一、模糊推理系统的建模分析（论文文献综述）
史广宇[1]（2021）在《基于数据驱动的电动汽车充电基础设施规划方法研究》文中研究说明随着全世界能源危机问题以及环境问题的逐渐凸显,电动汽车以其环保低碳的特性越来越受到政府与民众的关注,可与此同时也带来许多的机遇与挑战。电动汽车充电网络合理布局规划是推动电动汽车快速发展的重要基础,但当前已建设的充电站存在充电设施装置利用率低、充电站之间服务车次不均衡、充电站建设规模与充电需求不匹配等问题。针对以上问题,本文基于数据驱动对电动汽车基础充电设施规划方法进行研究。首先,本文围绕着研究所需要的数据集,对数据背景简要介绍,随后便对数据做预处理,为后续分析做准备工作。其中数据预处理具体包含有数据规范化,删除重复项,缺失值与异常值处理。以区域类型为分类标准,采用高斯混合分布模型与负指数分布模型对相关区域各个特征变量进行概率描述,其中采用期望最大算法求解高斯混合分布模型参数。其次,提出一种两阶段复合采样法作为高斯混合分布模型采样方法,抽样模拟各个区域车辆达到情况;接着提出一种分层充电决策模型描述电动汽车用户的充电决策行为,将用户区分为紧急型用户与随机型用户;紧急型用户一定会选择充电,随机型用户则采用模糊推理算法求解其充电概率,并根据真实充电数据调整模糊规则库,使模糊推理算法更加具有可实施性;最后聚合得到各区域工作日与休息日的日均充电需求曲线。最后,在获取到区域充电需求分布以后,采用排队论模型规划充电站容量配置问题;通过分析电动汽车在充电站内的充电行为,发现充电站内充电排队行为符合排队论中的M/G/s模型,其中电动汽车到站时间间隔符合负指数分布规律,充电服务时间符合正态分布规律。以充电站内的社会总成本最小为目标函数,将成本区分为三部分,分别包括充电站内规定成本,充电站内可变动成本以及电动汽车用户在充电站内的逗留时间成本,同时兼顾充电站的投资运营方和电动汽车用户;并利用生产法计算出北京市居民平均出行时间成本;考虑电动汽车用户排队等候时间,充电设施利用率等约束条件,找到各个典型功能区充电站内快速充电设施数量的最优解。
王璐,李青山,吕文琪,张河,李昊[2]（2021）在《基于事件关系保障识别质量的自适应分析方法》文中进行了进一步梳理目前自适应软件正在为众多领域系统提供着对运行环境的适应能力.如何建立一种能够保障识别质量的自适应分析方法,使之可从运行环境中快速且准确地识别出异常事件,是确保自适应软件长期稳定运行所必须考虑的研究问题之一.当前运行环境的不确定性给该问题的攻关带来两方面的挑战:其一,现有分析方法一般通过预先建立环境状态与事件之间的映射关系来识别事件.但在系统运行之前,已无法仅凭经验确定环境状态并建立全面且正确的映射关系.仅依赖映射关系建立分析方法的设计思路已无法保障识别的准确性.其二,不确定环境何时会发生何种事件已变得不可预期.如果采用现有设计思路,定期地获取环境状态再进行事件识别,则无法保障识别效率.然而,目前却缺乏应对这些紧迫挑战的相关工作,因此提出了一种基于事件关系保障识别质量的自适应分析方法（self-adaptation analysis method for recognition quality assurance using event relationships,简称SAFER）.SAFER采用序列模式挖掘算法、模糊故障树与贝叶斯网络等技术抽取并建模事件因果关系,并基于该类关系与映射关系通过贝叶斯网络的正向推理能力共同识别事件,与传统的仅依赖映射关系的识别方法相比可保证识别的准确性;基于贝叶斯网络的反向推理能力,确定易引发事件的精英感知对象,并动态调整获取精英感知对象状态数据的采样周期,以便于在事件发生后尽快获得相关环境状态,从而保障识别效率.实验结果表明,在自适应软件实际运行过程中,SAFER可实现对事件的识别并保障识别准确性与识别效率,为自适应软件稳定运行提供了有效支持.
侯雅君[3]（2021）在《地铁盾构姿态智能化预测及其控制》文中研究指明随着城市化进程的不断推进,地铁建设已成为城市轨道交通的主流发展方向。盾构法作为一种可以适应多种恶劣环境的方法,在地铁隧道施工中应用广泛。受地层、荷载等众多因素的制约,盾构姿态极易产生失稳现象,因此有必要采取适当控制措施,在姿态发生失稳前进行补救。本文以土压平衡盾构机的竖向姿态俯仰角为研究目标,对其预测及控制建模方法进行了探讨,主要研究内容及成果包括:（1）通过分析盾构姿态预测及控制模型的特点及建模需求,分别建立训练样本集。对于预测模型,以滚动法扩充俯仰角时间序列,并以经验模态分解方法降低样本噪声。对于控制模型,分析盾构推力及姿态影响因素,将土层特性、掘进参数纳入指标体系,筛选模型输入及输出变量,处理得到俯仰角控制样本集。（2）以预测样本集构建基于组合方法的盾构竖向姿态预测模型。首先分析经验模态处理得到的俯仰角分量,得到其中的样本特征。然后针对这些特征选择粒子群算法作为优化算法、BP神经网络和支持向量回归作为预测算法,将各分量分别带入不同模型,对各分量的预测值求和即得该模型俯仰角预测值。最终以最优加权法对各模型预测值赋权得最佳组合模型。实例验证结果表明:所提出的模型较单一模型准确率高、较数据未处理模型泛化能力强,可以及早发现姿态偏差,为盾构竖向姿态预测提供了新思路,具有重要的现实意义。（3）鉴于传统模糊控制器规则制定的粗糙性,以控制样本集构建基于自适应神经模糊推理系统（ANFIS）的盾构姿态控制模型。该模型以人工神经网络挖掘盾构历史数据之间的模糊规则,通过调节盾构推力实现对俯仰角的控制。首先以减法聚类算法寻找样本间的关联,求得样本集合的聚类中心。然后以聚类中心作为后续推理的模糊规则,生成控制模型的模糊推理结构（FIS）。最后在此基础上建立ANFIS姿态控制模型。将其应用于工程实例当中,结果表明:本文设计模型控制效果平稳,在满足精度的前提下简化了模型结构,在复杂地层的土压平衡盾构姿态控制中表现出较强的适应性。
陶晓玲[4]（2021）在《基于深度学习的网络安全分域态势评估研究》文中提出为了应对日益复杂、隐蔽的网络安全威胁,组织机构部署了大量的网络安全设备和系统,如防火墙、入侵检测、防病毒、安全审计等,这些措施和手段在一定程度上保证了网络系统的正常运行,但是其仍然具有一定的局限性,如它们大都属于被动的静态防护,不能适应当前网络复杂动态变化的安全需求;各种安全工具各自为战、功能分散,它们之间缺乏统一、有效的管理调度机制等,因此,业界产生了对实现跨域、全局把握网络安全状况的理论及工具的迫切需求。网络安全态势评估技术作为应对网络安全威胁较为有效的主动防御技术之一,近年来成为了业界研究的热点。当前网络呈现体系结构复杂、网络规模庞大、具有动态虚拟化管理方式等新特点,且面临的攻击行为逐渐呈现出大规模、协同、多阶段等特性,另外,内部用户威胁行为不容忽视,且愈演愈烈,致使已有的网络安全态势评估技术面临评估不够全面、准确、效率低等诸多问题。基于此,综合分析网络构成及运行状态、用户行为及操作过程存在或出现的安全状况,并结合深度学习技术,开展网络安全态势评估模型、态势要素提取、评估指标体系、网络域态势评估、用户行为威胁检测与评估方面的研究,论文的主要工作和贡献如下:（1）设计一种层次化的网络安全态势分域评估模型。由于内部用户行为的安全威胁对网络系统安全产生了不容忽视的影响,而很少有研究将用户行为作为安全态势评估因素,这也间接导致了评估结果的不全面和不可靠。基于此,引入分域的思想,设计一种层次化的网络安全分域态势评估模型。该模型加入并区分了基于用户行为的评估数据、因素及指标,实现了评估对象的相对完整性和全面性,分别从网络域和行为域两个方面对网络进行评估;采用了分层的体系结构,按照评估工作流程将模型分成了数据层、评估层及知识层。（2）提出一种基于逐层损失补偿深度自编码器的网络态势要素提取方法。由于当前网络环境下态势评估原始数据呈现多特征、高维度等特点,而且采用深度神经网络对其进行要素提取的过程中,随着数据维度降低,逐层的特征信息损失也不断加剧,最终影响态势评估的准确性。借鉴残差神经网络和拉普拉斯金字塔思想,提出一种改进深度自编码器的态势评估要素提取方法。该方法在深度自编码器的每个编码层都添加一个损失补偿模块,该模块首先利用编码层对应的解码层进行数据还原,其次,将计算得到的特征信息损失值补偿到对应的编码层输出中。实验结果表明,相比原始深度自编码器方法,该方法的loss收敛效果更好,且与其他方法相比,该方法对BP神经网络分类性能提升较显着。（3）提出一种基于层次聚类和层次分析法的态势评估指标体系构建方法。针对目前评估指标选取主观性强、指标体系缺乏完整性,导致态势评估不全面、评估结果可信度低等问题,结合层次聚类和层次分析法,创新性地提出一种态势评估指标体系构建方法。首先,建立分域指标体系层次结构模型,确定目标层和准则层中的综合性指标。其次,采用层次分析法量化评估因素,以减少属性赋值时的主观性;然后使用层次聚类将作用相似的评估因素自动聚类,并与综合性指标形成层次关系。最后,利用层次分析法筛选出有代表性的评估因素并构建优化的指标体系。通过真实网络环境中采集的数据进行实验,结果表明,与k-means聚类相比,层次聚类能自动形成评估因素之间的层次关系,且通过构建的指标体系得出的态势值可以反映实际网络的安全态势变化。（4）提出一种基于集成学习和GRU的网络域安全态势评估方法。针对机器学习评估模型因存在较大方差和均方误差使得决策过程不平滑,进而影响评估性能的问题,结合评估数据具有时间依赖特性,提出一种基于集成学习Subagging和GRU的安全态势评估方法。该方法利用GRU网络处理评估数据中的长时期依赖问题,并对其高维特征进行有效学习和表征;基于子采样方案的Subagging算法可以提升模型的泛化能力;同时,结合遗传算法对GRU网络的训练参数进行自动寻优。实验结果表明,基于GA的参数优化方法优于基于PSO的方法;与其他方法相比,提出的方法明显具有均方误差减少效应,评估性能更佳,且评估结果能较准确地拟合出真实的网络安全态势。（5）提出一种改进生成对抗网络的用户行为威胁检测与评估方法。由于用户行为评估正负样本数据分布极其不均衡,以及用户行为存在随机多变且不可预测等特点,结合生成对抗网络在小样本数据生成方面的优势,提出一种自适应滑动窗口的用户行为威胁检测与评估方法。该方法采用了滑动窗口算法,使得序列化的用户行为数据转换成能让生成对抗网络直接处理的矩阵数据,且考虑了用户行为之间的前后关联性,设计基于属性相似度的自适应滑动窗口机制,实现不同细粒度的用户行为威胁检测,在此基础上,根据设立的准则对检测结果进行行为威胁等级评估。实验结果表明,自适应滑动窗口的检测方法性能更佳;与其他典型方法相比,提出的方法准确率较高、误报率明显降低,且能有效评估用户威胁行为。
廖庸邑[5]（2021）在《考虑时间信息的模糊Petri网电网故障诊断方法研究》文中指出电网的规模不断增大,当电网某线路发生短路故障时,若没有得到迅速的诊断与恢复,会导致故障区域蔓延,进而引发大面积停电,造成严重的经济损失。因此需要研究高效的电网故障诊断方法,及时诊断出故障元件并反馈给调度人员提供辅助决策。基于Petri网的故障诊断方法具有推理简单、物理意义清晰、诊断速度快的优点,并且能以推理图的方式表征电力系统元件、保护和断路器三者之间的逻辑关系,故广泛应用于电力系统故障诊断领域。在此基础上,学者们进一步提出了模糊Petri网,用于解决报警信息的不完备性和不确定性。首先,阐述了电网故障诊断的研究背景和意义,以及各种故障诊断方法的研究现状。详细介绍了基本Petri网和模糊Petri网,并研究了用于确定可疑故障元件的结线分析法,从而为后文诊断模型的建立提供基本依据。其次,提出了一种计及时间约束的分层模糊Petri网电网故障诊断方法。分析了电网保护原理,基于此原理建立可疑故障元件的分层模糊Petri网模型,能够适应网络拓扑结构的变化。通过反向和正向时序推理对保护和断路器告警信息进行时序检查,对不满足时间约束的库所进行置信度修正。研究了基于分层模糊Petri网电网故障诊断方法的推理流程及矩阵推理算法,在矩阵推理过程中引入高斯函数修正概率,使故障概率始终保持在0-1,最终得到故障元件的置信概率及其时间点约束。通过对电网系统算例的分析、比较,验证了该方法的正确性和合理性。最后,针对现有基于Petri网的故障诊断方法没有充分利用报警信息的时序属性,并且时序推理和模糊推理算法比较复杂的问题,提出了一种考虑时序的改进分层模糊Petri网电网故障诊断方法。建立元件的改进分层模糊Petri网模型,结合矩阵推理算法,通过分层推理获得故障元件的置信概率,并对保护设备的动作行为进行评价。研究了模糊推理和时序推理同时进行的算法,构建了该方法的电网故障诊断框架。通过局部电网和IEEE-14节点系统算例测试,表明所提方法能够有效地诊断出电网故障元件,具有良好的应用前景。
黄无双[6]（2021）在《柔性喷管负载模拟系统控制策略研究》文中研究表明柔性喷管控制系统亦即推力矢量伺服机构,是火箭控制系统的重中之重;火箭的运动性能以及控制精度在很大程度上取决于推力矢量伺服机构的控制效果。在推力矢量伺服机构的研发、生产过程中,需要利用地面半实物实验设备进行测试和检验,即利用负载模拟系统模拟实际载荷情况测试其控制性能。本课题依托于航天院某所的合作项目,完成了柔性喷管负载模拟系统的设计,对其中的力加载系统以及位置伺服系统的控制策略进行了深入研究,并通过仿真与实验研究验证了控制策略的有效性。首先,介绍了柔性喷管负载模拟系统的机械结构以及工作原理。在该系统的基础上,针对其力加载子系统和位置伺服控制子系统进行分析,并利用流体力学相关理论,推导出伺服阀以及非对称液压缸的基本方程,分别建立了力加载系统以及位置伺服系统的数学模型,为后续控制器的设计打下基础。其次,针对力加载系统的控制要求以及系统特性,通过对PID控制算法的分析,在模糊控制理论的基础上,分析了隶属度函数对系统控制精度的影响;在前述理论研究的基础上,完成了用于力加载系统的模糊PID控制器设计;最后通过仿真对比分析其与普通PID的控制效果,验证了控制算法的有效性。然后,针对位置伺服系统,考虑到其在运动过程中受到外力干扰的问题,以及需要的动态跟踪精度要求,在对变论域理论以及结构不变性原理的研究基础上,讨论了常用的指数型以及比例型伸缩因子参数设计对系统性能的影响,最后设计了适用于位置伺服系统的复合控制策略;并分别在无扰和有扰的情况下对其进行仿真,对比分析各种控制策略的控制效果,验证了控制算法的有效性。最后,介绍了实验系统的组成结构以及选型;并在此基础上进行力加载实验以及位置伺服控制实验。实验表明,在力加载控制系统中,模糊PID控制器具有更快的响应速度以及更高的控制精度;在位置伺服系统中,引入前馈补偿的变论域模糊PID控制器具有更好的抗干扰能力以及更高的位置追踪精度。
赵壮壮[7]（2021）在《流形正则化模糊系统研究》文中研究指明Takagi-Sugeno-Kang（TSK）模糊系统的特点是能使用线性模型的方法求解非线性模型。TSK模糊系统的这个特点使得其在众多的领域都受到了广泛的关注。但是,与其它有监督学习一样,TSK模糊系统需要充足的信息。然而,在真实世界的应用中,训练数据经常是有限的,而模型也不能充分的挖掘数据中的信息,因此很容易导致过拟合问题。现有的TSK模糊系统方法,更多的把目光放在了模型结构的研究上,忽视了实际应用中经常遇到的训练信息不足的问题。所以,模型很容易出现过拟合的问题。流形学习能够进一步挖掘样本的结构信息。因此,本文将流形学习引入模糊系统,提出了两种新型TSK模糊系统模型,具体研究内容如下:首先,针对此问题,本文提出了一种双流形正则化TSK模糊系统建模方法（TSK Fuzzy System Modeling Method Using Two Manifold Regularizations）。该方法首先提出了基于样本空间中样本的几何分布的流形正则化,在输出空间中保留样本在样本空间中的几何分布;然后又提出了基于字典空间中特征之间的相关性的流形正则化,在学习过程中约束具有相关性的参数之间的相关关系。在多个真实数据集上的实验结果证明了该方法的良好的性能。接着,为了解决现有的多任务模糊系统方法只专注于任务间共享知识,忽视每个任务特有属性的问题,本文在多任务学习的框架下,提出了一种新型的有低秩和稀疏结构后件参数的流形正则化多任务模糊系统模型（Manifold-regularized Multitask Fuzzy System Modeling with Low-rank and Sparse Structures in Consequent Parameters）。该方法首先提出了一种基于多任务子字典空间中特征之间的相关性的流形正则化;然后将后件参数分解为两个部分:多任务共享的低秩结构部分和代表单个任务特有属性的稀疏部分,来平衡多任务间共享知识和单个任务的特有属性。实验表明,该方法优于现有的方法。
林豪[8]（2020）在《基于磁流变阻尼器的车辆座椅悬架系统控制技术研究》文中提出随着科学技术的进步与生活水平的改善,汽车已逐渐成为人们出行中不可或缺的代步工具,同时人们对车辆的乘坐舒适性及行驶平顺性也提出了更高的要求,其中座椅悬架系统在抑制振动传递中起着至关重要的作用。磁流变阻尼器是应用磁流变液的流变机理而开发的一种新型隔振器件,相比传统的液压元件,具有不受故障影响、耗电量低及输出阻尼力可调控的优点,使得采用磁流变阻尼器的车辆半主动座椅悬架备受专家学者的青睐。通过安装磁流变阻尼器装置来衰减由外界激励传递到驾乘人员身体上的振动能量,继而改善车辆座椅的乘坐舒适性,已成为当前抑制车辆座椅悬架系统振动传递行之有效的手段。然而关于磁流变阻尼器动力学建模与座椅悬架半主动控制方法等方面的研究尚未成熟完善,许多相关的理论知识和关键技术仍需亟待深入探讨。基于此,本文展开了如下几个方面的研究工作。（1）磁流变阻尼器力学性能试验及动力学建模。参照相关试验标准要求,利用疲劳拉伸机对课题组自行研制的磁流变阻尼器进行力学性能试验。设计了一种粒子群优化算法与非线性最小二乘法相结合的参数识别方法,基于采集的阻尼器示功特性与速度特性试验数据对修正Dahl模型中的未知参数进行辨识。通过对比分析不同工况下的试验数据与仿真数据,验证该模型表征磁流变阻尼器力学性能与滞回特性的可行性,同时其较高的精确度为后续半主动座椅悬架系统的建模及仿真研究提供了有力保障。（2）车辆半主动座椅悬架系统建模及其动力学特性分析。考虑车辆行驶道路真实工况,分别建立了随机输入与凸块输入两种路面模型。简要阐述了1/4车、1/2车及全车半主动座椅悬架系统各自的动力学特性及其优缺点,并应用牛顿第二定律和拉格朗日方程推导了三种模型的运动微分方程。在MatlabSimulink平台上搭建了五自由度1/2被动座椅悬架系统仿真模型,选取六个指标来表征其在时域内的动力学特性,同时运用拉普拉斯变换分别计算座椅加速度和座椅悬架动行程相对于路面输入的传递函数,利用幅频特性曲线分析了四个系统参数变化对被动座椅悬架自身动力学性能的影响。（3）车辆半主动座椅悬架系统控制策略的设计及仿真验证。结合半主动座椅悬架系统复杂的非线性振动特性,在详尽介绍模糊控制理论与PID控制理论的基础上,针对模糊控制中制定的模糊规则过于依赖专家经验而导致其控制精度偏低的不足,设计了一种基于模糊推理的变论域模糊控制器。另外,为了弥补PID控制中比例、积分和微分三个参数不能随系统误差而自适应调节的缺陷,设计了一种模糊-PID控制器,并在此基础上,利用BP神经网络算法和最小二乘法相结合的混合学习算法对模糊-PID控制器中制定的模糊规则进行离线训练,构建了三个并列的两输入单输出T-S型的神经模糊网络结构,即ANFIS-PID控制器。选取座椅加速度和座椅悬架动行程作为性能评价指标,在随机路面和凸块路面输入下,联合搭建好的磁流变阻尼器修正Dahl模型与五自由度1/2车半主动座椅悬架系统模型对所提两种控制策略的隔振效果进行仿真验证及对比分析。仿真结果表明,两种半主动控制策略均能够有效地提升车辆座椅悬架系统的乘坐舒适性,而且ANFIS-PID策略的控制效果相比变论域模糊策略的要更优一些。
田秀珠[9]（2020）在《基于Multi-Agent的景点周边交通系统建模方法与仿真》文中指出针对目前城市交通系统中缺乏游客行为对交通系统影响的建模方法,以及对景点周边交通系统仿真架构和实体模型的建立等问题的研究,本文主要研究了以下内容:（1）针对基于模糊推理的跟驰模型中输入与输出由人为指定会使推理结果受到干扰而使误差偏大的问题,提出了一种基于聚类算法改进的模糊推理的车辆Agent跟驰模型方法,采用聚类算法对输入与输出变量进行聚类分析,其次利用NGSIM数据对模糊推理系统的输入输出变量数据集的最佳聚类数和类别边界进行判定,并与改进的基于安全距离的Gipps、基于时变安全距离的CM等跟驰模型进行对比评价,使改进的模糊推理跟驰模型更能真实反映数据本身的特征。在NGSIM数据集的实验结果表明,本文方法的仿真精度高于其他跟驰模型。（2）针对一般交通系统与景点周边交通系统的组成不同,提出了一种基于Multi-Agent的景点周边交通系统建模方法。该方法首先将景点周边交通系统中的游客、车辆和路网（包括节点、路段、交叉口和红绿灯）等定义为具有自主性、适应性和合作协调的智能化Agent,分析了各类Agent间的交互关系。然后对车辆Agent的跟驰和换道行为进行了详细介绍,并根据系统在景点出入口对车辆行为的规范,提出了车辆Agent整体行为框架VBFASS（Vehicle Behavior Framework around Scenic Spots）,为微观交通仿真建模提供了依据。最后根据景点周边交通系统中各类Agent之间的交互关系,对游客Agent和车辆Agent的生成进行建模,分析得到车辆Agent与游客Agent之间的交互影响具有时间迭代的特征,在此基础上提出了景点周边交通系统中各类Agent之间建模方法的整体框架TITFASS（Time-iterated traffic framework around scenic spots）,为景点周边交通系统的仿真提供了建模方法。依据该建模方法对2019年2月7日厦门大学群贤校门周边的道路进行仿真,并与游客单向对景点周边交通影响的方法进行仿真得到的结果作比较,得到本文建模方法的准确率更高,验证了该建模方法是可行的。通过这些研究,可以定量或形象的分析景点周边交通系统中交通状态的特征和规律,为特殊吸引点周边交通状况与吸引点特性之间的相关关系研究提供了有利的手段和方法。同时本文还存在可以继续开展研究的地方,例如对游客Agent的建模还不够完善,未考虑游客在景点的逗留行为、游客出入口转移行为和离开景点时对交通状态的影响;需要补充游客的样本量,使仿真得到的精度更高。
高炜[10]（2020）在《滚磨光整加工数据库平台研发及工艺方案决策方法研究》文中研究表明滚磨光整加工技术是一种普适性很强的旨在提高零件表面质量、改善零件表面完整性的基础制造工艺技术,已在传统制造及高端装备制造领域广泛使用。国际权威专家Cariapa指出,机械零件中约有50%可以采用滚磨光整加工提高零件表面质量。滚磨光整加工工艺系统的专业性与复杂性,使得全产业链内企业之间存在工艺供需信息盲区,严重制约滚磨光整加工技术在制造领域的优势发挥。以长期工艺研发实践积累的大量工艺实例和开放式汇集的典型实例为基础,研发滚磨光整加工数据库平台并探索工艺方案决策的智能化方法,助推有效加工信息资源的合理共享,是全产业链企业转型升级、提质增效重要而现实的课题,对进一步拓宽滚磨光整加工技术的应用有着十分重要的意义。本课题的主要研究目的:一是研究滚磨光整加工数据库的构建模式,满足现阶段全产业链企业对滚磨光整加工要素信息直接获取的实际要求。二是研究工艺方案决策智能化方法及应用策略,使不同用户可根据自身需求通过数据库获得所期望的解决方案,包括使用的设备、磨块、磨剂及加工参数等方面的信息。首先,通过对滚磨光整加工流程分析,构建了加工过程信息资源及集成模型;数据库系统开发的建模表示方法采用集成化计算机辅助制造定义（IDEF）和统一建模语言（UML）结合的图形化描述方法;由功能模型、组织模型、信息模型、知识模型和过程模型组成数据库建模方法体系,建立了以过程模型为核心的滚磨光整加工数据库集成关系;建立了滚磨光整加工数据库的视图层、方法层和应用层三层体系结构,能实现全产业链中企业加工环境和基础结构的集成,为数据库平台构建奠定了模型和体系基础。剖析加工实例,以加工对象和加工要求为主要特征对应加工工艺方案的思想构成案例并集合成案例库,实现了加工实例的案例化表征;提出采用减法聚类的模糊C均值聚类改进算法（S-FCM）寻找特殊案例并加以保存,以提高其聚类质量;将其余案例通过两两相似度对比,删除冗余案例,从而合理有效地优化案例库。采用自主研发的滚磨光整加工数据库平台已有的合格案例进行了大量的仿真研究,结果表明,所提出的方法能合理筛选并删除案例库中的冗余案例,除节省案例存储空间外,使案例检索效率明显提高,可以满足对生产现场的实时调控。该方法原理简单、步骤清晰,可用于智能化滚磨光整加工工艺制订和生产过程中工艺参数后续优选的数据库平台。为了智能化优选工艺方案,提出一种分级递进的融合决策理论。依据加工工艺数据库构建的工艺案例库,首先采用加权案例推理技术（WCBR）,寻找与新问题匹配的原有案例,以便快速找到问题的解;如果没有找到匹配案例,则借助模糊专家系统（FES）,充分挖掘已有案例中的知识,通过区间值模糊推理,寻找新问题的相似案例。其中,具体提出了一种变权重案例推理方法,基于层次分析法确定案例特征权重,明确了案例分级检索步骤和案例特征相似度计算办法,仿真研究了案例库中已有案例、相似案例及差异较大案例等情况,讨论了特征判断矩阵对优选结果的影响程度,仿真结果表明:采用WCBR可以快速、准确地找到案例库中与新问题匹配的案例。另外,针对不能检索到匹配案例的情况,提出了滚磨光整加工工艺优选的模糊专家推理模型,以滚抛磨块优选为例详细阐述了区间值模糊规则的构建,根据实际加工的成功案例确定各特征值等级范围及隶属区间,并与滚抛磨块参数建立联系,利用产生式规则表示法建立区间值模糊规则;通过层次分析法确定模糊规则中各特征属性的权重,并采用区间值模糊推理算法进行滚抛磨块参数优选推理机的设计;采用大量的测试案例进行了实验仿真,结果表明:模糊专家推理优选模型能够在案例推理的基础上提升新问题与旧案例之间的相似度,在满足加工要求的同时,能够快速、准确、合理地优选出待加工零件所需的滚磨光整加工工艺。构建了包括物理资源层、虚拟资源层、数据管理服务层、应用接口层和用户层核心平台的滚磨光整加工数据库开发总体框架和功能结构。基于Oracle数据库管理系统、C#和Python开发语言、Microsoft Visual Studio 2017集成开发环境和B/S网络结构模式,完成了数据库平台程序开发,多维度展示了平台的实用情况。从某大型航空发动机生产企业应用光整加工数据库的实际需求出发,实现了企业特殊的工序模板生成功能扩展,建立了与企业PDM系统的数据接口。生产应用表明,工序模板功能有助于工艺规范,整体数据库平台应用使企业专项工艺信息资源整合、积累并共享,对提质增效和信息化管理发挥了积极作用。本文研发的滚磨光整加工数据库平台及工艺方案决策方法,可以直接应用于全产业链企业的专项工艺决策及管理升级,为滚磨光整加工行业产业持续提质增效提供了理论支撑和实践探索。也为其他制造技术乃至工业领域构建数据库平台并进行智能化应用提供了有益的参考。
二、模糊推理系统的建模分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、模糊推理系统的建模分析（论文提纲范文）
（1）基于数据驱动的电动汽车充电基础设施规划方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 电动汽车发展现状 |
| 1.1.2 充电基础设施发展现状 |
| 1.1.3 电动汽车充电方式 |
| 1.1.4 充电设施建设模式 |
| 1.2 国内外研究现状 |
| 1.2.1 电动汽车充电需求预测研究现状 |
| 1.2.2 充电站容量配置研究现状 |
| 1.3 本文主要研究内容 |
| 2 数据预处理与相关特征变量建模 |
| 2.1 数据背景描述 |
| 2.2 数据预处理 |
| 2.2.1 数据规范化 |
| 2.2.2 删除重复项 |
| 2.2.3 缺失值处理 |
| 2.2.4 异常值处理 |
| 2.3 区域筛选 |
| 2.4 电动汽车相应特征变量的概率描述 |
| 2.4.1 高斯混合模型(GMM) |
| 2.4.2 期望最大算法(EM) |
| 2.4.3 拟合优度检验 |
| 2.4.4 各功能区特征变量概率描述结果 |
| 2.5 本章小结 |
| 3 各功能区电动汽车充电需求预测 |
| 3.1 GMM样本抽样方法 |
| 3.2 基于分层充电决策模型的充电需求预测 |
| 3.2.1 紧急型用户充电决策模型 |
| 3.2.2 基于模糊推理的随机型用户充电决策模型 |
| 3.3 区域充电需求计算 |
| 3.4 算例分析 |
| 3.5 本章小结 |
| 4 基于排队论模型的充电站规划建设 |
| 4.1 排队论 |
| 4.2 排队论模型参数设置 |
| 4.3 充电站内定容优化模型 |
| 4.3.1 目标函数 |
| 4.3.2 约束条件 |
| 4.4 电动汽车用户的平均出行时间成本 |
| 4.5 算例分析 |
| 4.6 本章小结 |
| 总结与展望 |
| 5.1 工作总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）地铁盾构姿态智能化预测及其控制（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 盾构姿态预测研究现状 |
| 1.2.2 盾构姿态控制研究现状 |
| 1.3 研究思路 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 技术路线 |
| 2 盾构姿态相关参数设计 |
| 2.1 盾构姿态预测相关参数设计 |
| 2.1.1 建立坐标体系 |
| 2.1.2 姿态测量方法 |
| 2.1.3 预测参数选取 |
| 2.2 盾构姿态控制相关参数设计 |
| 2.2.1 姿态偏差 |
| 2.2.2 盾构推力分析 |
| 2.2.3 姿态控制影响因素 |
| 2.2.4 指标筛选 |
| 2.3 样本处理 |
| 2.4 本章小结 |
| 3 基于组合方法的盾构竖向姿态预测 |
| 3.1 竖向姿态预测模型设计 |
| 3.2 基于EMD的盾构俯仰角序列分析与处理 |
| 3.3 基于BP神经网络的俯仰角预测模型 |
| 3.3.1 BP神经网络基本原理 |
| 3.3.2 俯仰角预测模型实现 |
| 3.4 基于支持向量回归的俯仰角预测模型 |
| 3.4.1 支持向量回归基本原理 |
| 3.4.2 俯仰角预测模型实现 |
| 3.5 组合预测模型 |
| 3.5.1 俯仰角预测模型优化 |
| 3.5.2 俯仰角预测模型融合 |
| 3.5.3 组合预测模型评价 |
| 3.6 本章小结 |
| 4 基于神经模糊推理的盾构竖向姿态控制 |
| 4.1 竖向姿态控制模型设计 |
| 4.2 自适应神经模糊控制基本原理 |
| 4.2.1 模糊推理系统 |
| 4.2.2 自适应神经模糊推理系统 |
| 4.3 俯仰角控制模型参数分析与处理 |
| 4.3.1 参数分析 |
| 4.3.2 变量划分 |
| 4.3.3 样本变量减法聚类 |
| 4.4 基于ANFIS的竖向姿态控制模型 |
| 4.5 本章小结 |
| 5 实例分析 |
| 5.1 案例背景 |
| 5.1.1 地质条件 |
| 5.1.2 水文条件 |
| 5.1.3 盾构掘进 |
| 5.2 盾构竖向姿态预测 |
| 5.2.1 数据选取与处理 |
| 5.2.2 单一模型融合 |
| 5.2.3 预测结果对比 |
| 5.3 盾构竖向姿态控制 |
| 5.3.1 数据选取与处理 |
| 5.3.2 模型训练 |
| 5.3.3 训练结果对比 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录一 研究生期间参与的课题及成果 |
| 致谢 |
（4）基于深度学习的网络安全分域态势评估研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词对照表 |
| 第一章 绪论 |
| §1.1 研究背景及意义 |
| §1.2 国内外研究现状 |
| §1.2.1 评估模型研究现状 |
| §1.2.2 态势要素提取研究现状 |
| §1.2.3 评估指标体系研究现状 |
| §1.2.4 评估方法研究现状 |
| §1.2.5 用户行为评估研究现状 |
| §1.3 研究问题及挑战 |
| §1.3.1 研究问题 |
| §1.3.2 研究挑战 |
| §1.4 研究内容及贡献 |
| §1.5 论文组织结构 |
| 第二章 网络安全态势评估技术及分域评估模型设计 |
| §2.1 网络安全态势评估基本概念 |
| §2.2 网络安全态势评估模型 |
| §2.2.1 JDL数据融合处理模型 |
| §2.2.2 Tim Bass模型 |
| §2.2.3 层次化态势评估模型 |
| §2.3 网络安全态势评估方法 |
| §2.3.1 基于数理统计的评估方法 |
| §2.3.2 基于知识推理的评估方法 |
| §2.3.3 基于模式识别的评估方法 |
| §2.4 层次化的网络安全态势分域评估模型设计 |
| §2.4.1 评估模型的分层描述 |
| §2.4.2 评估模型的特点分析 |
| §2.5 本章小结 |
| 第三章 基于逐层损失补偿深度自编码器的态势评估要素提取 |
| §3.1 引言 |
| §3.2 系统模型及问题定义 |
| §3.2.1 态势评估要素提取模型 |
| §3.2.2 问题定义 |
| §3.3 LC-DAE态势评估要素提取方法设计 |
| §3.3.1 方法架构 |
| §3.3.2 DAE结构 |
| §3.3.3 损失补偿算法设计与实现 |
| §3.4 LC-DAE态势评估要素提取方法实现 |
| §3.4.1 方法流程设计与伪代码实现 |
| §3.4.2 时间复杂度分析 |
| §3.5 实验及结果分析 |
| §3.5.1 实验环境 |
| §3.5.2 实验数据 |
| §3.5.3 对比实验及结果分析 |
| §3.6 本章小结 |
| 第四章 基于层次聚类和层次分析法的态势评估指标体系构建 |
| §4.1 引言 |
| §4.2 问题定义 |
| §4.3 分域指标体系构建方法设计 |
| §4.4 网络域指标体系构建方法设计与实现 |
| §4.4.1 基于AHP的评估因素量化方法 |
| §4.4.2 基于层次聚类的指标聚类方法 |
| §4.4.3 基于AHP的指标优化方法 |
| §4.5 网络域指标体系合理性理论分析 |
| §4.6 实验及结果分析 |
| §4.6.1 实验环境及数据采集 |
| §4.6.2 评估指标计算过程 |
| §4.6.3 实验结果分析 |
| §4.7 本章小结 |
| 第五章 基于Subagging和GRU的网络域安全态势评估 |
| §5.1 引言 |
| §5.2 系统模型及问题描述 |
| §5.2.1 态势评估模型 |
| §5.2.2 问题描述 |
| §5.3 Sb-GRU网络域安全态势评估方法设计 |
| §5.3.1 方法架构设计 |
| §5.3.2基于Subagging的采样及训练方法 |
| §5.3.3 基于GA的参数优化方法 |
| §5.3.4 基于GRU的网络域安全态势评估方法 |
| §5.4 Sb-GRU网络域安全态势评估方法实现 |
| §5.4.1 方法实现 |
| §5.4.2 时间复杂度分析 |
| §5.5 实验及结果分析 |
| §5.5.1 实验环境 |
| §5.5.2 实验数据 |
| §5.5.3 实验结果及分析 |
| §5.6 本章小结 |
| 第六章 基于自适应滑动窗口GAN的用户行为威胁检测与评估 |
| §6.1 引言 |
| §6.2 系统模型及问题定义 |
| §6.2.1 任务模型 |
| §6.2.2 行为模型 |
| §6.2.3 威胁检测及评估模型 |
| §6.2.4 问题定义 |
| §6.3 ASW-GAN用户行为威胁检测与评估方法设计 |
| §6.3.1 方法框架 |
| §6.3.2 基于属性相似度的自适应滑动窗口算法 |
| §6.3.3 基于GAN的威胁检测设计 |
| §6.3.4 用户行为评估方法设计 |
| §6.4 ASW-GAN用户行为威胁检测与评估方法实现 |
| §6.4.1 方法实现 |
| §6.4.2 时间复杂度分析 |
| §6.5 实验及结果分析 |
| §6.5.1 实验环境 |
| §6.5.2 实验数据 |
| §6.5.3 实验结果分析 |
| §6.6 本章小结 |
| 第七章 总结与展望 |
| §7.1 论文研究工作总结 |
| §7.2 下一步研究工作展望 |
| 参考文献 |
| 致谢 |
| 作者攻读博士学位期间取得的学术成果 |
（5）考虑时间信息的模糊Petri网电网故障诊断方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 电网故障诊断方法的研究现状 |
| 1.2.1 专家系统 |
| 1.2.2 人工神经网络 |
| 1.2.3 模糊集理论 |
| 1.2.4 解析模型 |
| 1.2.5 多智能体系统 |
| 1.2.6 Petri网 |
| 1.3 本文主要研究工作 |
| 第2章 模糊Petri网 |
| 2.1 基本Petri网 |
| 2.1.1 Petri网的基本概念 |
| 2.1.2 Petri网的分析方法 |
| 2.2 模糊Petri网 |
| 2.2.1 模糊Petri网的基本概念 |
| 2.2.2 模糊Petri网的产生式规则 |
| 2.2.3 模糊Petri网的推理过程 |
| 2.3 结线分析法 |
| 2.4 本章小结 |
| 第3章 计及时间约束的分层模糊Petri网电网故障诊断 |
| 3.1 引言 |
| 3.2 时间约束的分层模糊Petri网 |
| 3.2.1 HFPN的基本定义 |
| 3.2.2 时间约束的定义 |
| 3.3 配电网保护原理 |
| 3.3.1 配电网保护配置方案 |
| 3.3.2 含分布式电源的配电网保护原理 |
| 3.4 时间约束的HFPN配电网故障诊断 |
| 3.4.1 基于HFPN的配电网故障诊断模型 |
| 3.4.2 变迁输入弧和输出弧的权值分配 |
| 3.4.3 库所初始置信度的设定 |
| 3.4.4 算法的改进 |
| 3.4.5 保护和断路器的时间约束推理和时序检查 |
| 3.4.6 时间约束的HFPN故障诊断过程 |
| 3.5 算例验证与比较 |
| 3.5.1 算例验证 |
| 3.5.2 算例比较 |
| 3.6 本章小结 |
| 第4章 考虑时序的改进分层模糊Petri网电网故障诊断 |
| 4.1 引言 |
| 4.2 考虑时序的改进分层模糊Petri网 |
| 4.2.1 时序约束与时序推理运算 |
| 4.2.2 TIHFPN的定义 |
| 4.2.3 矩阵推理运算 |
| 4.3 基于TIHFPN的电网故障诊断 |
| 4.3.1 基于TIHFPN的故障诊断模型 |
| 4.3.2 初始置信概率和时间距离约束的设置 |
| 4.3.3 分层推理过程 |
| 4.3.4 评价保护设备的动作行为 |
| 4.4 基于TIHFPN的电网故障诊断框架 |
| 4.5 算例验证与比较 |
| 4.5.1 算例验证1 |
| 4.5.2 算例验证2 |
| 4.5.3 与其它方法比较 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
| 致谢 |
（6）柔性喷管负载模拟系统控制策略研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 电液负载模拟系统研究现状 |
| 1.2.1 电液负载模拟系统的历史与发展 |
| 1.2.2 电液负载模拟系统多余力补偿方法 |
| 1.3 电液伺服系统研究现状 |
| 1.3.1 电液伺服系统的历史与发展 |
| 1.3.2 电液伺服系统控制性能影响因素 |
| 1.4 先进控制技术在电液负载模拟系统中的应用 |
| 1.5 论文主要工作及结构安排 |
| 2 柔性喷管负载模拟系统数学建模 |
| 2.1 柔性喷管负载模拟系统介绍 |
| 2.1.1 柔性喷管负载模拟系统机械结构设计 |
| 2.1.2 柔性喷管负载模拟系统液压能源部分设计 |
| 2.1.3 柔性喷管负载模拟系统测控部分设计 |
| 2.2 阀控非对称缸系统数学建模 |
| 2.2.1 电液伺服阀基本方程 |
| 2.2.2 非对称液压缸基本方程 |
| 2.2.3 其他环节基本方程 |
| 2.3 伺服阀传递函数 |
| 2.4 力加载控制系统传递函数 |
| 2.5 位置伺服控制系统传递函数 |
| 2.6 本章小结 |
| 3 力加载系统控制器设计及仿真 |
| 3.1 力加载系统控制器设计 |
| 3.1.1 PID控制 |
| 3.1.2 模糊控制理论 |
| 3.1.3 隶属度函数对模糊控制的影响 |
| 3.1.4 力加载模糊PID控制器设计 |
| 3.2 力加载控制仿真分析 |
| 3.2.1 仿真平台介绍 |
| 3.2.2 仿真模型搭建 |
| 3.2.3 仿真对比分析 |
| 3.3 本章小结 |
| 4 位置伺服系统控制器设计及仿真 |
| 4.1 位置伺服系统控制器设计 |
| 4.1.1 变论域模糊控制理论 |
| 4.1.2 伸缩因子的分析及设计 |
| 4.1.3 前馈补偿网络设计 |
| 4.1.4 前馈补偿变论域模糊PID控制器设计 |
| 4.2 位置伺服控制仿真分析 |
| 4.2.1 仿真模型搭建 |
| 4.2.2 仿真对比分析 |
| 4.3 本章小结 |
| 5 实验研究 |
| 5.1 实验系统搭建 |
| 5.1.1 实验系统硬件设计 |
| 5.1.2 实验系统软件设计 |
| 5.1.3 实验系统关键元件选型 |
| 5.2 力加载控制实验 |
| 5.3 位置伺服控制实验 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 论文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（7）流形正则化模糊系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容 |
| 第二章 模糊系统与多任务学习相关知识 |
| 2.1 模糊系统 |
| 2.1.1 模糊集合与模糊隶属度 |
| 2.1.2 模糊C均值聚类算法 |
| 2.1.3 模糊系统 |
| 2.1.4 TSK模糊系统 |
| 2.2 流形学习 |
| 2.3 多任务学习 |
| 第三章 双流形正则化TSK模糊系统 |
| 3.1 引言 |
| 3.2 双流形正则化TSK模糊系统 |
| 3.2.1 基于样本的流形正则化项 |
| 3.2.2 基于特征的流形正则化项 |
| 3.3 目标函数优化 |
| 3.4 实验与分析 |
| 3.4.1 实验设置 |
| 3.4.2 Abalone数据集 |
| 3.4.3 wine数据集 |
| 3.4.4 wdbc数据集 |
| 3.4.5 stock数据集 |
| 3.5 本章小结 |
| 第四章 有低秩和稀疏结构后件参数的流形正则化多任务TSK模糊系统 |
| 4.1 引言 |
| 4.2 多任务模糊系统 |
| 4.3 有低秩和稀疏结构后件参数的流形正则化多任务模糊系统 |
| 4.3.1 流形正则化多任务模糊系统 |
| 4.3.2 有低秩和稀疏结构后件参数的多任务模糊系统 |
| 4.4 目标函数优化 |
| 4.5 实验与分析 |
| 4.5.1 实验设置 |
| 4.5.2 回归实验 |
| 4.5.3 分类实验 |
| 4.6 本章小结 |
| 主要结论与展望 |
| 主要结论 |
| 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间发表的论文 |
（8）基于磁流变阻尼器的车辆座椅悬架系统控制技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号说明 |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 磁流变液与磁流变阻尼器简介 |
| 1.2.1 磁流变液的研究发展现状 |
| 1.2.2 磁流变阻尼器的研究发展现状 |
| 1.3 磁流变阻尼器力学模型研究发展现状 |
| 1.3.1 磁流变阻尼器正向力学模型 |
| 1.3.2 磁流变阻尼器逆向力学模型 |
| 1.4 车辆半主动座椅悬架的研究发展现状 |
| 1.5 磁流变阻尼器的控制方法研究进展 |
| 1.6 本文主要研究内容 |
| 第二章 磁流变阻尼器性能试验与力学建模 |
| 2.1 磁流变液的流变特性 |
| 2.2 磁流变阻尼器的工作原理及模式 |
| 2.3 磁流变阻尼器的性能试验 |
| 2.4 磁流变阻尼器模型建立及其参数辨识 |
| 2.4.1 粒子群优化算法基本原理 |
| 2.4.2 基于粒子群优化算法的参数识别方法 |
| 2.4.3 基于粒子群优化算法与非线性最小二乘法相结合的参数识别方法 |
| 2.4.4 修正Dahl仿真模型验证 |
| 2.5 本章小结 |
| 第三章 车辆座椅悬架系统建模与动力学分析 |
| 3.1 路面输入模型 |
| 3.1.1 随机路面输入模型 |
| 3.1.2 凸块路面输入模型 |
| 3.2 车辆半主动座椅悬架系统建模 |
| 3.2.1 三自由度1/4车半主动座椅悬架系统模型 |
| 3.2.2 五自由度1/2车半主动座椅悬架系统模型 |
| 3.2.3 十自由度整车半主动座椅悬架系统模型 |
| 3.3 五自由度1/2车被动座椅悬架动力学分析 |
| 3.3.1 五自由度1/2车被动座椅悬架系统模型 |
| 3.3.2 五自由度1/2车座椅悬架时域仿真分析 |
| 3.3.3 五自由度1/2车被动座椅悬架幅频特性仿真分析 |
| 3.4 本章小结 |
| 第四章 车辆半主动座椅悬架系统控制策略研究 |
| 4.1 变论域模糊控制策略研究 |
| 4.1.1 模糊控制基本理论 |
| 4.1.2 模糊控制器设计 |
| 4.1.3 变论域模糊控制基本原理 |
| 4.1.4 基于模糊推理的变论域模糊控制器设计 |
| 4.1.5 基于模糊推理的变论域模糊控制仿真研究 |
| 4.2 ANFIS-PID控制策略研究 |
| 4.2.1 PID控制器设计 |
| 4.2.2 模糊-PID控制器设计 |
| 4.2.3 ANFIS-PID控制器基本原理 |
| 4.2.4 ANFIS-PID控制器设计 |
| 4.2.5 ANFIS-PID控制仿真研究 |
| 4.3 两种控制策略仿真结果对比分析 |
| 4.4 本章小结 |
| 第五章 总结 |
| 5.1 主要工作回顾 |
| 5.2 本课题今后需进一步研究的地方 |
| 参考文献 |
| 个人简历在读期间发表的学术论文 |
| 致谢 |
（9）基于Multi-Agent的景点周边交通系统建模方法与仿真（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于模糊推理的车辆跟驰行为 |
| 1.2.2 交通系统建模方法 |
| 1.2.3 游客与交通之间的影响 |
| 1.3 主要研究内容和章节安排 |
| 1.3.1 本文主要研究内容 |
| 1.3.2 本文结构 |
| 第二章 基于Multi-Agent建模方法分析 |
| 2.1 Agent概述 |
| 2.2 基于Multi-Agent建模的可行性 |
| 2.3 景点周边交通系统建模步骤 |
| 第三章 基于聚类方法改进的模糊推理的跟驰模型 |
| 3.1 基于聚类方法改进的模糊推理的跟驰模型 |
| 3.1.1 跟驰模型的输入和输出元素 |
| 3.1.2 聚类方法确定模糊集合元素个数 |
| 3.1.3 模糊规则的确定 |
| 3.1.4 输出元素的解模糊化 |
| 3.1.5 方法的理论分析和比较 |
| 3.2 实验验证 |
| 3.2.1 实验对象和数据集介绍 |
| 3.2.2 评价方法和指标选取 |
| 3.2.3 实验参数设置和最优参数选取 |
| 3.2.4 实验结果 |
| 3.2.5 实验结果分析 |
| 第4章 基于Multi-Agent的景点周边交通系统建模方法与仿真 |
| 4.1 基于Multi-Agent的景点周边交通系统建模方法 |
| 4.1.1 景点周边交通系统Agent组成划分 |
| 4.1.2 游客Agent和车辆Agent的生成方法 |
| 4.1.3 车辆Agent运行决策模型 |
| 4.1.4 车辆Agent整体行为建模 |
| 4.1.5 Agent间的交互关系分析与建模 |
| 4.1.6 方法的理论分析与比较 |
| 4.2 景点周边交通系统的仿真 |
| 4.2.1 仿真对象和数据集介绍 |
| 4.2.2 Agent属性特征 |
| 4.2.3 仿真平台和参数设置 |
| 4.2.4 评价方法和指标选取 |
| 4.2.5 仿真结果 |
| 4.2.6 仿真结果分析 |
| 4.2.7 误差原因分析 |
| 第5章 总结与展望 |
| 5.1 创新点和工作内容总结 |
| 5.2 存在的问题和进一步的研究方向 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文及研究成果 |
（10）滚磨光整加工数据库平台研发及工艺方案决策方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 论文研究的意义和目的 |
| 1.2 课题背景及国内外现状 |
| 1.2.1 滚磨光整加工技术现状 |
| 1.2.2 工业数据库技术概要 |
| 1.2.3 数据库智能化应用原理与方法 |
| 1.3 课题来源及主要研究内容 |
| 1.3.1 课题来源 |
| 1.3.2 论文研究的主要内容 |
| 第2章 滚磨光整加工数据库的建模方法和体系结构 |
| 2.1 滚磨光整加工工艺流程分析 |
| 2.1.1 滚磨光整加工工艺过程信息资源 |
| 2.1.2 滚磨光整加工工艺过程信息集成 |
| 2.2 面向数据库系统开发的建模表示方法 |
| 2.2.1 集成化计算机辅助制造的定义方法IDEF |
| 2.2.2 统一建模语言UML |
| 2.2.3 滚磨光整加工数据库建模方法需求 |
| 2.3 滚磨光整加工数据库的建模方法 |
| 2.3.1 滚磨光整加工数据库的功能模型 |
| 2.3.2 滚磨光整加工数据库的组织模型 |
| 2.3.3 滚磨光整加工数据库的信息模型 |
| 2.3.4 滚磨光整加工数据库的知识模型 |
| 2.3.5 滚磨光整加工数据库的过程模型 |
| 2.4 滚磨光整加工数据库的体系结构 |
| 2.4.1 滚磨光整加工数据库的视图层 |
| 2.4.2 滚磨光整加工数据库的方法层 |
| 2.4.3 滚磨光整加工数据库的应用层 |
| 2.5 本章小结 |
| 第3章 基于滚磨光整加工数据库的工艺参数优选案例库构建 |
| 3.1 滚磨光整加工工艺实例的数据分析 |
| 3.2 基于滚磨光整加工数据库的工艺案例表征 |
| 3.3 基于模糊C均值聚类算法的工艺案例库优化 |
| 3.3.1 基于减法聚类的模糊C-均值聚类算法改进 |
| 3.3.2 基于减法聚类的FCM的工艺案例库优化 |
| 3.3.3 仿真研究 |
| 3.4 本章小结 |
| 第4章 滚磨光整加工工艺参数优选融合推理模型研究 |
| 4.1 工艺优选的融合推理模型总体设计 |
| 4.2 加工工艺优选的加权案例推理模型研究 |
| 4.2.1 基于层次分析法的案例特征权重确定 |
| 4.2.2 案例的匹配 |
| 4.2.3 案例处理 |
| 4.2.4 加权案例推理的仿真研究 |
| 4.3 滚磨光整加工工艺优选的模糊专家推理模型研究 |
| 4.3.1 专家系统的基本组成 |
| 4.3.2 滚磨光整加工工艺优选的专家推理模型研究 |
| 4.3.3 仿真研究 |
| 4.4 本章小结 |
| 第5章 滚磨光整加工数据库的开发与应用 |
| 5.1 滚磨光整加工数据库的开发 |
| 5.1.1 数据库的总体框架 |
| 5.1.2 数据库的系统功能结构 |
| 5.1.3 数据库的开发环境 |
| 5.1.4 面向全产业链应用的用户权限模型设计 |
| 5.1.5 工艺优选融合推理模型的程序实现 |
| 5.2 面向全产业链应用的数据库平台界面 |
| 5.2.1 物料信息维护界面示例 |
| 5.2.2 工艺实例维护界面示例 |
| 5.2.3 案例智能优选界面示例 |
| 5.3 滚磨光整加工数据库在典型企业的定制化应用 |
| 5.3.1 企业定制化服务需求分析 |
| 5.3.2 基于定制化服务的数据库功能设计 |
| 5.3.3 实际生产应用 |
| 5.4 本章小结 |
| 第6章 结论 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
四、模糊推理系统的建模分析（论文参考文献）
- [1]基于数据驱动的电动汽车充电基础设施规划方法研究[D]. 史广宇. 北京交通大学, 2021(02)
- [2]基于事件关系保障识别质量的自适应分析方法[J]. 王璐,李青山,吕文琪,张河,李昊. 软件学报, 2021(07)
- [3]地铁盾构姿态智能化预测及其控制[D]. 侯雅君. 西安建筑科技大学, 2021(01)
- [4]基于深度学习的网络安全分域态势评估研究[D]. 陶晓玲. 桂林电子科技大学, 2021(02)
- [5]考虑时间信息的模糊Petri网电网故障诊断方法研究[D]. 廖庸邑. 湖南工业大学, 2021(02)
- [6]柔性喷管负载模拟系统控制策略研究[D]. 黄无双. 北京交通大学, 2021(02)
- [7]流形正则化模糊系统研究[D]. 赵壮壮. 江南大学, 2021(01)
- [8]基于磁流变阻尼器的车辆座椅悬架系统控制技术研究[D]. 林豪. 华东交通大学, 2020(01)
- [9]基于Multi-Agent的景点周边交通系统建模方法与仿真[D]. 田秀珠. 华侨大学, 2020(01)
- [10]滚磨光整加工数据库平台研发及工艺方案决策方法研究[D]. 高炜. 太原理工大学, 2020