一、一种基于系统目标的连续改进过程方法（论文文献综述）
孙滢[1]（2020）在《若干最优化问题的粒子群算法及应用研究》文中指出在经济金融、物流管理、网络安全、机器学习等领域中存在着各种类型的复杂优化问题,它们通常表现出高维、非线性、多目标或离散性等特点,传统的优化方法根本无法求解,因此研究这些问题的高效求解算法是现阶段科研人员和工程技术人员的重点攻关课题。粒子群算法是一种基于概率的随机搜索算法,具有较强的鲁棒性和全局寻优能力,因参数少,易实现等特点,该算法一经提出就受到了学者们的关注,目前已应用粒子群算法成功地解决了实际中的许多复杂优化问题。本文对约束优化、混合整数规划、多目标优化等复杂问题进行了深入系统的研究,根据各自问题的特点,构建了不同的改进粒子群算法,同时针对股票价格预测和多目标车间调度问题提出了改进粒子群优化算法。论文完成的主要研究工作和成果总结如下:（1）针对非线性约束优化问题,提出了一种基于改进Deb准则的粒子群算法（FIPSO）。该算法在Deb准则的基础上更好地保留了“优秀”不可行解的信息,使其可以发挥自身的优势,引导算法跳出局部极值点,更快收敛到全局最优解。同时,为了进一步提高算法的全局搜索能力,引入DE策略对粒子群的个体最优位置进行优化,加快了算法的收敛速度。为了验证算法的性能,对CEC2006给出的22个测试问题进行数值测试,结果表明了FIPSO算法的有效性。（2）针对非线性混合整数规划问题,提出了两个改进的粒子群算法--EMPSO算法和CC-PSO/GA算法。EMPSO算法中提出了针对离散变量的进化策略DS,该策略有效解决了PSO算法不适合求解离散优化的问题,同时提出了基于约束的更新策略IDeb,在该策略下粒子依概率接收不可行解作为个体最优位置,进而有效利用了不可行解内蕴含的有用信息;CC-PSO/GA算法尝试将PSO算法和GA算法相结合,取长补短,利用APSO算法处理连续变量部分,TGA算法处理离散变量部分,并采用基于小种群的协同交叉进化方式将两种算法有机结合起来;最后,分别将两种算法在14个标准测试问题上进行数值测试,结果表明两种算法在求解上各有优势且均能有效解决非线性混合整数规划问题。（3）针对多目标优化问题,提出了一个基于高斯变异和改进学习策略的多目标粒子群算法（MOIPSO）。该算法分别针对支配解和非支配解构建不同的学习策略,使得算法可以有针对性的迭代寻优,为了进一步提高外部精英档案和当前种群的分布均匀性,采取高斯变异的方式增加了稀疏位置和边界位置的个体数。同时,为了更好地衡量各种算法产生的非支配解集在分布广度上的区别,文中给出了一种度量广度的指标--DM,结合数据和图形,可以看出提出的指标是合理的。最后,为了验证算法的有效性,在12个多目标优化测试问题上进行了数值实验。（4）针对超多目标优化问题,提出了一个以Tchebycheff分解思想为基础的多目标粒子群算法（NMOPSO）。该算法构建了以权重向量为主体的个体最优位置更新思想,改变了以往以粒子为中心的更新,为了提高的算法寻优效率,跳出局部极值,对外部精英档案进行了进化操作,同时给出了一种权重向量的动态更新方法来提高算法非劣解集的分布均匀性。最后,对5、10、15个目标的DTLZ和WFG测试问题进行了数值实验,并与6个已知算法进行了比较,结果表明了在大多数测试问题上NMOPSO算法的性能优于其他算法。（5）针对股票价格预测问题,提出了混合自适应PSO的BP神经网络算法（APSO-BP）。该算法有效地融合了PSO算法的全局搜索能力和BP算法的局部寻优能力,提高了预测的准确性,并利用我国股市的2组真实股票数据进行实证分析,预测结果表明该算法预测股票价格波动的问题较标准BP算法更为有效,可以及时的为投资者提供风险预警信息。（6）针对多目标柔性作业车间调度问题,提出了基于离散变量学习策略的多目标粒子群算法（AMOPSO）。该算法针对柔性作业车间调度问题的特点,采用工序和机器编码拼接的方式构成粒子的位置向量,同时融合离散变量的处理机制和多目标问题的原理构建了一种基于工序的粒子学习策略,该策略既保证了粒子向最优解的有效学习又保证了更新后粒子的可行性。最后,在4个标准FJSP问题上进行了数值实验,结果表明该算法解决此类问题可以获得收敛性和分布性更好的非劣解集。
葛玉磊[2]（2018）在《三元复合驱建模及最优控制方法研究》文中进行了进一步梳理三元复合驱是一项重要的三次采油技术,能充分利用三元驱替剂（碱、表面活性剂和聚合物）之间的协同效应改变油藏的物理化学特性,有效的提高采收率。然而,三元复合驱驱油机理复杂,缺乏科学的机理模型描述驱油过程,且驱替剂价格昂贵、开采周期长。为了科学地制定开采方案,获取最大的经济效益,本文对三元复合驱的建模和最优控制方法进行研究。基于驱油机理建立了三元复合驱数学模型,并针对三维模型给出了采用全隐式有限差分的离散求解方法。以净现值为性能指标,以三元复合驱模型为支配方程,以驱替剂的注入浓度、段塞长度、驱油结束时间为控制变量,结合驱替剂用量、浓度、物化代数方程等约束条件,建立了三维三元复合驱的最优控制模型。基于离散极大值原理推导了最优控制的必要条件。针对三元复合驱采用段塞式注入,控制变量不连续的特点,提出了自适应正交函数近似的最优控制方法。针对高斯伪谱和有理Haar函数,首先采用约束凝聚将路径约束处理为终端状态约束,然后经过多阶段问题转化、正交函数近似一系列处理,将原始最优控制问题离散化为非线性规划,最后采用序列二次规划进行求解。为了提高精度、准确识别不连续性,引入自适应策略和具有最优性验证的控制结构检测方法。通过对优化段塞长度和注入浓度的三元复合驱最优控制问题求解,验证方法的有效性。针对自适应正交函数近似求解计算量大,计算效率低的问题,对三元复合驱动态规划进行研究。提出一种动态尺度混合整数迭代动态规划算法:考虑到段塞长度的整数时间限制,引入整数截断策略进行处理。引入动态调整策略调整收缩因子和调整因子,提高算法精度。通过对三元复合驱最优控制求解（优化注入浓度、段塞长度和终端驱油时间）验证方法的有效性。提出一种基于执行-评价框架的近似动态规划算法:构造线性基函数实现控制策略和值函数的近似;采用时间差分学习算法计算值函数的权重系数;采用执行-评价框架将值函数和控制策略整合,并通过谱共轭剃度法迭代求解最优控制。通过对三元复合驱最优控制求解（仅优化注入浓度）验证方法的有效性。针对三元复合驱开采中,存在多个多个不确定指标的情况,研究基于螺旋优化的模糊多目标最优控制求解方法。通过引入拉丁超立方采样和自适应柯西变异,提出一种混合螺旋优化算法。提出一种基于对称模型和水平截集的模糊多目标处理方法,将模糊多目标转化为确定性问题,进而采用混合螺旋优化算法求解。通过对三元复合驱模糊多目标最优控制求解（仅优化注入浓度）验证方法的有效性。针对三元复合驱机理模型涉及多个耦合偏微分方程,求解效率低的问题,提出一种基于双正交时空Wiener建模的迭代动态规划算法。首先建立三元复合驱辨识模型,采用双正交时空分解,将集中参数Wiener模型拓展为分布参数时空模型,辨识输入-状态之间的关系;采用ARMA模型建立状态-输出之间的关系。通过催化反应器仿真,验证建模方法的精度和泛化能力。其次,基于辨识模型,采用迭代动态规划进行求解。保持段塞固定,仅优化注入浓度,对三元复合驱最优控制进行求解。
刘伟[3]（2006）在《精密系统质量控制技术的理论和验证研究》文中研究说明质量问题是一个永恒的主题，是各行各业的生命线、生存线。军工产品的质量问题关系着祖国的安全、人民的幸福、战士的生命，对产品的质量要求是精益求精，万无一失。因而在重大军工项目立项时，都常常把质量控制技术作为一项子项目专门进行立项。在航天航空领域中，导航、制导与控制系统的精密程度往往决定着整个导弹、航天器或航空器的性能，其对产品性能和质量的要求更是精确细密、慎之又慎。军工产品的生产实践表明，产品的质量问题有时很难区别清楚它是属于管理问题还是技术问题，常常是多种综合因素的产物。本文以目前国内外正在研究的一项热门课题—六西格玛质量控制技术作为选题，来探索军工产品的质量控制的方法和措施，力图解决航天航空领域导航、制导与控制系统生产中的产品质量控制问题。众所周知，在概率论和数理统计中，常常把三西格玛作为一个判定准测和阈值，而很少提到六西格玛的问题。因为在具体实施中要达到六西格玛是极为困难的。因而本文对六西格玛质量控制技术的理论和实证研究不是一个单纯的概率论问题，而是一种企业文化、管理措施和质量控制技术的综合问题。论文所完成的研究工作及取得的研究成果主要有：1．结合对过程能力指数的分析，研究了均值发生漂移时休哈特控制图中样本大小对过程的均值异常探测效率的影响，提出了改进的过程能力指数，并提出了复合能力指数评价方法。2．以统计学为基础，通过构造合适的测量与统计量，提出了基于极差的量具再现性波动的合理估计方法，纠正了Montgomery等人给出的估计量的偏差。3．提出了适用于测量过程稳定性监控的三种控制图技术。4．研究了监控高西格玛水平或接近零缺陷过程的统计过程控制方法，提出了利用基于合格项计数的控制图进行过程监控的方法。5．提出了将工程过程控制（EPC）与统计过程控制（SPC）相结合的框架模型。6．将六西格玛方法应用于质量控制技术，构造了对最佳产品质量具有重要影响关键过程的监控方法，并对田口稳健设计技术进行了分析，提出了稳健设计流程。7．对成功实施质量控制的六西格玛关键因素进行了理论和实证研究，提出了在实证研究中所应采取的方法、步骤和研究模型，给出了若干个实施案例。本文结合国家质量监督检验检疫总局的科研项目（编号：K0042-2002）进行研究，不仅对于精密系统的质量控制技术具有理论意义和应用价值，而且对于其他类型的企业在提高产品质量、降低生产成本、增强市场竞争力等方面均具有实用参考价值。
陈俊轶[4]（2021）在《基于耦合因子的变温变湿干燥谷物品质特性及窗口控制方法研究》文中研究说明谷物干燥是农业加工过程中的重要环节,是一项涵盖众多学科的综合技术。目前,该领域的研究重点仍聚焦于干燥设备能耗和水分控制精度等,对谷物干燥机理的研究不够深入,导致干燥后谷物品质参差不齐。实际上谷物干燥是多变量耦合作用的过程,各干燥系统变量之间相互依赖、互为输入输出,变量间的耦合关系对谷物特性变化具有显着影响。因此,有必要从多因子耦合理论的角度切入,开展谷物干燥机理的深入研究,探索干燥系统变量与谷物干燥特性及品质特性间的规律,这对于粮食行业关键作业设备的升级换代以及保证粮食安全具有重要意义。本研究利用自主开发的多参数可控干燥试验系统,分析了干燥系统中的8个耦合因子对谷物干燥特性及品质特性影响的模型和规律,揭示了耦合因子与特性指标间的关联机理,优选出“谷物绝对水势积”作为干燥过程的理想耦合因子,以此改进稻谷连续干燥双驱动互窗口AI控制方法,并应用到稻谷连续干燥作业中,取得了较好的控制效果。具体研究内容如下:1.谷物干燥过程中耦合因子分析与选择根据谷物干燥过程的特点,探索绝对水势和积温的概念和模型,选定谷物有效干燥积温、谷物有效干燥积湿、谷物绝对水势和、空气绝对水势和、绝对水势和差、谷物绝对水势积、空气绝对水势积、绝对水势积差这8个耦合因子对谷物干燥规律和特性展开研究,并给出8个耦合因子计算公式。2.玉米干燥工艺优化及耦合因子与特性指标相关性研究以玉米为样品,利用多参数可控干燥试验系统开展2因素5水平薄层干燥全面试验,试验变量为热风温度变化梯度x1和绝对湿度变化梯度x2,响应指标为干燥特性指标以及品质特性指标。通过响应面法求得各指标对应的最优干燥工艺,但其结果具有不可公度性和矛盾性,故借助偏差量的概念将所有响应指标整合成一个综合特性指标,运用遗传算法进行优化后得出:当采用渐次升温和渐次降湿干燥工艺时（x1为2.17℃,x2为-3.03g/m3）,玉米的综合特性最优,实现了干燥特性与品质特性的协同调控。同时,将8个干燥系统耦合因子与玉米响应指标逐一进行方差分析,根据置信度大小进行排序,以此优选出“谷物绝对水势积”作为干燥过程控制的理想耦合因子。3.稻谷干燥工艺优化及耦合因子与特性指标相关性研究为验证玉米干燥试验结论的普适型,选择稻谷为样品进行了重复试验。利用多参数可控干燥试验系统开展2因素5水平薄层干燥全面试验,以热风温度变化梯度x1和相对湿度变化梯度x2为试验变量,以干燥特性指标以及品质特性指标作为响应指标进行干燥工艺的优化,结果表明:当采用渐次升温和渐次降湿干燥工艺时（x1为2.57℃,x2为-21.04%）,稻谷的综合特性最优。同时,依据耦合因子与稻谷响应指标的方差分析结果对相关性进行排序,优选出“谷物绝对水势积”作为干燥过程控制的理想耦合因子。4.稻谷连续干燥双驱动互窗口AI控制方法的改进基于理想耦合因子,改进课题组前期设计的稻谷连续干燥双驱动互窗口AI控制方法,即以谷物绝对水势积干燥模型作为机理驱动,确定“窗体”,给出干燥过程控制的总体方向;根据过程数据作为数据驱动,进行“窗变”调节,以适应不同类型干燥机及干燥过程条件变化的扰动。控制方法包括窗口选择、窗口调整与窗口自适应三部分,窗口选择实质对应一个过程的实现,体现了窗口控制的隐预测功能;窗口调整是以实时数据和历史数据作为对比,借助神经网络、遗传算法等方式对模型进行修正;窗口自适应则是根据实时数据对窗口宽以及宽长比进行调节。机理驱动与数据驱动相辅相成,可实现谷物干燥过程控制精度及稳定性的显着改进。5.稻谷连续干燥双驱动互窗口AI控制改进方法试验测试为验证上述控制方法的稳定性及可靠性,本文利用课题组自主研发的小型连续式谷物干燥机开展3组稻谷连续干燥试验。参考稻谷2因素5水平全面试验中的干燥工艺优化结果进行试验参数的设置,3组试验分别为采用改进方法的恒温干燥组、采用改进方法的升温干燥组、采用原方法的恒温干燥组,从稻谷出口水分控制精度、稻谷干燥前后品质变化、稻谷微观结构3个方面进行控制效果的比较。结果表明:3组试验目标出口水分线与系统稳定后出口水分变化曲线间的Pearson相关系数（系数越大,控制精度越好）分别为0.9074、0.9060、0.8255;3组试验的综合品质变化比（比值越小,干燥品质越优）分别为0.73、0.59、0.81;同时,稻谷微观结构的观察分析结果也充分证实了改进后的双驱动互窗口控制方法在提升谷物出口水分控制精度以及谷物干燥品质方面效果理想,可应用于实际。
孙肖坤[5]（2021）在《复杂大型建设项目费用偏差控制方法及信息系统设计》文中认为随着全球范围内经济形势的动态稳定发展,复杂大型建设项目在国内外均呈持续增长的态势,国际工程项目市场的竞争愈发激烈。复杂大型建设项目事关民生和经济效益,其开发建设会对国家和社会产生广泛而深远的影响。在工程建设领域,许多投资主体拥有雄厚的资金实力和丰富的开发建设经验,并开始涉足复杂大型建设项目的开发建设,项目投资规模越来越大,建设周期越来越长,参与建设的单位越来越多,不确定性带来的项目风险也愈发复杂。随着时代的发展,复杂大型建设项目逐渐成为项目管理领域的研究热点。然而,在项目建设过程中,投资效率低下、费用超支等现象屡见不鲜,项目执行情况在各层面上不尽如人意,传统的项目管理理论已经不能适应现阶段管理实践的需求。因此,从复杂性视角出发对项目管理领域进行研究就成为一种新的解决思路。如何对项目复杂性进行科学、系统以及深入的分析,如何在项目建设过程中动态、全面地掌握项目费用状态,如何判断工程费用实际状态与计划的偏差严重程度,如何对项目费用偏差做出科学的警报和预测,如何有依据地对工程项目的费用偏差进行有效纠偏控制,就成为摆在管理者面前的一个理论和实践问题。为了更加科学有效地针对复杂大型建设项目费用实施监控管理,本文运用系统动力学相关理论和方法,建立了基于复杂性视角的建设项目费用偏差影响因素的系统动力学模型,构建了项目费用偏差的警报及预测模型,梳理了项目全生命周期不同费用偏差程度下的纠偏流程,进而分析并设计了以理论模型为基础的复杂大型建设项目费用偏差控制信息系统。具体研究内容包括以下四个部分:（1）基于系统动力学的费用偏差关键影响因素识别研究。首先,对复杂大型建设项目的费用监控模式进行概述;在此基础上,对系统动力学相关基础理论及其应用在建设项目费用偏差控制领域的可行性进行分析;然后,将复杂大型建设项目作为一个整体系统,对项目建设各阶段内费用偏差影响因素之间的关系进行分析识别,构建系统动力学反馈图模型,确定主要变量,内生变量、外生变量,建立各变量之间方程关系;最后,通过Vensim软件模拟仿真,建立动态控制模型并验证其可行性和有效性,识别出费用偏差关键影响因素及其影响程度,并对模拟结果进行分析。（2）复杂大型建设项目费用偏差警报及预测模型研究。首先对复杂大型建设项目不同阶段费用偏差计算的需求及特点进行分析,据此选取适用于复杂大型建设项目费用偏差警报的方法模型;然后对K-Means聚类算法进行缺陷分析,引入贴近度概念,并将边界均值算子作为主要方法对经典K-means聚类进行改进,有效克服了主观随意性和警情区间不连续的问题;最后通过算例分析证实了本模型的有效性。复杂大型建设项目费用偏差预测模型是偏差警报模型的后续研究。首先,全面论述了神经网络模型的相关原理,对其在复杂大型建设项目费用偏差预测研究中的可行性和适用性进行了分析;然后,利用仿生算法对传统BP神经网络进行改进,优化神经网络模型中的初始网络权值和阈值,并将历史数据输入模型中进行训练获得成熟模型;同时,将现阶段的费用偏差进行子目费用分析,将总偏差最终分摊至每一个子目费用的扰动因素,深度分析复杂大型建设项目中不同活动对费用偏差的影响,在当前费用偏差情况已知的情况下,研究其对未来费用偏差的影响程度并予以量化,判定即将发生的项目警情及其位置,有效辅助项目费用管理方采取措施进行处理,实现真正意义上的项目费用事前控制。（3）复杂大型建设项目费用偏差控制策略及效果评价研究。首先,针对复杂大型建设项目费用偏差控制策略,挖掘了流程再造和协同理论与之相适应的契合点,梳理了费用偏差控制中流程再造和协同的目标和原则;其次,针对复杂大型建设项目在前期决策阶段、中期实施阶段、后期运维阶段所面临的不同费用偏差警情,明确各阶段责任方,梳理并总结出具体的纠偏操作流程和控制策略;为了增强该纠偏流程的适用性,本节首次提出了纠偏效果评价,从控制能力、控制效果、经济和社会效果等角度构建指标体系,构建了基于支撑度理论的模糊群决策模型,对纠偏效果进行评价,给出反馈结果,推动纠偏策略的持续改进。（4）复杂大型建设项目费用偏差控制系统设计研究。把研究的理论和构建的模型拓展到实际的项目费用管理中,提出了复杂大型建设项目费用偏差控制信息系统设计。首先,对复杂大型建设项目费用偏差控制系统进行了定义,对系统建设目标、系统用户和系统需求进行分析,确定了系统的非功能需求和功能需求;然后构建费用偏差控制系统的总体设计框架结构,从系统开发方法、系统开发平台、系统功能模块、系统数据库四个角度对系统进行详细深入的设计;在涉及到系统关键的实施技术方面,对开发技术选型进行了结构性论述,并对数据仓库的核心设计理念进行了详细介绍,设计了系统模型管理模块的结构和重点功能。该系统包括费用偏差警报、费用偏差预测、费用偏差控制、纠偏效果评价等功能。
曹贞芳[6]（2021）在《基于假名交换的车联网隐私保护方法》文中认为智能交通是当前的一个研究热点,车联网是支撑智能交通的关键技术之一。车联网中,车辆之间、车辆和基础设施之间的通信采用专用短程通信技术,按照技术标准的规定,车辆周期性地广播含有车辆状态信息的信标消息。无线信道的开放性、信标消息的明文广播方式等因素,使得车联网面临安全与隐私问题。论文研究车联网中由于信标消息广播造成的车辆隐私泄露问题,重点关注基于假名交换的车联网位置隐私保护方法。车联网位置隐私面临的攻击包括假名匹配攻击和假名关联攻击,其中假名关联攻击分为语法攻击和语义攻击,论文采用实际数据集,仿真分析了三类攻击对位置隐私性能的影响。分析结果表明,当发生假名更换时,与假名匹配攻击和语法攻击相比,语义攻击可以取得更好的追踪结果,因此论文使用语义攻击作为假名关联攻击的实现方法。针对现有位置隐私保护方案无法有效抵御假名关联攻击的问题,论文提出一种基于假名交换的位置隐私保护方法。车辆根据预设的超车条件,自主决策假名交换的时机,并在假名交换期间广播含有虚假状态的信标消息。研究结果表明,所提出的位置隐私保护方法,在语义攻击下,可以保护车辆的位置隐私,给予车辆更多的自主性。使用假名交换保护位置隐私,给证书颁发机构带来了负担,导致系统面临单点故障和可扩展性差的问题,从而使假名管理面临挑战。针对这一问题,论文提出一种基于区块链的假名管理方法,使用区块链管理路边单元,防止路边单元篡改数据,并将假名管理任务分配给路边单元,以减轻证书颁发机构的负担,降低假名交换报备时延;为了减少计算开销,提出一种具有动态哈希门限的工作量证明共识机制。研究结果表明,所提出的假名管理方案可以降低假名交换的报备时延,提高吞吐量。论文提出的基于假名交换的位置隐私保护方法及基于区块链的假名管理方法可以保护车辆的位置隐私,减轻对证书颁发机构的依赖,实现假名交换的快速报备,具有较好的应用前景。
廖宇翔[7]（2021）在《海洋石油支持船自动跟踪控制策略研究》文中进行了进一步梳理海洋石油支持船在为海上平台提供海上支持作业过程中,需要依靠其搭载的动力定位系统稳定在海上钻井平台或其他海上油气设施附近。海洋石油支持船作为远洋作业环境中不可或缺的重要组成,其动力定位操作员培训成本高、训练周期长,需要动力定位模拟器作为辅助练习,以应对日益增长的海上作业需求。动力定位模拟器广泛应用于海员上机学习、培训、考核中,同时也是相关科研理论验证平台,在开发新功能的仿真测试中发挥着不可替代的作用。动力定位系统中的自动跟踪功能可为海洋石油支持船提供良好的作业条件,本文以海洋石油支持船自动跟踪控制策略作为研究课题,针对自动跟踪功能作业方式的特殊性改进控制策略以适应跟踪作业需求,将自动跟踪控制策略分为路径跟踪控制策略和目标跟踪控制策略。基于课题组前期搭建的海洋石油支持船模拟器样机作为人机交互界面,研究海洋石油支持船自动跟踪控制功能,具体研究工作如下:1.针对海洋石油支持船需要在动力定位系统辅助下完成自动跟踪功能的问题,为后续水下目标跟踪功能、水面目标跟踪功能和路径跟踪功能的开发打下基础,本文综合考虑传统滑模控制在自动跟踪控制中的抖振和安全距离保持能力问题,提出改进滑模控制策略,结合传统滑模与反演滑模控制策略的优劣,添加双曲函数平缓过渡控制器输出量,在含有风浪流等环境因素影响下验证本文提出的改进滑模控制策略在自动跟踪控制中的优势。2.针对国内海洋石油支持船自动控制策略研究停留在仿真实验阶段的问题,设计与实际操作界面相似的人机交互界面。利用MATLAB中Matlab Coder工具和TLC文件将仿真控制策略从Simulink模块转化为C++程序,再封装为动态链接库。利用课题组前期搭建的模拟器样机调用此函数库,将高层控制策略中的路径跟踪和目标跟踪功能融入操作界面,使控制理论研究结果应用于模拟器样机中。3.针对路径跟踪控制策略中依据导航点生成跟踪路径问题,提出包含转弯半径功能的插值方法生成光滑跟踪路径。针对路径中航向角优化问题,综合考虑插值后的轨迹点所包含的大量艏向信息,利用航向角在轨迹中的变化率筛选重点优化路径点艏向,提出改进粒子群优化算法,结合本文提出的降维方法,解决风浪流环境下航向角优化问题,使跟踪过程高效节能。4.针对目标跟踪控制策略中复杂海况对定点旋转功能、水下目标跟踪功能和水面目标跟踪功能的影响,综合考虑跟踪前海洋石油支持船与目标相对位置与船舶初始艏向、风浪流环境下目标随机运动轨迹等因素,为不同作业需求和外界环境变化分别设计跟踪策略。最终在改进的滑模控制策略基础上完成仿真实验,利用UI界面调用自动跟踪控制策略验证目标跟踪控制策略有效性。最后,给出全文总结和未来工作展望。
梁剑烽[8]（2021）在《基于物联网云平台的家居火灾监控系统的研究与实现》文中研究说明我国大中城市居民居住方式主要以高层建筑为主,高层建筑由于人员相对集中,空间小,一旦发生火灾,居民的生命安全、经济财产都将面临严重考验,如何在火灾的前期快速识别与消灭火灾成为目前重点研究的问题。本文针对实际家居环境,研究一种以物联网云平台为基础,结合多传感器数据融合技术与火焰图像识别技术的智慧家居火灾监控系统,旨在实现对火灾数据实时监控的同时提高系统对火灾识别的准确性,并解决系统实时性及可靠性问题。本文主要研究工作如下:（1）研究了One NET物联网云平台的功能、资源模型及通信协议,并对系统涉及到相关技术的工作原理和实现方法进行了研究分析,为后续系统的开发设计奠定基础。（2）针对单传感器系统容易导致火灾误报、漏报的问题,提出了以STM32为核心处理器,通过对温湿度、火焰、烟雾和摄像头等模块的电气特性、工作原理及电路原理的分析,搭建多传感器硬件采集系统,实现对多火灾因子数据的采集,并结合Esp8266模块和继电器模块,实现与One NET云平台间的无线通信和远程设备的控制。（3）基于STM32固件库设计了各硬件模块的初始化程序、数据采集程序、通信程序和继电器控制程序等;基于EDP协议完成了传感器、预警信息、命令信息等数据封装和解析程序的设计;基于One NET云平台的部署实现了数据的存储、监控、预警等功能,并由UI应用控件,实现了数据的可视化展示及控制命令的下发。（4）针对系统存在的可靠性问题,提出了基于DS证据理论的改进融合算法,解决因传感器故障或者噪声干扰而引起的火情误报、漏报的问题,并对DS证据理论改进融合算法在火灾系统应用中,存在的火灾特征量的选取、多传感器数据归一化、基本概率函数的获取问题做进一步分析研究,最后通过算例分析,证明了基于DS证据理论的改进多传感器数据融合算法,对于提高系统的准确性、稳定性及可靠性的有效性。（5）针对系统实时性不足的问题,提出了火焰图像识别技术解决方案,首先利用帧间差分法对疑似火焰区域进行分割,并对图像做数学形态处理去除干扰噪点,提高图像质量,通过实验分析发现,帧间差分法在处理多个运动物体的场景时存在抗干扰性不强的问题,结合火焰特征识别算法对图像做进一步处理,虽然可以得到较好的效果,但是对于具有类似特征的光源还是无法区分,因此提出了一种基于Ada Boost级联分类器的算法,通过机器学习训练的方法,提高火焰识别的准确率与及时性。（6）通过系统测试证明,系统整体功能运行正常,系统的可靠性、实时性及实用性达到预期目标。
李和壁[9]（2021）在《高速铁路列车群运行仿真系统技术研究》文中指出针对我国高速铁路成网条件下固定设施跨越式发展与移动装备运行速度高、车型种类多,运营组织复杂、调度指挥难度高之间不平衡的协同难题,为明确高、中速列车共线运行、多类行车闭塞方式和列控方式共存的复杂模式与我国铁路设计规划、运营调度间的接口关系,挖掘铁路线路设计方案与车站拓扑结构对线路通过能力的影响,满足铁路运输组织的理论研究、工程运用对高速铁路网络系统基础设施分析规划的要求,量化列车时刻表适应性并分析突发事件和列车晚点对时刻表与后续行车波动影响,有必要利用相关理论构建关键技术仿真模型,开展我国高速铁路列车群运行仿真技术研究,进而为我国高速铁路路网规划设计、列车运行图调整优化、列控平台测试验证提供科学支撑。作者在阅读研究国内外学者相应研究成果基础上,梳理了列车群行车仿真理论方法,以我国高速铁路运输组织特点为基础,构建了高速铁路列车群运行仿真系统技术理论框架,并综合基础设施数据、动车组数据与列车时刻表数据等仿真基础数据,实现了信号系统模型、相关控车逻辑、列车车站运行模型以及多并发仿真算法,通过调度集中控制系统仿真模块构建CTC功能,从系统架构搭建、基础数据管理、列控系统建模等方面详细论述了列车群行车仿真技术。主要研究内容包含以下6个方面:（1）以实现单一列车在区间运行仿真为目的,对高速动车组不同工况下的受力进行分析研究,构建运动模型底层抽象类,具体化各型号列车牵引制动模式并予以分类,以此为基础构建高速铁路动车组运动模型并进行仿真研究。（2）以实现多列车区间运行追踪仿真为目的,针对高速铁路安全防护超速控车实际场景,建立应用于仿真体系的列控模型,基于此实现列控核心算法,通过模拟紧急制动曲线以及常用制动曲线触发逻辑,结合基础设备模型底层抽象类,开展高速铁路列车群多列车追踪列控模型仿真研究。（3）以实现高速铁路列车群路网仿真运行为目的,利用同异步仿真原理,探究同步异步仿真策略在高速铁路动车组仿真过程中的具体运用逻辑,基于线程池动态管理机制,实现列车群运营周期覆盖、CTCS-2/3信号系统逻辑以及CTC调度集中控制仿真,构建同异步架构下的多并发列车群运行控制仿真模型。（4）以实现高速铁路列车群动态显示仿真为目的,将路网基础设施结构作为底层数据框架,通过路网实际LKJ数据与设计施工数据多种方式存取,以同异步架构下的多并发列车群控制仿真模型为基础,开展高速铁路列车群动态显示仿真技术研究。（5）以计算铁路通过能力为目的,结合既有技术及框架,以真实铁路路网数据为基础,首先分析目标线路列车追踪间隔方案是否可行,进而搭建大型枢纽站通过能力、区段通过能力以及既有线改造需求下车站通过能力的计算场景,设计相关模型及算法,通过高速铁路列车群运行仿真技术验证其有效性。（6）以分析高速铁路晚点传播影响为目的,以真实行车数据为基础,构建服从随机系统事故分布以及CDF累计分布的铁路基础设备疲劳度概率模型,并据此开发设备随机故障模块,建立行车仿真随机干扰集,搭建列车晚点传播模型及场景,通过模拟设备失效分析其对运输秩序的影响程度及波动范围,探究晚点影响传播特性,进而为非正常行车组织方案优选提供手段与支撑。高速铁路列车群运行仿真平台涉及列车运动模型、路网结构搭建、路网里程转换、列车群并行、列车牵引计算、信号系统调优、列控计算、列控参数调整等一系列问题,属于铁路多学科多领域的交叉问题。开展融合多种模型技术的列车群运行仿真研究,不仅可以通过微观运动仿真实现验算制动能力、提高行车密度与通过能力,同时在宏观上进行辅助路网的规划设计,为深层次提高铁路路网运营服务水平提供有力支撑。
苏东[10]（2021）在《无源光网络端口资源自动采集算法研究》文中认为无源光网络的端口数量和占用状态等端口资源信息直观反映了固定宽带网络的用户数量信息,是宽带网络运营管理和网络配置的重要依据。受限于其无源特性,传统的人工采集管理方式导致无源光网络端口资源准确率持续较低。随着宽带用户数的井喷式增长,快速准确的获取无源光网络端口资源信息成为宽带网络运营管理亟待解决的关键问题。因此,研究无源光网络端口资源信息的自动获取及网络资源的自动化管理,对固定宽带运营有着十分重要的理论意义和实际应用价值。在分析无源光网络中主流的平面光波导型（Planar Lightwave Circuit,PLC）分光器、光纤配线架（Optical Distribution Fram,ODF）等无源设备端口结构特征的基础上,聚焦基于计算机视觉的目标检测算法,对无源光网络端口资源信息的自动获取及网络资源自动化管理方法进行了深入研究,主要研究工作及成果如下:（1）针对无源光网络端口数量、占用状态不能利用电学特性自动识别的问题,将无源光网络的端口资源识别问题转化为目标检测任务,为端口资源信息的自动化采集及管理提供了基础。对比分析不同目标检测算法的优缺点,根据无源光网络端口信息的特征,确定采用YOLOv3作为本研究的基础算法。（2）提出了一种基于卷积神经网络的改进型只看一遍第3版（You Only Look Once Version 3,YOLOv3）深度学习算法。解决了实际应用场景中PLC分光器端口被遮挡、间隙小、高分辨率下小物体密集排列时算法性能退化问题。首先通过增加第四尺度上采样特征图,形成了四尺度融合预测,强化了图像中高分辨率特征的提取能力,增强了小目标敏感度。其次,建立了 PLC分光器数据集,并利用分光器端口高宽比固定的特性对锚框维度重新聚类,增强了锚框初始参数对PLC分光器特定目标的适应性。最后,采用了软非极大值抑制算法替换原YOLOv3的非极大值抑制算法。改进型YOLOv3对PLC分光器的检测准确率有效提升且高于目前主流目标检测算法,并采用接收者操作特征曲线（Receiver Operating Characteristic Curve,ROC）、十折交叉验证进一步评估了新算法的可靠性与稳定性。（3）针对无源光网络中PLC分光器端口扩容场景中的上联无源设备ODF的端口具有端口数量多且排列密集、遮挡、型号不统一、异色老化、识别难度更大的特点,提出了一种基于卷积神经网络的改进型YOLOv3-spp深度学习算法。首先,在YOLOv3检测层前增加SPP层,实现特征图中多个尺度的提取聚合。其次,建立了 ODF数据集并采用k-means++算法进行锚框维度聚类。最后,对损失函数进一步优化,构成了改进型YOLOv3-spp算法。为了避免样本少导致的过拟合现象,针对性设计了数据增强策略对数据集完成扩充,普通场景下的ODF检测效果得到有效改善。（4）针对ODF遮挡严重、多端口等疑难场景下第四章提出的改进型YOLOv3-spp漏检概率大甚至算法失效的问题,提出了遗漏区域重识别级联模型,提高了 ODF的检测准确率。首先,依据ODF端口的尺寸、间隙等结构特征设计了端口定位、遗漏检测两个流程,可将漏检端口自动局部裁剪生成漏检端口数据集。其次,基于ResNet-34构建了遗漏区域重识别模型,对漏检端口进行二次特征捕捉、占用状态识别。最后,设计了端到端的ODF级联识别模型,检测准确率在改进型YOLOv3-spp的基础上再次提升且高于目前主流目标检测算法,并采用混淆矩阵、F1分数评估了级联模型的分类性能。（5）针对传统宽带资源管理系统下端口资源人工采集导致准确性低的问题,提出了一种基于无源光网络端口自动采集算法的宽带资源管理系统设计与实现方法。首先,构建了一个微服务系统架构,不但具有低耦合、高内聚特性并且增强了模块自治性。其次,基于端口自动采集的图像识别模块重构了入网、开通、变更、退网流程。再次,基于新业务流程设计了对应的微服务响应集群实现了动态资源管控。最后,将宽带资源管理系统与目前使用的客户关系管理、业务开通、装维调度、综合资源功能模块完成标准接口交互,从而提高了无源光网络端口资源准确率。通过上述对无源光网络中端口资源的自动采集算法研究,拓展了计算机视觉在光纤通信领域的应用。实验证明,本文设计的改进型YOLOv3算法对PLC分光器端口的检测准确率为97.16%,相比原YOLOv3提升了 4.15%。基于卷积神经网络设计的端到端级联识别模型对ODF端口的检测准确率为95.02%,相比原YOLOv3提升了 7.89%。基于端口自动采集算法构建的宽带资源管理系统实现了将端口资源管理由人工向自动演进,有效提高了资源准确率和生产效率。为固定宽带网络运营商降低网络投资浪费提供了新的有效途径与技术支持。
二、一种基于系统目标的连续改进过程方法（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、一种基于系统目标的连续改进过程方法（论文提纲范文）
（1）若干最优化问题的粒子群算法及应用研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 粒子群算法概述 |
| 1.2.1 原始粒子群算法 |
| 1.2.2 粒子群算法的改进 |
| 1.2.3 粒子群算法的应用 |
| 1.2.4 粒子群算法的拓扑结构 |
| 1.2.5 粒子群算法的收敛性分析 |
| 1.3 若干复杂优化问题的研究现状 |
| 1.3.1 约束优化问题的研究现状 |
| 1.3.2 混合整数规划问题的研究现状 |
| 1.3.3 多目标优化问题的研究现状 |
| 1.4 本文的研究内容 |
| 第二章 约束优化问题的改进粒子群算法 |
| 2.1 引言 |
| 2.2 约束优化问题的数学模型和相关概念 |
| 2.3 粒子群算法的改进策略 |
| 2.3.1 改进的可行性准则 |
| 2.3.2 当前种群的更新策略 |
| 2.3.3 个体最优位置的更新策略 |
| 2.3.4 全局最优位置的更新策略 |
| 2.4 改进的粒子群算法及时间复杂度分析 |
| 2.4.1 改进的粒子群算法(FIPSO算法) |
| 2.4.2 时间复杂度分析 |
| 2.5 数值实验 |
| 2.5.1 测试问题和参数设置 |
| 2.5.2 结果分析 |
| 2.6 本章小结 |
| 第三章 非线性混合整数规划问题的改进粒子群算法 |
| 3.1 引言 |
| 3.2 非线性混合整数规划问题的数学模型和相关概念 |
| 3.3 粒子群算法的改进策略 |
| 3.3.1 初始化种群的设置与最优位置的选择 |
| 3.3.2 离散变量的学习策略 |
| 3.3.3 约束引导的最优位置更新策略 |
| 3.4 改进的粒子群算法及时间复杂性度分析 |
| 3.4.1 改进的粒子群算法(EMPSO) |
| 3.4.2 时间复杂度分析 |
| 3.5 数值实验 |
| 3.5.1 测试问题和参数设置 |
| 3.5.2 结果分析 |
| 3.6 本章小结 |
| 第四章 非线性混合整数规划问题的PSO/GA协同进化算法 |
| 4.1 引言 |
| 4.2 混合编码和协同交叉进化策略 |
| 4.2.1 混合编码设计 |
| 4.2.2 基于小种群的协同交叉迭代进化策略 |
| 4.3 连续变量和离散变量的进化策略 |
| 4.3.1 全局最优个体和精英个体更新策略 |
| 4.3.2 离散变量的进化--TGA算法 |
| 4.3.3 连续变量的进化--APSO算法 |
| 4.4 PSO/GA协同进化算法及时间复杂度分析 |
| 4.4.1 PSO/GA协同进化算法(CC-PSO/GA) |
| 4.4.2 时间复杂度分析 |
| 4.5 数值实验 |
| 4.5.1 测试问题和实验设置 |
| 4.5.2 结果分析 |
| 4.6 本章小结 |
| 第五章 基于高斯变异和改进学习策略的多目标粒子群算法 |
| 5.1 引言 |
| 5.2 多目标优化问题的数学模型和相关概念 |
| 5.3 多目标粒子群算法的进化策略 |
| 5.3.1 精英存档和拥挤熵 |
| 5.3.2 高斯变异策略 |
| 5.3.3 改进的学习策略 |
| 5.3.4 外部档案更新方式 |
| 5.3.5 种群精英递增策略 |
| 5.4 多目标粒子群算法及时间复杂性分析 |
| 5.4.1 多目标粒子群算法(MOIPSO) |
| 5.4.2 时间复杂度分析 |
| 5.5 数值实验 |
| 5.5.1 测试问题和实验设置 |
| 5.5.2 解集的评价指标 |
| 5.5.3 结果分析 |
| 5.6 本章小结 |
| 第六章 基于Tchebycheff分解和动态更新权重向量的多目标粒子群算法 |
| 6.1 引言 |
| 6.2 Tchebycheff分解思想 |
| 6.3 多目标粒子群算法的进化策略 |
| 6.3.1 基于分解的初始化种群分配原则 |
| 6.3.2 精英存档和档案更新 |
| 6.3.3 个体最优位置和全局最优位置的更新策略 |
| 6.3.4 外部档案的进化搜索 |
| 6.3.5 权重向量的动态更新策略 |
| 6.4 基于分解的多目标粒子群算法及时间复杂度分析 |
| 6.4.1 基于分解的多目标粒子群算法(NMOPSO) |
| 6.4.2 时间复杂度分析 |
| 6.5 数值实验 |
| 6.5.1 测试问题和参数设置 |
| 6.5.2 解集的评价指标 |
| 6.5.3 结果分析 |
| 6.6 本章小结 |
| 第七章 APSO-BP神经网络算法在股票价格预测中的应用 |
| 7.1 引言 |
| 7.2 BP神经网络算法 |
| 7.3 混合算法的改进策略 |
| 7.3.1 种群编码策略和适应度值的计算 |
| 7.3.2 混合BP神经网络的粒子学习策略 |
| 7.4 融合自适应粒子群的BP神经网络算法(APSO-BP) |
| 7.5 实证研究与仿真 |
| 7.5.1 数据选取 |
| 7.5.2 BP神经网络的拓扑结构 |
| 7.5.3 参数设置 |
| 7.5.4 实证结果分析 |
| 7.6 本章小结 |
| 第八章 多目标柔性作业车间调度问题的改进粒子群算法 |
| 8.1 引言 |
| 8.2 多目标柔性作业车间调度问题 |
| 8.3 粒子群算法的改进策略 |
| 8.3.1 编码和解码 |
| 8.3.2 种群初始化和精英存档 |
| 8.3.3 粒子最优位置的更新 |
| 8.3.4 粒子的学习策略 |
| 8.3.5 个体最优位置的进化策略 |
| 8.4 改进的多目标粒子群算法(AMOPSO) |
| 8.5 数值实验 |
| 8.5.1 测试问题和实验设置 |
| 8.5.2 结果分析 |
| 8.6 本章小结 |
| 第九章 总结与展望 |
| 9.1 总结 |
| 9.2 展望 |
| 参考文献 |
| 附录1 约束优化问题的测试问题 |
| 附录2 非线性混合整数规划问题的测试问题 |
| 附录3 多目标优化问题的测试问题 |
| 附录4 柔性作业车间调度问题的实例数据 |
| 攻读博士学位期间的学术活动及成果情况 |
（2）三元复合驱建模及最优控制方法研究（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 创新点摘要 |
| 第一章 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 数值最优控制方法 |
| 1.2.2 最优控制在油藏开发规划中的应用 |
| 1.2.3 分布参数系统建模方法 |
| 1.3 论文主要内容 |
| 第二章 三元复合驱最优控制模型及必要条件 |
| 2.1 三元复合驱数学模型 |
| 2.1.1 支配方程 |
| 2.1.2 物化代数方程 |
| 2.1.3 简化的三元复合驱二维模型 |
| 2.1.4 简化的三元复合驱一维岩心模型 |
| 2.2 三元复合驱数学模型的有限差分求解 |
| 2.2.1 全隐式有限差分离散化 |
| 2.2.2 数学模型方程组求解 |
| 2.3 三元复合驱最优控制模型 |
| 2.3.1 性能指标 |
| 2.3.2 支配方程 |
| 2.3.3 优化变量 |
| 2.3.4 约束条件 |
| 2.4 三元复合驱最优控制问题的必要条件 |
| 2.4.1 离散三元复合驱最优控制的一般形式 |
| 2.4.2 离散三元复合驱最优控制的必要条件 |
| 2.5 本章小结 |
| 第三章 基于正交函数近似的控制变量不连续最优控制求解 |
| 3.1 问题描述 |
| 3.2 正交函数 |
| 3.2.1 正交函数特点 |
| 3.2.2 正交函数变换 |
| 3.2.3 常见的正交函数 |
| 3.3 基于自适应正交函数近似的最优控制求解方法 |
| 3.3.1 基于约束凝聚的约束处理 |
| 3.3.2 多阶段问题转化 |
| 3.3.3 正交函数近似 |
| 3.3.4 自适应策略 |
| 3.3.5 具有最优性验证的控制结构检测方法 |
| 3.4 基于序列二次规划的优化求解 |
| 3.4.1 算法步骤 |
| 3.4.2 算法测试 |
| 3.5 基于自适应正交函数近似的三元复合驱最优控制求解 |
| 3.5.1 基于高斯伪谱法的一维三元复合驱最优控制求解 |
| 3.5.2 基于有理Haar函数的三维三元复合驱最优控制求解 |
| 3.6 本章小结 |
| 第四章 基于动态规划的最优控制求解 |
| 4.1 基于迭代动态规划的混合整数最优控制求解 |
| 4.1.1 标准迭代动态规划算法 |
| 4.1.2 动态尺度混合整数迭代动态规划算法 |
| 4.1.3 三元复合驱最优控制问题求解 |
| 4.2 基于近似动态规划的最优控制求解 |
| 4.2.1 最优控制问题描述 |
| 4.2.2 基于执行-评价框架的近似动态规划算法 |
| 4.2.3 算法测试 |
| 4.2.4 三元复合驱最优控制问题求解 |
| 4.3 本章小结 |
| 第五章 基于螺旋优化的模糊多目标最优控制求解 |
| 5.1 改进的螺旋优化算法 |
| 5.1.1 经典螺旋优化算法 |
| 5.1.2 自适应柯西变异 |
| 5.1.3 拉丁超立方采样 |
| 5.1.4 混合螺旋优化算法 |
| 5.1.5 算法测试 |
| 5.2 基于混合螺旋优化的模糊多目标最优控制问题求解 |
| 5.2.1 模糊多目标最优控制描述 |
| 5.2.2 确定性模型转化 |
| 5.2.3 基于对称模型和水平截集的模糊多目标处理方法 |
| 5.2.4 混合螺旋优化求解 |
| 5.3 三元复合驱模糊多目标最优控制求解 |
| 5.4 本章小结 |
| 第六章 三元复合驱时空建模及迭代动态规划求解 |
| 6.1 经典时空建模方法 |
| 6.1.1 基本原理 |
| 6.1.2 K-L分解 |
| 6.2 双正交时空Wiener建模方法 |
| 6.2.1 基本原理 |
| 6.2.2 时空Wiener系统 |
| 6.2.3 基函数构造 |
| 6.2.4 双正交时空Wiener系统建模 |
| 6.2.5 仿真测试 |
| 6.3 基于双正交时空Wiener建模的迭代动态规划算法 |
| 6.4 基于双正交时空建模的三元复合驱最优控制求解 |
| 6.4.1 油藏描述 |
| 6.4.2 三元复合驱建模和模型验证 |
| 6.4.3 迭代动态规划求解 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 未来工作展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 作者简介 |
（3）精密系统质量控制技术的理论和验证研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 质量控制技术的历史回顾 |
| 1.2 六西格玛应用中的几个核心问题 |
| 1.3 本文的主要研究内容 |
| 第二章 六西格玛质量控制的理论基础 |
| 2.1 过程输出的统计规律性 |
| 2.2 六西格玛的统计意义 |
| 2.3 六西格玛的实施过程 |
| 第三章 六西格玛过程的能力分析 |
| 3.1 过程能力指数的发展历程和有关性质 |
| 3.2 均值漂移的统计分析和动态能力指数 |
| 3.3 复合能力指数及应用 |
| 第四章 测量过程波动源的分析与控制 |
| 4.1 测量过程的波动源分析 |
| 4.2 估计R&R的一种方法及其应用 |
| 4.3 测量过程的监控技术 |
| 第五章 六西格玛过程控制技术 |
| 5.1 六西格玛过程控制的统计方法 |
| 5.2 集成过程控制模型 |
| 5.3 离散比例-积分控制下的人工调整图 |
| 第六章 六西格玛优化与改进 |
| 6.1 相关过程输出的分离技术 |
| 6.2 稳健设计 |
| 6.3 六西格玛基于系统目标的连续改进 |
| 第七章 成功实施六西格玛的关键因素——实证研究方法 |
| 7.1 实证研究的方法 |
| 7.2 研究模型的提出 |
| 7.3 研究命题和假设 |
| 7.4 研究工具设计 |
| 7.5 研究工具确认方法 |
| 本章附录 |
| 中国企业实施六西格玛影响因素调查问卷 |
| 第八章 成功实施六西格玛的关键因素——实证研究结果 |
| 8.1 调查对象的一般情况 |
| 8.2 可靠性试验 |
| 8.3 有效性试验 |
| 8.4 假设检验 |
| 8.5 成功实施六西格玛的关键因素 |
| 本章附录 |
| 附录8.1 关于对全国上市公司开展中国企业实施六西格玛影响因素大调查的函 |
| 附录8.2 六西格玛关键成功因素调查结果 |
| 第九章 若干实施案例 |
| 结束语 |
| 参考文献 |
| 攻读博士学位期间完成的主要工作 |
| 致谢 |
（4）基于耦合因子的变温变湿干燥谷物品质特性及窗口控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究发展及现状 |
| 1.2.1 谷物机械化干燥技术发展及现状 |
| 1.2.2 干燥技术对谷物特性影响研究现状 |
| 1.2.3 多因子耦合理论在农业领域应用现状 |
| 1.2.4 谷物干燥机控制方法研究现状 |
| 1.3 主要研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 本章小结 |
| 第2章 谷物干燥过程多因子耦合特性分析 |
| 2.1 谷物干燥过程多因子耦合理论 |
| 2.1.1 因子分析理论基本概念 |
| 2.1.2 耦合基本概念 |
| 2.1.3 谷物干燥过程多因子耦合基本概念及形式 |
| 2.2 耦合因子特性分析 |
| 2.2.1 干燥绝对水势 |
| 2.2.2 有效干燥积温 |
| 2.3 干燥系统耦合因子定义及公式 |
| 2.3.1 干燥系统耦合因子名称及物理意义 |
| 2.3.2 干燥系统耦合因子计算公式 |
| 2.4 本章小结 |
| 第3章 基于耦合因子的玉米分段变温变湿干燥工艺及品质特性研究 |
| 3.1 试验方案设计 |
| 3.1.1 试验设计依据及数据来源 |
| 3.1.2 全面试验方案设计 |
| 3.2 干燥试验设备与材料 |
| 3.2.1 多参数可控薄层试验台 |
| 3.2.2 干燥试验其它设备与材料 |
| 3.3 试验方法 |
| 3.3.1 薄层干燥方法 |
| 3.3.2 玉米响应指标检测及计算方法 |
| 3.3.3 单指标分析与优化方法 |
| 3.3.4 综合指标分析与优化方法 |
| 3.3.5 干燥系统耦合因子与玉米响应指标相关性分析方法 |
| 3.4 玉米全面试验结果与分析 |
| 3.4.1 全面试验数据及指标检测结果 |
| 3.4.2 响应面法单指标优化结果 |
| 3.4.3 遗传算法多指标优化结果与分析 |
| 3.5 干燥系统耦合因子与响应指标相关性分析 |
| 3.5.1 相关性结果与分析 |
| 3.5.2 谷物绝对水势积与干燥特性以及品质特性相关性图示 |
| 3.6 本章小结 |
| 第4章 基于耦合因子的稻谷分段变温变湿干燥工艺及品质特性研究 |
| 4.1 试验方案设计 |
| 4.1.1 试验设计依据及数据来源 |
| 4.1.2 全面试验方案设计 |
| 4.2 干燥试验设备与材料 |
| 4.2.1 干燥试验设备 |
| 4.2.2 试验材料 |
| 4.3 试验方法 |
| 4.3.1 薄层干燥方法 |
| 4.3.2 稻谷响应指标检测及计算方法 |
| 4.3.3 单指标分析与优化方法 |
| 4.3.4 综合指标分析与优化方法 |
| 4.3.5 干燥系统耦合因子与稻谷响应指标相关性分析方法 |
| 4.4 稻谷全面试验结果与分析 |
| 4.4.1 全面试验数据及指标检测结果 |
| 4.4.2 响应面法单指标优化结果 |
| 4.4.3 遗传算法多指标优化结果 |
| 4.5 干燥系统耦合因子与响应指标相关性分析 |
| 4.5.1 相关性结果与分析 |
| 4.5.2 谷物绝对水势积与干燥特性以及品质特性的相关性图示 |
| 4.6 本章小结 |
| 第5章 基于理想耦合因子的稻谷连续干燥控制方法改进 |
| 5.1 机理与数据双驱动控制 |
| 5.2 连续干燥过程互窗口AI控制 |
| 5.3 稻谷连续干燥双驱动互窗口AI控制方法 |
| 5.3.1 双驱动互窗口AI控制原理 |
| 5.3.2 基于机理驱动控制的窗口与模型选择 |
| 5.3.3 基于数据驱动控制的窗口调整与窗口自适应 |
| 5.4 连续干燥过程双驱动互窗口控制方法图示 |
| 5.5 本章小结 |
| 第6章 基于双驱动互窗口AI控制改进方法的稻谷干燥试验 |
| 6.1 小型连续式谷物干燥机 |
| 6.2 控制系统硬件及软件设计 |
| 6.2.1 硬件设计 |
| 6.2.2 软件设计 |
| 6.3 谷物绝对水势积模型建立 |
| 6.3.1 理论谷物绝对水势积模型 |
| 6.3.2 等效谷物绝对水势积模型 |
| 6.4 稻谷连续干燥试验 |
| 6.4.1 试验材料和设备 |
| 6.4.2 试验方案 |
| 6.4.3 稻谷出口水分控制精度分析与对比 |
| 6.4.4 稻谷干燥品质变化分析与对比 |
| 6.4.5 稻谷微观结构观察与对比 |
| 6.5 本章小结 |
| 第7章 结论和展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 作者在学期间所取得的科研成果 |
| 致谢 |
| 附录 |
| 附录1 耦合因子与玉米响应指标方差分析P-Value表 |
| 附录2 耦合因子与稻谷响应指标方差分析P-Value表 |
| 附录3 稻谷连续干燥试验1部分数据表 |
| 附录4 稻谷连续干燥试验2部分数据表 |
| 附录5 稻谷连续干燥试验3部分数据表 |
（5）复杂大型建设项目费用偏差控制方法及信息系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 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 复杂大型建设项目研究现状 |
| 1.2.2 项目费用控制研究现状 |
| 1.2.3 预警方法研究现状 |
| 1.2.4 纠偏策略研究现状 |
| 1.2.5 信息系统应用研究现状 |
| 1.3 主要研究内容和技术路线 |
| 1.4 主要创新点 |
| 第2章 相关基础理论研究 |
| 2.1 复杂大型建设项目特点及费用控制分析 |
| 2.1.1 复杂大型建设项目特点分析 |
| 2.1.2 复杂大型建设项目费用偏差控制参与主体 |
| 2.1.3 复杂大型建设项目费用控制复杂性分析 |
| 2.2 费用偏差控制相关理论研究 |
| 2.2.1 费用偏差控制内涵 |
| 2.2.2 费用偏差影响因素分析 |
| 2.2.3 费用偏差控制基本原则 |
| 2.3 费用偏差控制模型及方法研究 |
| 2.3.1 偏差特征系统动力学理论 |
| 2.3.2 神经网络模型 |
| 2.3.3 费用偏差预警聚类方法 |
| 2.3.4 费用偏差控制策略及评价理论 |
| 2.4 本章小结 |
| 第3章 基于系统动力学的费用偏差影响因素识别研究 |
| 3.1 复杂大型建设项目费用监控模式 |
| 3.1.1 费用监控模式特征分析 |
| 3.1.2 费用监控模式构建 |
| 3.1.3 费用监控模式运行流程 |
| 3.2 费用偏差影响因素的系统动力学模型构建 |
| 3.2.1 系统动力学的基本理论 |
| 3.2.2 基于系统动力学的费用偏差控制的可行性分析 |
| 3.2.3 系统动力学模型构建 |
| 3.3 费用偏差影响因素的子系统方程式建立 |
| 3.3.1 系统动力学建模中涉及到的数学方法 |
| 3.3.2 影响因素的子系统方程式建立 |
| 3.4 系统动力学模型仿真和分析 |
| 3.5 本章小结 |
| 第4章 基于改进神经网络模型的费用偏差控制方法研究 |
| 4.1 工程建设项目费用偏差计算需求及特点分析 |
| 4.2 基于K-means算法的费用偏差警情计算模型研究 |
| 4.2.1 K-means聚类理论及缺陷分析 |
| 4.2.2 K-means聚类方法改进及适用性研究 |
| 4.2.3 基于改进K-means算法的费用偏差计算模型构建 |
| 4.3 基于改进神经网络模型的费用偏差计算模型研究 |
| 4.3.1 神经网络模型原理分析 |
| 4.3.2 神经网络模型的改进及适用性研究 |
| 4.3.3 基于改进神经网络模型的费用偏差计算模型构建 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 第5章 基于流程再造的费用偏差控制策略及效果评价 |
| 5.1 复杂大型建设项目费用偏差控制中的流程再造与协同 |
| 5.1.1 费用偏差控制中流程再造与协同的目标 |
| 5.1.2 费用偏差控制中流程再造与协同的原则 |
| 5.2 复杂大型建设项目各阶段费用偏差控制策略 |
| 5.2.1 前期决策阶段的费用偏差控制策略 |
| 5.2.2 中期实施阶段的费用偏差控制策略 |
| 5.2.3 后期运维阶段的费用偏差控制策略 |
| 5.3 复杂大型建设项目费用偏差控制效果评价 |
| 5.3.1 费用偏差控制效果评价指标体系 |
| 5.3.2 基于支撑度理论的纠偏控制效果评价群决策模型 |
| 5.3.3 算例分析 |
| 5.4 本章小结 |
| 第6章 复杂大型项目费用偏差控制信息系统分析与设计 |
| 6.1 复杂大型建设项目CDMIS分析 |
| 6.1.1 复杂大型建设项目CDMIS的定义 |
| 6.1.2 复杂大型建设项目CDMIS的建设目标 |
| 6.1.3 复杂大型建设项目CDMIS的用户分析 |
| 6.1.4 复杂大型建设项目CDMIS的需求分析 |
| 6.2 复杂大型建设项目CDMIS设计 |
| 6.2.1 系统的总体设计原则及开发方法 |
| 6.2.2 系统的平台整体设计 |
| 6.2.3 复杂大型建设项目CDMIS的功能及模块设计 |
| 6.2.4 复杂大型建设项目CDMIS的数据库设计 |
| 6.3 复杂大型建设项目CDMIS关键技术 |
| 6.3.1 复杂大型建设项目CDMIS的开发技术选型 |
| 6.3.2 复杂大型建设项目CDMIS的数据仓库设计 |
| 6.3.3 复杂大型建设项目CDMIS的模型管理模块设计 |
| 6.4 本章小结 |
| 第7章 研究成果和结论 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（6）基于假名交换的车联网隐私保护方法（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车联网位置隐私 |
| 1.2.2 位置隐私问题及其研究现状 |
| 1.2.3 假名管理问题及其研究现状 |
| 1.3 论文研究内容与贡献 |
| 1.3.1 研究内容 |
| 1.3.2 研究成果 |
| 1.4 论文章节安排 |
| 第2章 车联网位置隐私攻击方法分析 |
| 2.1 车联网概述 |
| 2.1.1 车联网系统架构 |
| 2.1.2 车联网协议及信标消息 |
| 2.2 攻击方法分析 |
| 2.2.1 假名匹配攻击 |
| 2.2.2 假名关联攻击 |
| 2.3 仿真结果与分析 |
| 2.4 本章小结 |
| 第3章 基于假名交换的位置隐私保护方法 |
| 3.1 系统模型与问题描述 |
| 3.2 虚假超车方案 |
| 3.3 仿真结果与分析 |
| 3.3.1 最大连续追踪周期比 |
| 3.3.2 对车联网系统的影响 |
| 3.3.3 通信代价 |
| 3.3.4 反转超车攻击 |
| 3.4 本章小结 |
| 第4章 基于区块链的假名管理方法 |
| 4.1 预备知识:区块链技术 |
| 4.1.1 区块链结构及其分类 |
| 4.1.2 共识机制 |
| 4.2 基于区块链的假名管理方法 |
| 4.2.1 方案架构 |
| 4.2.2 假名分发 |
| 4.2.3 假名交换 |
| 4.2.4 假名解析和回收 |
| 4.3 改进的POW机制 |
| 4.4 仿真结果与分析 |
| 4.4.1 仿真工具 |
| 4.4.2 系统吞吐量和交易时延 |
| 4.4.3 假名交换开销 |
| 4.4.4 计算开销与通信代价 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 研究工作总结 |
| 5.2 研究工作展望 |
| 参考文献 |
| 作者简历及攻读硕士期间所取得的科研成果 |
（7）海洋石油支持船自动跟踪控制策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外动力定位系统相关研究现状 |
| 1.3 国内外动力定位模拟器研究现状 |
| 1.4 国内外船舶动力定位自动跟踪功能研究现状 |
| 1.5 本文主要研究工作 |
| 第2章 海洋石油支持船自动跟踪控制策略分析与模拟器软件设计 |
| 2.1 海洋石油支持船自动跟踪控制策略分析 |
| 2.1.1 常规高层控制策略局限性 |
| 2.1.2 路径跟踪控制策略分析 |
| 2.1.3 目标跟踪控制策略分析 |
| 2.2 海洋石油支持船模拟器软件设计 |
| 2.2.1 Simulink仿真模型搭建 |
| 2.2.2 C代码编写与封装 |
| 2.2.3 界面设计方案 |
| 2.3 本章总结 |
| 第3章 海洋石油支持船运动控制策略研究 |
| 3.1 船舶运动数学模型 |
| 3.2 控制策略研究 |
| 3.2.1 反演控制 |
| 3.2.2 滑模控制 |
| 3.2.3 反演滑模控制 |
| 3.3 改进控制策略研究 |
| 3.3.1 改进方法 |
| 3.3.2 仿真结果 |
| 3.4 本章小结 |
| 第4章 海洋石油支持船路径跟踪设计与实现 |
| 4.1 路径跟踪功能介绍 |
| 4.2 路径生成方法 |
| 4.2.1 航迹点插值 |
| 4.2.2 含有转弯半径功能的航迹点插值 |
| 4.3 最优航向角优化算法 |
| 4.3.1 粒子群算法 |
| 4.3.2 改进粒子群算法完成航向角优化 |
| 4.3.3 路径跟踪软件结构设计和优化仿真实验 |
| 4.4 界面展示 |
| 4.4.1 导入路径点 |
| 4.4.2 路径跟踪功能测试 |
| 4.5 本章小结 |
| 第5章 海洋石油支持船自动目标跟踪功能设计与实现 |
| 5.1 定点旋转功能 |
| 5.1.1 定点旋转功能介绍 |
| 5.1.2 定点旋转函数设计 |
| 5.1.3 定点旋转功能实验 |
| 5.2 水下目标跟踪功能 |
| 5.2.1 水下目标跟踪功能介绍 |
| 5.2.2 水下目标跟踪函数设计 |
| 5.2.3 水下目标跟踪功能实现 |
| 5.3 水面目标跟踪功能 |
| 5.3.1 水面目标跟踪功能介绍 |
| 5.3.2 水面目标跟踪函数设计 |
| 5.3.3 水面目标跟踪功能仿真 |
| 5.3.4 目标跟踪功能界面测试 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 在学期间科研成果情况 |
| 在学期间参与科研项目情况 |
（8）基于物联网云平台的家居火灾监控系统的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 智慧消防国内外发展研究现状 |
| 1.2.1 智慧消防国外发展研究现状 |
| 1.2.2 智慧消防国内发展研究现状 |
| 1.3 智慧消防系统存在的问题 |
| 1.4 本文主要研究内容及章节安排 |
| 1.5 本章小结 |
| 第二章 系统相关技术 |
| 2.1 物联网云平台 |
| 2.1.1 OneNET云平台 |
| 2.1.2 OneNET云平台的相关技术 |
| 2.2 WiFi无线通信 |
| 2.3 TCP/IP协议 |
| 2.4 多传感器数据融合技术 |
| 2.4.1 多传感器数据融合的原理 |
| 2.4.2 多传感器数据融合算法 |
| 2.5 颜色模型与Cart分类决策树 |
| 2.6 系统整体结构 |
| 2.7 本章小结 |
| 第三章 系统硬件的设计与开发 |
| 3.1 智能终端控制器 |
| 3.2 Esp8266无线模块 |
| 3.3 温湿度传感器模块 |
| 3.4 火焰传感器模块 |
| 3.5 MQ-2烟雾传感器模块 |
| 3.6 OV2640摄像头模块 |
| 3.7 继电器控制模块 |
| 3.8 本章小结 |
| 第四章 系统各模块程序设计 |
| 4.1 传感器数据采集程序设计 |
| 4.1.1 温湿度传感器模块程序设计 |
| 4.1.2 MQ-2烟雾传感器与火焰传感器模块程序设计 |
| 4.1.3 OV2640摄像头模块图像采集程序设计 |
| 4.2 智能终端接入云平台的程序设计 |
| 4.2.1 USART串口初始化程序设计 |
| 4.2.2 Esp8266无线模块初始化 |
| 4.2.3 终端设备EDP接入连接请求 |
| 4.2.4 设备数据打包上传 |
| 4.2.5 EDP协议下发命令的解析 |
| 4.3 One NET云平台的应用设计 |
| 4.3.1 OneNET云平台设备的添加及数据管理 |
| 4.3.2 预警触发器的设计 |
| 4.3.3 UI界面的设计 |
| 4.4 本章小结 |
| 第五章 基于DS证据理论算法在火灾中的应用 |
| 5.1 DS证据理论 |
| 5.1.1 DS证据理论数据融合算法 |
| 5.1.2 DS证据理论数据改进融合算法 |
| 5.2 证据关联系数的冲突证据融合算法在火灾中的应用 |
| 5.3 本章小结 |
| 第六章 基于图像的火焰识别 |
| 6.1 动态目标的检测算法 |
| 6.1.1 帧间差分法 |
| 6.1.2 图像数学形态处理 |
| 6.1.3 帧间差分法实验分析 |
| 6.2 火焰特征识别的方法 |
| 6.3 基于Adaboost分类器的火焰识别 |
| 6.3.1 Adaboost基本理论 |
| 6.3.2 Adaboost级联分类器的训练 |
| 6.3.3 Adaboost级联分类器测试结果分析 |
| 6.4 本章小结 |
| 第七章 系统测试 |
| 7.1 OneNET云平台模块与系统硬件模块测试 |
| 7.2 系统可靠性及实时性测试 |
| 7.3 本章小结 |
| 第八章 总结和展望 |
| 8.1 总结和展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文情况 |
（9）高速铁路列车群运行仿真系统技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究内容 |
| 1.3 研究意义 |
| 1.4 论文结构 |
| 1.5 论文资助 |
| 2 国内外研究综述 |
| 2.1 国外研究现状 |
| 2.1.1 仿真系统维度综述 |
| 2.1.2 模型构建维度综述 |
| 2.1.3 设备仿真与扰动调整综述 |
| 2.2 国内研究现状 |
| 2.2.1 列车运行控制维度综述 |
| 2.2.2 调度运营仿真维度综述 |
| 2.3 既有研究借鉴及总结 |
| 2.4 小结 |
| 3 高速铁路列车群运行仿真技术 |
| 3.1 高速铁路动车组运动模型 |
| 3.1.1 动车组受力分析 |
| 3.1.2 动车组运动模型 |
| 3.2 高速铁路动车组列控模型 |
| 3.2.1 动车组ATP列控模型 |
| 3.2.3 动车组ATO列控模型 |
| 3.3 同异步架构下的多并发列车群运行控制模型 |
| 3.3.1 多并发列车集群运行框架 |
| 3.3.2 CTCS-2/3 信号系统逻辑 |
| 3.3.3 多并发列车集群运营周期 |
| 3.3.4 CTC调度集中控制仿真实现 |
| 3.4 高速铁路列车群动态显示仿真技术 |
| 3.4.1 仿真底层基础数据输入 |
| 3.4.2 仿真线程池动态管理机制 |
| 3.4.3 仿真基础路网图构建策略 |
| 3.5 小结 |
| 4 高速铁路列车群运行仿真系统 |
| 4.1 列车群运行仿真架构 |
| 4.1.1 系统整体架构 |
| 4.1.2 数据架构 |
| 4.2 列车群运行仿真基础数据模块 |
| 4.2.1 底层数据输入模块 |
| 4.2.2 路网铺画模块 |
| 4.3 列车群运行仿真动车组模块 |
| 4.3.1 列控配置模块 |
| 4.3.2 动车组配置模块 |
| 4.3.3 列车配置模块 |
| 4.4 列车群运行仿真运营模块 |
| 4.4.1 时刻表模块 |
| 4.4.2 进路编排模块 |
| 4.4.3 计划运行图模块 |
| 4.5 列车群运行仿真输出模块 |
| 4.6 小结 |
| 5 高速铁路列车群运行仿真系统运用实证 |
| 5.1 区段追踪间隔方案可行性分析 |
| 5.1.1 区段追踪间隔方案仿真原理 |
| 5.1.2 可行性分析仿真实现 |
| 5.2 改进Rotor模型的区段通过能力计算仿真应用 |
| 5.2.1 数据处理及Rotor模型 |
| 5.2.2 改进Rotor模型通过能力计算方法 |
| 5.3 高速铁路列车群仿真晚点传播 |
| 5.3.1 正常真实行车数据场景仿真 |
| 5.3.2 突发事件对后行列车产生的影响 |
| 5.3.3 列车群运行晚点传播影响 |
| 5.4 小结 |
| 6 结论 |
| 6.1 主要研究工作 |
| 6.2 主要创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 附录 |
| 作者简历及攻读博士学位期间取得的科研成果 |
| 学位论文数据集 |
（10）无源光网络端口资源自动采集算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1.绪论 |
| 1.1 论文研究背景 |
| 1.1.1 固定宽带发展的意义 |
| 1.1.2 固定宽带接入网络简介 |
| 1.1.3 端口识别的意义 |
| 1.2 国内外目标检测领域的研究现状 |
| 1.2.1 基于区域的主要算法 |
| 1.2.2 基于回归的主要算法 |
| 1.2.3 目标检测在光通信领域的研究现状 |
| 1.3 本文研究内容 |
| 1.4 论文结构安排 |
| 1.5 本章小结 |
| 2.端口识别的目标检测算法选择 |
| 2.1 通用物体检测数据集下的先进算法性能分析 |
| 2.2 端口类专用物体检测性能分析 |
| 2.3 YOLOv3 |
| 2.3.1 网络结构 |
| 2.3.2 边界框预测 |
| 2.3.3 跨尺度融合预测 |
| 2.3.4 检测方法介绍 |
| 2.4 本章小结 |
| 3.无源光网络中PLC分光器端口占用状态自动识别的算法研究 |
| 3.1 应用背景分析 |
| 3.2 疑难场景下PLC分光器端口占用状态识别的YOLOv3 算法优化 |
| 3.2.1 四尺度特征融合预测 |
| 3.2.2 基于PLC分光器数据集的目标锚框维度聚类 |
| 3.2.3 基于软非极大值抑制算法的边界框过滤 |
| 3.3 模型训练与实验 |
| 3.3.1 PLC分光器数据集建立 |
| 3.3.2 训练策略 |
| 3.3.3 超参数设置 |
| 3.3.4 实验配置与训练结果 |
| 3.4 实验结果分析 |
| 3.4.1 消融研究 |
| 3.4.2 算法评估 |
| 3.4.3 算法改进前后检测效果对比 |
| 3.4.4 与其他主流算法实验结果对比 |
| 3.4.5 检测效果与优化点关联分析 |
| 3.5 本章小结 |
| 4.无源光网络中ODF端口占用状态自动识别的算法研究 |
| 4.1 应用背景分析 |
| 4.2 普通场景下ODF端口占用状态自动识别的改进型YOLOv3-spp算法 |
| 4.2.1 特征提取网络优化 |
| 4.2.2 基于ODF数据集的目标锚框维度聚类算法优化 |
| 4.2.3 损失函数优化 |
| 4.3 数据增强策略设计 |
| 4.3.1 ODF数据集建立 |
| 4.3.2 数据增强对ODF数据集的必要性 |
| 4.3.3 数据增强在机器学习管道的位置选择 |
| 4.3.4 数据增强方法 |
| 4.3.5 插值算法 |
| 4.3.6 ODF数据集扩充 |
| 4.4 模型训练与实验 |
| 4.4.1 学习速率动态调整策略 |
| 4.4.2 超参数设置 |
| 4.4.3 实验配置与训练结果 |
| 4.5 实验结果分析 |
| 4.5.1 目标锚框维度聚类前后性能对比 |
| 4.5.2 数据增强前后性能对比 |
| 4.5.3 算法优化前后检测性能对比 |
| 4.5.4 算法评估 |
| 4.5.5 普通场景下检测效果分析 |
| 4.6 本章小结 |
| 5.疑难场景下ODF端口占用状态的端到端级联识别模型研究 |
| 5.1 基于深度学习的端到端级联识别模型的设计 |
| 5.1.1 端口定位流程设计 |
| 5.1.2 遗漏检测流程设计 |
| 5.1.3 基于Res Net-34 的漏检区域重识别模型研究 |
| 5.1.4 端到端ODF端口级联识别模型设计 |
| 5.2 模型训练与实验 |
| 5.3 实验结果分析 |
| 5.3.1 端到端级联识别模型消融研究 |
| 5.3.2 模型性能评估 |
| 5.3.3 级联模型分步检测效果分析 |
| 5.3.4 疑难场景下级联模型检测效果分析 |
| 5.3.5 与其他主流算法实验结果对比 |
| 5.4 本章小结 |
| 6.基于端口自动识别算法的宽带资源管理系统的设计与实现 |
| 6.1 应用背景分析 |
| 6.2 系统架构设计 |
| 6.3 动态资源管控业务流程重构 |
| 6.4 基于业务流程的微服务响应集群设计 |
| 6.5 系统平台实现 |
| 6.6 系统性能分析 |
| 6.7 本章小结 |
| 7.总结与展望 |
| 7.1 工作总结 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的主要研究成果 |
四、一种基于系统目标的连续改进过程方法（论文参考文献）
- [1]若干最优化问题的粒子群算法及应用研究[D]. 孙滢. 合肥工业大学, 2020(01)
- [2]三元复合驱建模及最优控制方法研究[D]. 葛玉磊. 中国石油大学(华东), 2018(07)
- [3]精密系统质量控制技术的理论和验证研究[D]. 刘伟. 西北工业大学, 2006(03)
- [4]基于耦合因子的变温变湿干燥谷物品质特性及窗口控制方法研究[D]. 陈俊轶. 吉林大学, 2021(01)
- [5]复杂大型建设项目费用偏差控制方法及信息系统设计[D]. 孙肖坤. 华北电力大学(北京), 2021(01)
- [6]基于假名交换的车联网隐私保护方法[D]. 曹贞芳. 浙江大学, 2021(01)
- [7]海洋石油支持船自动跟踪控制策略研究[D]. 廖宇翔. 集美大学, 2021
- [8]基于物联网云平台的家居火灾监控系统的研究与实现[D]. 梁剑烽. 广西大学, 2021(12)
- [9]高速铁路列车群运行仿真系统技术研究[D]. 李和壁. 中国铁道科学研究院, 2021
- [10]无源光网络端口资源自动采集算法研究[D]. 苏东. 西安理工大学, 2021(01)