基于控制论的3种供应链动态特性比较

基于自动控制理论,以APIOBPCS(Automatic Pipeline, Inventory and Order Based Production Control System)订货系统为基础,采用模拟仿真的方法,考察传统二级供应链(TSC,Traditional two-echelon Supply Chain)、需求信息共享(DIS,Demand Information Sharing)二级供应链和供应商管理库存(VMI,Vendor Managed Inventory)这3种典型二级供应链系统在阶跃需求信息时,不同系统参数对系统订单、在制品量和库存量的影响,并对3种系统的动态响应特性进行了对比研究.研究结果表明:对于阶跃需求信息,生产提前期T_p越小,系统响应峰值越小,响应速度越快;参数T_i,T_w和T_a在不同范围内对系统峰值和调节时间的影响趋势有所不同,需要根据供应链整体目标进行选择.而且一种供应链系统往往不能兼顾系统的响应峰值和调节时间两个特性,应综合考虑响应峰值和调节时间对系统整体绩效的影响,选择适当的管理策略优化供应链系统,以提高供应链的整体运行效率.      

无线网络弱硬实时调度算法

提出了一种结合信道状况考虑的(m, k)-firm弱硬实时调度算法.该算法将消息划分为强制(mandatory)和可选(optional)2种类型,并优先调度强制消息.消息的类型由线下静态分配和线上动态调整共同决定.其中,静态分配使用(m, k)-pattern分配消息类型,动态调整是在不违反(m, k)-firm约束的前提下尽力减少强制消息在差信道状况下传输.理论分析证明:①在假设所有强制消息都实时成功传输的前提下,经动态调整的消息集仍然满足(m, k)-firm;②在使用平均分布(m, k)-pattern时,动态调整之后不改变消息集中强制消息的N次重传可调度性.仿真结果表明,该算法与仅使用静态分配消息类型的算法比较,能够改善弱硬实时的可调度性能,节省无线网络中带宽和能耗的开销.      

基于云模型和改进D-S证据理论的目标识别决策方法

在目标识别决策系统中,多探测器多源信息融合的模糊性和不确定性以及各探测周期所得信息的冲突互斥会造成目标识别决策不精准。为解决这一问题,提出基于云模型和改进D-S （Dempster-Shafer）证据理论的目标识别决策方法。首先,将目标识别准确性这一语言评价值划分为不同评价区间等级,以不同评价等级标准云为参照将各探测器各探测周期所得信息转化为云决策矩阵,得出各周期各等级隶属度,进而构建出基本概率分配函数（mass函数）;其次,基于证据理论引入冲突度、差异度、离散度3类衡量冲突大小的参数,定义了一种新的证据冲突参数,同时改进证据冲突融合算法,对各探测器各周期证据体进行修正并融合;再次,结合各探测器权重加权得出各目标综合识别决策的mass函数对目标进行决策;最后,结合算例,验证该方法的适用性,并与其他方法相对比验证了本文方法的优越性。     

基于比例危险-比例优势模型的加速寿命试验设计

将基于信息的优化方法引入基于非参数模型的加速寿命试验优化设计中,针对恒定应力和步进应力两种应力加载方式,分别给出了基于比例危险-比例优势模型的试验优化设计方法.通过对数似然函数建立Fisher信息矩阵和方差-协方差矩阵,并采用基于信息的优化方法建立最优化问题.这种试验优化设计方法可以有效地提高模型参数评估精度,并且避免了传统的优化方法(即将一个与可靠性相关的函数的渐进方差在一个给定区间内的积分值作为优化目标)当目标函数中给定的积分区间变化时将得到不同优化结果的局限.最后给出了应用该方法进行加速寿命试验优化设计的仿真实例.     

一种求解多目标柔性作业车间调度的改进粒子群算法

针对具有高维搜索空间的多目标柔性作业车间调度问题,提出了一种基于偏好的多目标粒子群优化算法(PMOPSO).该算法引入了决策者的偏好信息,用以指导算法的搜索过程,使算法在决策者感兴趣的区域进行搜索,不但缩小了算法的搜索空间,提高了算法的效率,而且一次运算只求得偏好区域内若干个折中解,避免了决策者要在众多非劣解中作出困难的选择.在该算法中,采用了新的偏好信息给定方法,即采用目标间重要关系、目标数值或目标权重大致取值范围来表示偏好信息.采用该方法,不但便于决策者给定偏好信息,而且还可以根据决策者的需求,对搜索区域的范围进行适当地调整.针对偏好信息的特点,提出了一种模拟人类社会组织"投票选举"的偏好信息处理方法,该方法直观简便并易于实现.最后,通过实例仿真,对该算法性能进行比较分析和评价,结果表明了该算法的有效性和可行性.     

附加速度先验信息的车载GPS/INS/Odometer组合导航算法

在GPS/INS车辆组合导航中,GPS信号易受外界干扰而失锁。针对INS单独导航误差迅速累积的问题,在利用速度先验信息辅助INS导航的基础上,加入Odometer观测信息,提高了系统的可观测性和导航精度;另外提出了改进的位置修正法,即不直接利用状态估值修正位置,而是用修正后的速度推算位置。实测算例结果表明,与INS单独导航相比较,采用速度先验信息,提高了载体速度精度,采用改进的位置修正方法,位置精度有大幅度提高;在此基础上加入Odometer观测信息,位置和速度精度得到进一步改善。     

基于支持向量机和信息融合的整机振动状态监视与诊断

将信息融合和支持向量机等智能诊断技术应用于整机振动状态监视与故障诊断领域。采用航空发动机振动信号作为诊断模型的训练样本,使支持向量机能够反映特征向量和故障类型的映射关系,从而成功地诊断了某型发动机的振动故障模式。     

反馈式多目标多传感器系统误差融合估计技术

本文对多目标情况下的多传感器系统误差估计问题进行了研究,提出了反馈式多目标多传感器系统误差融合估计算法。算法首先对EX算法进行了修正,无需计算各目标状态估计及其增益伪逆,直接利用各传感器量测数据来构建伪量测,通过滤波获得局部传感器组合系统误差估计;其次,算法通过构建状态空间转移矩阵实现了全局估计到局部组合估计关系描述,并从多目标多传感器两个层面对系统误差估计进行更新,即对多目标信息进行递归融合以有效利用空间分布的多目标信息,对多传感器组合估计信息进行反馈融合获得全局估计。蒙特卡洛仿真结果说明该算法能够进行多传感器系统误差的快速精确融合估计,相比EX算法在实时性与估计精度方面均具有较大的优越性。