ARM嵌入式系统模糊可靠性评价

嵌入式系统在现在和可预见的未来的生活中发挥着举足轻重的作用,而其可靠性成为制约行业发展的关键技术.针对常规设计中更多的侧重于系统各项功能性实现,较少关注系统的可靠性问题,在总结常规可靠性设计方法的基础上,从嵌入式系统硬件和软件结合的角度提出了一种新的ARM嵌入式系统可靠性等级评价方法.该评价方法将各个量化因子用折线相连,计算其围成图形的面积与最大图形面积之比,由此得到系统的可靠性等级.将该方法应用于所设计的ARM嵌入式数据采集器,评价结果表明,数据采集器的可靠性大于80％,系统可靠稳定.     

新的基于加权均值模型的证据融合方法

针对D-S证据理论难以处理证据冲突的问题,提出了一种将Murphy平均融合方法和证据权方法相结合的证据融合方法.该方法将显著偏差证据的判别引入融合流程,实现对证据权重的区分量化,建立了加权的基本概率分配均值模型.仿真结果表明:该方法能有效区分证据的重要程度,提高了证据融合的准确性与收敛速度,较好地解决了冲突证据融合的问题.     

信息观下基于不一致邻域矩阵的属性约简

信息观下研究邻域决策系统的属性约简是一种新颖的思路. 通过分析论域下某样本邻域中其他样本与该样本决策属性值的异同, 定义不一致邻域矩阵. 在计算属性重要度时, 利用不一致邻域减少在原条件属性基础上增加一个属性后条件熵的计算时间. 分析得到邻域系统下条件熵与正域的关系, 提出一种信息观下基于不一致邻域矩阵的属性约简算法, 并分析该算法与其他算法的内在联系. 实验结果验证了所提出算法的有效性.

     

基于收缩理论的一类非线性系统自适应动态面控制

针对一类不确定非线性参数严反馈系统,提出基于收缩理论的自适应动态面控制方法.动态面控制器设计保证了各子系统关于状态误差部分收缩;对不确定参数构造收缩自适应律,并利用收缩下的奇异摄动分析降阶处理子系统,确保降阶前后状态误差间的偏差及滤波误差有界;通过分层子系统的收缩鲁棒性分析,证明了原闭环系统状态半全局收敛到以期望轨迹为中心的球域内,保证了跟踪误差及自适应估计有界.刚性机械臂系统仿真验证了所提出方法的有效性.     

区间直觉模糊信息下的双向投影决策模型

研究权重完全未知、评价信息为区间直觉模糊数的多准则决策问题. 考虑犹豫度影响, 给出备选方案与正理想方案、负理想方案形成的向量表达方式, 提出一种针对区间直觉模糊信息的向量投影测度方法; 构建基于方案投影总偏差最小的非线性规划准则权重确定模型; 给出基于方案投影的相对贴近度测算公式, 并以此对方案进行排序. 最后通过算例对比分析表明了所提出方法的有效性和可行性.

     

不同渠道权力结构下制造商回收闭环供应链绩效分析

针对制造商负责回收的闭环供应链决策问题,构建了集中决策供应链和三种渠道权力结构的分散决策供应链优化模型,探讨渠道权力结构对闭环供应链决策及绩效的影响作用。研究发现,三种渠道权力结构下的分散决策供应链都处于不协调状态,且不协调程度与渠道权力结构相关;存在领导权的Stackelberg供应链零售定价高于无领导权的Bertrand供应链,制造商领导零售定价高于零售商领导供应链;存在领导权供应链的回收比例低于无领导权供应链,制造商领导的回收比例低于零售商领导供应链;存在领导权供应链的系统利润低于无领导权供应链,制造商领导的系统利润低于零售商领导供应链;供应链企业利润在其自身领导系统中最高,势均力敌系统中次之,对方领导系统中最低。     

粗等价类双边剪枝策略下多次Hash 的约简算法

提出一种新的约简算法. 首先以全局等价类为最小计算粒度, 提出粗等价类概念, 深入研究其性质并证明粗等价类下求核和约简与原决策系统等价; 剖析3 类粗等价类与正区域间的内在关联, 设计针对1 和??1 两类粗等价类双边删减下正区域的渐增式等价计算方法, 从而设计双向剪枝策略以及多次Hash 的属性增量划分算法, 基于此给出高效完备的约简算法. 最后用UCI 中20 个决策集、海量、超高维3 类数据集从多个角度进行验证, 结果表明, 所提出的约简算法的完备性和高效性在绝大多数情况下优于现有算法, 尤其适用于海量数据和超高维数据集.

     

认知网络中基于用户需求的功率控制算法研究*

为了解决认知网络功率控制问题,根据非合作博弈论和干扰温度,设计出一种新型效用函数,该函数综合考虑授权用户和认知用户功率分配的要求,满足用户需求。并通过此效用函数提出一个基于非合作博弈论的新颖功率控制算法,分析了该算法的收敛性、纳什均衡解的存在性和唯一性。仿真结果表明该算法在保证认知用户需求前提下,传输功率更加合理,体现出算法的有效性和公平性。与参考算法相比,节省30.12%的功耗,并且具有较好的抗背景噪声。最后,与KG算法相比,该算法具有较大的网络容量。     

无线自组织网络中基于蚁群算法结合连通支配集的路由协议

针对蚁群优化(ACO)在无线自组织网络应用的缺点,如搜寻和维护路由信息过程中需要消耗大量的开销和能量。在ACO算法的基础上,提出一种结合连通支配集的混合路由协议。该协议将网络中的连通支配集(CDS)作为集群节点的辅助结构,从前进蚂蚁中获取网络的状态信息,这些信息仅可以通过每个集群头进行广播,从而减少传输蚂蚁数据包所需的开销。为了增加网络的效率,采用伪随机比例选择策略对后向蚂蚁从源节点到目的地节点间的最优路径进行评估。NS-2网络仿真器实验结果表明,与自组织按需距离向量(AODV)路由协议和蚁群优化路由协议相比,提出的路由协议在数据包传输率、网络总体吞吐量和平均端到端延迟等方面均有明显改进。此外,提出的路由协议消耗的网络资源较少,适合节点连接程度比较高的网络。     

云化SFT下的径集域与割集域的重构与研究

为了克服原有SFT体系中径集域和割集域处理具有模糊性、随机性和离散性故障数据能力不足的问题,使用云模型和SFT相结合的方法来解决该问题。首先使用云模型云化SFT特征函数,得到云化特征函数,进而云化径集域和割集域,最终得到云化径集域和云化割集域。云化径集域和云化割集域没有严格的分界线,分布区域是通过云滴表示的。若云滴表示的元件/系统故障概率小于P_b,这些云滴存在的区域即为云化径集域;反之大于P_b的云滴存在的区域为云化割集域。通过实例分析了元件X₁和系统的云化径集域和云化割集域,得到了他们适合工作的环境因素变化范围组合。分析过程和结果表明云化径集域和云化割集域能克服原始故障数据的不确定性。