Delay‐dependent stability of nonlinear hybrid neutral stochastic differential equations with multiple delays

In this article, we study the delay‐dependent stability of a class of hybrid neutral stochastic differential equations (NSDEs) with multiple delays which is highly nonlinear. Some novel stability criteria are investigated according to Lyapunov functions and generalized Itô's formula. In particular, we generalize and improve the results in Shen et al, Systems & Control Letters (2018) from a single delay to multiple delays.     

数学形态学在数字图像处理中的应用研究

传统边缘检测算法由于对噪声敏感,难以准确提取图像边缘,导致图像处理效果不佳.基于传统数学形态学算法中结构算子的方向性和尺寸几何的基础上进行算法改进.针对抗噪型碰撞腐蚀形态学边缘检测算子结构元素特征,采用不同大小结构元素组合来提取边缘特征,有效保证了图像细节的同时去掉较大噪声点.根据结构元素的方向性,利用同向结构元素图像的匹配来检测各边缘信息,确保不同向边缘信息的完整度.通过比较文本改进算法与传统的边缘检测算法对图像边缘检测效果表明:本文提出的改进算子在处理较大图像边缘检测时具有更快的检测速度,且图像边缘光滑,细节清晰,具备了更强的抗噪性能.     

Hierarchical inversion‐based output tracking control for uncertain autonomous underwater vehicles using extended Kalman filter

In this study, a hierarchical inversion‐based output tracking controller (HIOTC) is developed for an autonomous underwater vehicle (AUV) subject to random uncertainties (e.g., current disturbances, unmodeled dynamics, and parameter variations) and noises (e.g., process and measurement noises). The proposed HIOTC respectively utilizes a combination of feedforward and feedback controls in a hierarchical structure based on the kinematic and dynamic models of the system. Moreover, to obtain uncontaminated or unavailable states for implementing the proposed control law, the extended Kalman filter (EKF) is employed to estimate the system states. Then, the position outputs, orientation, and velocity of the AUV are reached with guaranteed asymptotic stability. The robustness of the proposed HIOTC is verified through injection of random uncertainties into the system model. The closed‐loop stability of the proposed individual subsystems is respectively guaranteed to have uniformly ultimately bounded (UUB) performance based on the Lyapunov stability criteria. In addition, the asymptotic tracking of the overall system is demonstrated using Barbalat's lemma. Finally, the feasibility and effectiveness of the proposed control scheme are evaluated through computer simulations and it is shown that the overall system achieves good asymptotic tracking performance.     

无冲突Petri网的结构活性判定研究

结构活性作为Petri网的重要结构性质,在Petri网活性判定领域具有较高的研究价值。从Petri网有向回路对结构活性的影响入手,分析与判定无冲突Petri网的结构活性,讨论库所元素及其后置变迁之间是否存在有向回路对Petri网结构活性的影响,研究该类Petri网结构活性判定方法的相关条件与结论,得到无冲突Petri网是满足结构活性的充分必要条件。分析结果表明,该判定方法可在多项式时间内判定无冲突Petri网的结构活性。     

有限产能下多部件设备视情维修策略与多订单批量生产联合优化研究

针对有限产能下,面对多个不同要求订单时的订单选取和多部件设备维护决策问题,提出了基于客户满意度的多部件设备视情维修策略和多订单批量生产的联合优化模型。首先,基于比例风险模型描述出各部件的具体劣化趋势,并以虚拟年龄表示各部件的健康状态;其次,根据单次批量生产结束后的实时监测结果和维修阈值,确定不同的维修方式;再次,以利润最大化为优化目标,结合有限产能批量问题模型和客户满意度模型,建立视情维修策略和多订单批量生产联合优化模型;最后,利用模拟退火算法和粒子群算法就行模型求解,并通过算例验证了模型的有效性,使模型更具有现实意义,并对模型相应参数进行了灵敏度分析。     

基于循环神经网络的电信行业容量数据预测方法

在电信运维的容量预测过程中,存在容量指标和部署业务种类繁多的问题。现有研究未考虑指标数据类型的差异,对所有类型的数据使用同种预测方法,使得预测效果参差不齐。为了提升指标预测效率,提出一种指标数据类型分类方法,利用该方法将数据类型分为趋势型、周期型和不规则型。针对其中的周期型数据预测,提出基于双向循环神经网络（BiRNN）的周期型容量指标预测模型,记作BiRNN-BiLSTM-BI。首先,为分析容量数据的周期特征,提出一种忙闲分布分析算法;其次,搭建循环神经网络（RNN）模型,该模型包含一层BiRNN和一层双向长短时记忆网络（BiLSTM）;最后,充分利用系统忙闲分布信息,对BiRNN输出的结果进行优化。与传统的三次指数平滑、差分自回归移动平均（ARIMA）模型和反向传播（BP）神经网络模型进行比较的实验结果表明,在统一日志数据集和分布式缓存数据集上,提出的BiRNN-BiLSTM-BI模型的均方误差（MSE）分别比对比模型中表现最优的模型降低了15.16%和45.67%,可见预测准确率得到了很大程度的提升。     

区块链社交网络信息传播模型的优化研究

区块链的出现使得社交网络信息传播的模式发生了改变,如用户信任度、信息传播的转发概率等。因此,在传统社交网络信息传播模型的基础上,通过对用户行为模式的着重分析,基于用户信任度和经济激励等影响因素优化了转发概率;新增了合约状态节点解释用户的理智性,基于此提出区块链社交网络信息传播模型。理论与仿真分析表明,该模型在区块链社交网络的信息传播过程中具有较好的稳定性和敏感性,节点属性变化走势更加接近真实网络,能够较好地模拟区块链环境下社交网络中信息的传播规律。     

客户分类下生鲜配送两级路径问题与算法研究

生活水平的提高使得消费者对生鲜产品的需求不断增长,进而促进了冷链物流行业的快速发展。将客户按重要性分为重要客户和普通客户两类,以总配送成本最小为目标,建立考虑客户分类的两级容量有限车辆路径优化模型。提出两阶段启发式算法求解该模型：第一阶段设计改进的遗传-模拟退火算法增强全局搜索能力,其中采用轮盘赌选择机制结合精英保留策略保留优秀个体,部分匹配交叉算子结合自适应交叉率维持种群多样性,Metropolis准则以一定概率接受较差解;第二阶段使用精确方法求解一级配送路径。基于Perboli的Set2算例集和Hemmelmayr的Set5算例集,共30个基准案例,分别将所提出算法与四种现有算法进行对比分析,验证了改进算法的效果,并测试了算法的收敛性。基于模拟数据进行模型分析,验证了所提出模型和算法的有效性和适用性。     

红外成像导引头抗干扰性能评价指标体系

目前,各类红外成像制导导弹面临的主要问题是抗干扰能力的强弱,包括自然环境干扰和人工干扰两种;因此红外导引头的抗干扰性能成为各类红外制导导弹的关键性能,极大地影响到导弹的作战性能;为了能够合理的评价红外成像导引头的抗干扰性能,就必须制定合理的红外成像导引头抗干扰性能评价指标;为此,笔者根据红外成像导引头的抗干扰工作过程及其特点,以及传统的评价指标,并借鉴深度学习的评价指标,提出了由截获能力、识别能力、跟踪能力和命中精度能力这四方面组成的抗干扰性能评价指标体系;明确了四项指标下的二级指标内涵和计算方法,根据红外仿真与数据处理结果表明,这4种评价指标均可以有效地体现出导引头抗干扰性能的强弱,而且识别能力和命中精度这两个指标更加突出,故笔者所提出的红外成像导引头抗干扰性能指标体系及其计算方法,均可成为红外成像制导导弹抗干扰性能评估的判断依据.     

基于宽度学习的结构沉降预测

结构监测是确保工程结构建设在施工和运营阶段安全的关键因素,因此采用合理有效的预测模型对结构沉降监测数据进行科学准确的预测成为了当前结构沉降预测研究的重点。针对传统预测方法与深度学习方法用于结构沉降预测存在的预测精度不够高、模型结构复杂、训练耗时等问题,提出了一种基于宽度学习的结构沉降时间序列预测模型。通过实测地铁地下隧道沉降监测数据对宽度学习、人工神经网络、支持向量回归和深度置信网络-支持向量回归预测模型的预测结果进行对比分析。实验结果表明:宽度学习系统(broad learning system,BLS)应用于结构沉降预测具有良好的效果,其训练速度更快,预测精度更高。验证了所提出的宽度学习算法应用于结构沉降预测的可实施性和有效性。