区间直觉犹豫模糊集的两种相似测度及其在模式识别中的应用

模糊集的相似测度是模糊集理论的重要组成部分之一,有着广泛的应用.首先给出了基于隶属度、非隶属度和犹豫度的区间直觉犹豫模糊集的标准海明距离、标准欧氏距离、广义标准海明距离公式以及它们的加权距离公式.然后提出了基于距离的区间直觉犹豫模糊集相似测度和区间直觉犹豫模糊集的余弦相似度,并给出了公理化证明.两种相似测度均包含了区间直觉犹豫模糊集的隶属度、非隶属度和犹豫度.最后将这两种相似测度应用到基于区间直觉犹豫模糊信息的模式识别中.     

基于Nie-Tan算法的区间二型模糊集质心计算:改变主变量采样个数

计算区间二型模糊集的质心(也称降型)是区间二型模糊逻辑系统中的一个重要模块。Karnik-Mendel(KM)迭代算法通常被认为是计算区间二型模糊集质心的标准算法。尽管如此,KM算法涉及复杂的计算过程,不利于实时应用。在各种改进类算法中,非迭代的Nie-Tan(NT)算法可节省计算消耗。此外,连续版本NT(CNT,continuous version of NT)算法被证明是计算质心的准确算法。本文比较了离散版本NT算法中求和运算和连续版本NT算法中求积分运算,通过四个计算机仿真例子证实了当适度增加区间二型模糊集主变量采样个数时,NT算法的计算结果可以精确地逼近CNT算法。     

基于通用生成函数的惯导部件可靠性建模

惯性导航系统是飞机、导弹等复杂装备的重要部件。准确评估其可靠性是装备使用、保障和遂行作战任务的基础。在分析基于通用生成函数方法构建多状态可靠性模型研究的基础上,设计了一种基于通用生成函数方法的性能相依多状态系统可靠性建模的仿真算法,以某型飞机的惯性导航计算部件为研究对象对模型的正确性进行了验证,并且和基于贝叶斯网络可靠性建模方法进行了比较,结果表明:①设计方法可行与贝叶斯方法可靠性结果一致且计算速度快,其中贝叶斯算法过程约需3.72e-02 s,而基于UGF的算法需要1.8810e-03 s左右;②所建模型可以获得多状态系统性能状态的分布特性。     

C-ADS注入器Ⅰ联锁保护系统设计

联锁保护系统是加速器驱动次临界系统（ADS）先导专项（C-ADS）核心系统之一，用于对加速器控制及人身和设备保护。为此设计搭建了基于可编程逻辑控制器（PLC）和PROFINET协议的联锁控制系统，对加速器各个关键部件的信号进行采集和控制。为满足加速器对可靠性的严格要求，该联锁系统选用最新型的PLC和I/O模块，并采用高可靠性容错和冗余技术的硬件设计。本文还对该联锁系统的冗余状态和非冗余状态做了可靠性分析对比。基于该系统的实验物理和工业控制系统（EPICS）的控制接口也已成功开发，并在线应用。     

利用近红外及中红外融合技术对小麦产地和烘干程度的同时鉴别

小麦是制作馒头的主要原料之一，小麦中水、蛋白质、淀粉会因产地以及烘干程度的差异而不同，进而影响到加工成馒头的品质。所以实现对小麦产地和烘干程度的快速鉴别就显得尤为重要。感官评定是鉴别小麦产地和烘干程度常用的方法，对比感官评定，光谱分析可以识别样品中的分子结构等信息。基于此，尝试利用近红外和中红外光谱融合技术实现对不同产地和不同烘干程度的小麦同时鉴别。首先选取了两个不同产地的小麦，再利用微波干燥法对两个不同产地的小麦做烘干预处理，使烘干的小麦水含量为12%±0.5%，原麦水含量为18%±0.5%。分别标记为原麦A，烘干A，原麦B，烘干B，再将小麦研磨成粉末，过100目筛网筛选后，置于自封袋中备用。随后分别采集四种小麦样品的近红外和中红外光谱信息，在Matlab 7.10的环境下使用标准正态变量变换(standard normal variable transformation, SNVT)对采集到的原始光谱数据进行预处理，利用主成分分析对预处理后的数据进行降维处理，再结合线性判别分析（linear discriminant analysis，LDA）和支持向量机（support vector machine, SVM）分别建立小麦近红外、中红外光谱数据识别模型。另外利用联合区间偏最小二乘法（synergy interval partial least square, SiPLS）筛选出利用标准正态变量变换(SNVT)预处理后的小麦近红外和中红外光谱数据特征光谱区间，将筛选出的近红外和中红外光谱数据特征光谱区间融合后再结合线性判别分析（LDA）和支持向量机（SVM）建立小麦融合光谱信息的识别模型。然后比较同种光谱数据下利用线性判别分析（LDA）和支持向量机（SVM）建立的小麦识别模型识别率、比较同种建模方法下近红外和中红外光谱数据建立小麦识别模型识别率、比较同种建模方法下光谱数据融合和单一光谱数据建立小麦识别模型识别率。结果表明，同种光谱分析方法，利用SVM建立的四种小麦识别模型识别率高于利用LDA建立的小麦识别模型识别率。同种建模方法，近红外光谱数据建立的小麦识别模型识别率优于中红外光谱数据建立的小麦识别模型识别率。而在同种建模方法下，利用SiPLS筛选出近红外和中红外光谱数据的特征光谱区间数据融合后建立小麦识别模型识别率最高，光谱数据融合后结合LDA建立的小麦识别模型校正集识别率为98.75%，预测集识别率为97.50%；而将此选择的变量结合SVM建立的小麦识别模型的校正集和预测集识别率都达到100.0%。对比利用单一光谱数据建立的小麦识别模型识别率，光谱数据融合之后建立的小麦识别模型识别率得到显著提高，该研究从纵向和横向上全面地比较了光谱数据建立的小麦模型识别率，结果可为更准确地运用光谱融合技术建立小麦产地以及烘干程度识别模型提供参考。     

一类改进最大熵方法的可调参数分析

在结构可靠性分析中,引入含可调参数的转换函数能对传统的最大熵方法进行改进,获得更高的失效概率预测精度。但是,此可调参数的最佳取值很难确定。针对这一问题,引入概率守恒方程,从功能函数转换前后所得概率密度函数出发,建立其最大熵值的变化关系,给出转换前后最大熵值之差的理论形式。通过对三种典型单调非线性转换函数开展算例研究,发现功能函数转换前后的最大熵值之差与转换函数的最佳可调参数值有关。改变可调参数值驱使最大熵值之差变化的同时,改进最大熵方法能遍历到更好的失效概率估计值。     

基于可能度和集对势的区间数地铁施工风险控制与预警模型

首先从施工管理、周边环境、施工技术、施工人员四个方面构建了一个地铁施工风险控制评价指标体系;接着利用可能度公式构造可能度矩阵即可求解各评价指标的权重值;然后通过集对分析理论与方法建立数学模型计算各个风险指标的集对势并设置风险控制满意程度的预警阈值.施工管理人员根据计算各指标的集对势判断风险控制是否满意,一旦数据偏离预警阈值,管理人员应及时组织专家进行风险排查并采取果断的有效措施进行处理从而达到一有风险就能及时预警的目的.     

统计能量分析中参数不确定性分析

统计能量分析方法是计算结构高频振动噪声的有效方法之一，内损耗因子和耦合损耗因子是其中重要的参数但不易测量，测量误差通常比较大，导致计算得到的子系统振动能量和真实值之间存在偏差.为解决上述问题，该文采用了4种不同的区间分析方法:区间矩阵摄动法、基于区间变量特性法、仿射算法和仿射逆矩阵法，从理论上计算了统计能量分析子系统的振动能量区间，该区间结果充分考虑了内损耗因子和耦合损耗因子的测量误差对计算结果的影响，对传统的统计能量分析理论进行了完善.然后，通过算例比较了每种方法所求子系统总能量区间的优劣.     

基于Bi PLS结合Si PLS的组合权值COD浓度预测模型

水体中过高浓度的有机物含量危害巨大，不仅会造成严重的环境污染，而且危害人类身体健康，传统化学法检测水体化学需氧量(COD)的步骤繁琐且时效性差，不利于水体中COD的快速定量检测。针对这些问题，提出了一种将紫外光谱与组合权值模型相结合的快速定量检测COD方法，该组合权值模型是基于反向区间偏最小二乘法(BiPLS)结合组合区间偏最小二乘法(SiPLS)算法对紫外光谱的特征子区间筛选组合，然后依据特征子区间的权值建立的预测模型。首先按照一定的浓度梯度配制45份COD标准液样本，通过实验获取标准液的紫外光谱数据；对获取到的COD紫外光谱数据做一阶导数和S-G滤波(Savitzky-Golay)的预处理，消除基线漂移和环境干扰噪声；应用SPXY(Sample set partitioning based on jiont X-Y)算法将实验样本数据组划分成校正集和预测集。然后基于BiPLS算法对全光谱区间进行波长筛选，在BiPLS筛选过程中，目标区间的划分数量会对建模产生较大影响，于是对子区间划分数量进行优化，把子区间分成15~25个，在不同区间数下都进行偏最小二乘(PLS)建模，通过交互验证均方根误差(RMSECV)来筛选最优子区间数，得到区间数为18时，模型效果最佳。从18个波长区间筛选出了6个特征波长子区间，入选的子区间为2，1，3，11，7和6，对应波长为234~240，262~268，269~275，290~296，297~303和304~310 nm，这6个特征波长区间涵盖了大量的光谱信息，对最终预测模型的贡献度大；接下来通过SiPLS算法对这6个初选区间进行进一步的筛选组合，采用不同的组合数构建不同特征区间上的PLS模型，在相同组合数下，筛选出一个区间组合数最优的结果，对比不同组合数下预测模型的误差与相关性，将6个区间筛选组合为3个特征波长区间，分别为234~240，262~275和290~310 nm，这三个特征区间最佳因子数分别为4，4和3。对传统SiPLS的特征区间组合方法进行改进，基于权值的大小来对这3个特征区间进行线性组合，代替过去特征区间直接组合的方法。通过权值公式计算出这3个特征区间的权重大小分别为0.509，0.318和0.173，最终建立线性组合权值COD浓度预测模型。为了验证组合权重预测模型的精度，另外建立了全波长范围内的PLS预测模型、单个特征波长区间的PLS预测模型、直接组合特征波长区间的PLS模型，并使用评价参数相关系数的平方(R2)、预测值与真实浓度值的均方根误差(RMSEP)和预测回收率(T)来对模型评价。验证结果表明，相比其他预测模型，组合权值模型相关系数的平方达到了0.999 7，明显优于直接组合特征区间建模的0.968 0，预测均方根误差为0.532，比直接组合特征区间的预测模型误差降低了29.3%，预测回收率为96.4%~103.1%，显著地提高了预测精度。该方法简单可行，不会产生二次污染，可为在线监测水体中COD浓度提供一定的技术支持。     

不完备区间值信息系统中基于相容-相似关系的模糊粗糙集方法

区间值信息系统是单值信息系统的推广模型.区间值是描述影响观测对象值的一种表示方法.然而,在实际应用中,由于遗漏、测量误差、数据传输、介质噪声等多种因素的影响,区间值往往会出现缺失值.如果忽略或丢弃包含缺失值的数据,则必须丢弃大量信息.主要针对不完备区间值信息系统,提出一种基于相容-相似关系的模糊粗糙集方法.在此基础上,推广了模糊近似算子的定义,研究了不确定性度量问题.