最大降低了95.28%的计算时长;但对中、大克努森数流域,加速性能大幅度下降。     

基于PDA-UKF的杂波环境下单目标跟踪算法

提出将概率数据关联算法和不敏卡尔曼滤波相结合,用于杂波环境下的单目标跟踪。该算法同时解决了测量方程非线性情况下的滤波问题和杂波环境下的目标跟踪问题。给出了PDA-UKF算法的仿真过程,提供了一个基于距离、方位角、俯仰角的目标跟踪问题的仿真算例。理论分析与仿真结果均表明,该算法提高了滤波的稳定性和跟踪的精确性,具有较高的实用价值和广泛的应用前景。     

密集杂波环境下用于多目标跟踪的改进PDA算法

概率数据关联(PDA)算法在密集波环境下跟踪单目标时具有良好的效果,但当跟踪多目标时,由于未能考虑相邻目标间的相互影响,因此效果不佳,针对PDA算法的不足,基于多目标跟踪中相邻目标间相互影响的特点,提出了一种新的改进概率数据关联(NIPDA)算法.新算法引入量测J属于目标t的概率Bjtk,并用其对关联概率进行修正,从而在计算互联概率时考虑了相邻目标间的影响.仿真结果表明,新算法在计算量与PDA算法相近的情况,提高了目标跟踪成功率.     

基于神经网络的模糊理论在桥梁状态评估中的应用

探讨了模糊数学中的隶属函数在桥梁技术等级状态评估中的应用.在研究现有桥梁状态评估方法的基础上,把人工神经网络和模糊数学理论结合起来应用于大跨度预应力斜拉桥的等级状态评估,建立了基于三层神经元的模糊神经网络模型,并建立结构损伤度函数及等级隶属度模型,通过样本学习训练,获取评估专家的知识及直觉思维,最终确定桥梁所对应的技术状态等级.以检测的480组索力数据作为学习样本,另外4组作为验证样本进行了索力状态评估预测.计算结果表明,网络预测值与期望值吻合良好.