一、模糊集合的交分解及其应用（论文文献综述）
陈廷广[1]（2021）在《基于多源数据融合的室外AGV自适应定位与导航方法研究》文中研究指明随着我国制造业转型升级,智慧工厂和智能仓储得到快速发展,造成AGV需求的爆发式增长,出现了 AGV市场繁荣。但存在室外AGV需求量大、应用较少的问题,这主要受室外场景宏大、环境复杂等原因的制约。随着传感器性能提升和定位导航方法的深入研究,AGV的应用逐渐从室内环境拓宽至室外环境,如何保证AGV准确感知自身在外部周围环境中的位姿状况并持续可靠沿规划路径安全行驶成为研究热点,室外AGV正面临前所未有的发展窗口。本文针对室外环境下AGV的精确定位和稳定导航展开相关研究。针对车载单源传感器定位与导航系统信息在室外环境下存在局限性和脆弱性以及室外车体位姿估计的非线性问题,研究室外复杂场景下多源异质车载传感器信息融合定位方法。采用容积卡尔曼滤波算法作为基础融合算法,利用基于航迹推算的系统方程对车体位姿的估计值与GPS和IMU给出的量测值经由卡尔曼增益系数加权计算获得车辆位姿的最优估计。将迭代过程中QR分解简化的CKF误差协方差平方根矩阵代替包含由字长限制引起的积累定位误差的病态矩阵,解决了室外环境下中由病态协方差矩阵导致定位失稳甚至发散的问题。采用基于时间序列的序贯滤波设计了不同长度量测信息的融合定位算法,充分利用传感器观测信息,解决了车载传感器的最高采样频率不一致造成传感器信息利用率不足等问题。利用QR平方根滤波法保证定位稳定性,通过时间序列序贯滤波提高传感器信息利用率,实现了稳定行驶下的多传感器数据融合的室外AGV准确定位。针对室外环境的不确定因素影响室外AGV定位鲁棒性的问题,研究室外不确定条件下的自适应强跟踪定位方法。采用改进Sage-Husa自适应滤波算法,由残差新息对量测噪声进行实时估计调整并同时监测,当出现非正定矩阵时采用有偏估计方式重新计算,保证定位滤波的稳定性,自适应实时调整噪声参数,提高系统模型不确定情况下的定位精度。采用基于多渐消因子的定位强跟踪算法,根据由不同行驶状况突变类型导致的位姿参数影响计算多渐消因子,修正突变后的误差协方差矩阵,激活卡尔曼增益系数,加权量测信息,解决由不可预测因素造成的室外车辆位姿突变后长时间定位数据发散问题。该自适应强跟踪算法提高了模型参数不确定条件下的定位鲁棒性,增强了车辆位姿不确定条件下的定位跟踪可靠性和及时性,可以稳定连续提供AGV的绝对定位信息。针对由于AGV绝对定位信息与行驶道路间未建立联系导致曲线运动时导航偏差获取困难及绝对位姿信息缺失时准确进行路径跟踪问题,将笛卡尔坐标系下的绝对位姿转换至Frenet坐标用于计算导航偏差。当室外环境下GPS存在失锁情况时,考虑导航信息冗余性采用车载相机获取行驶路面状况,将具有桶形畸变的图像正畸处理后转换至HSV色彩空间,分离饱和度高、对比度强的路径标识线,突出路面导航目标信息。经形态学滤波和双边滤波的图像预处理去除路面纹理和背景噪声。采用边缘检测及霍夫直线检测获取路径行驶区域的角点坐标。根据基准图像的路径区域角点计算逆透变换矩阵,建立图像坐标与实际位置的关系推导出导航偏差,实现GPS失锁时的路径跟踪导航偏差实时准确获取。通过模糊PID路径纠偏控制的实例仿真验证了该方法可以有效保证室外AGV的道路跟踪正确性和行驶安全性。室外AGV定位与导航实验研究。通过车载感知系统（RTK-GPS、IMU、车载相机、视觉传感器）接受多源异质信息,采用C++编写了 WIN系统下的基于QR分解的强跟踪自适应改进容积卡尔曼算法对AGV位姿进行最优估计。通过对GPS静态定位精度标定及按照给定距离设置二维码定位标签建立了位置精度为±1mm,方位精度为±1。的室外绝对定位基准。在无传感器噪声先验数据条件下通过室外动态直线和曲线行驶定位实验验证了本文所提出的多传感器信息融合自适应定位方法的有效性和可行性,其位置定位误差<5cm,误差标准差<4cm。将基准位置路径识别区域测量值与基准图像配准后计算逆透矩阵,把图像坐标投影至实际道路模型中计算导航偏差。视觉导航的横向定位精度<5cm,方位定位精度<0.5°,满足了在GPS失锁情况下的路径导航偏差信息的精度要求。综上本文室外自适应定位组合导航算法可提供动态厘米级定位精度,当GPS失锁时,根据路面图像信息提供厘米级导航偏差数据,为室外AGV提供了可靠的定位导航信息。
于天雪[2]（2021）在《基于WindSim仿真分析的风电场选址研究》文中指出“十四五”时期,中国开始新的发展阶段,主张将推动国民经济循环作为主要目标,建立一个新的发展格局,持续推进建立以绿色发展为主的生产和生活方式。作为一种新型的清洁能源,风力发电可以使中国的电力系统能源结构得到优化,使电力供应更加多元。在风电工程建设中,风电场的选址和规划是其首要任务,它在提高风电场发电效率以及经济效益方面发挥着重要作用。本文对风电场宏观选址决策进行研究探索,结合WindSim软件对风电场的仿真结果进行分析研究,进行风电场选址评价模型的设计,确保所设计评价体系的客观性。利用模糊网络分析法对选取的风电场选址指标进行赋权,并建立模糊评价模型,对风电场选址进行了综合评价。首先,本文解释了风电场选址的概念,并总结了风电场宏观选址过程中需要遵循的基本原则,并讨论了影响选取评价指标的四大方面因素。在此基础上,结合WindSim软件仿真实例,详细解释了如何通过WindSim软件对风电场进行模拟仿真,讨论了如何利用WindSim软件中仿真结果,与评价指标建立起联系,讨论了如何构建以WindSim软件为主体的风电场选址评价指标数据空间,讨论了 WindSim软件的仿真结果是如何对风电场选址决策给予理论支撑,并最终确定了影响风电场选址决策的评价指标体系。其次,基于模糊网络分析法,进行风电场选址评价模型的设计,分析了风电场选址的评价指标的影响因素,完成风电场选址网络结构模型的建模。给出评语集并构建模糊关系矩阵。最终得到了风电场选址决策的评价结果。最后,对两个备选场址进行了实例分析研究。全面分析了两个备选场址各方面的基本情况,然后给出了 15位专家对备选场址的指标投票结果。并通过计算得到两个备选场址的综合评价矩阵,确定了两个备选场址的评语结果,最终得出了选址结果。本文对风电场宏观选址决策进行研究探索,结合WindSim软件对风电场的仿真结果进行分析研究,优化了以往风电场选址的流程,将WindSim软件从微观选址的工作步骤中,提前到宏观选址之前,借助先进的、成熟的、商业化现代化科学计算仿真软件,及其强大的仿真算力,把一部分处于微观设计的工作提前进行,对风电场选址研究有重要参考价值和现实意义。
王铁旦[3]（2021）在《犹豫模糊环境下基于TODIM的可信性FMEA改进方法研究》文中指出FMEA（Failure mode and effect analysis,失效模式与影响分析）是一种常用的可靠性分析技术,它考虑产品或服务可能的失效,并确定其频率和影响后果,既可用于失效的事前预防,也可用于事后改进。但这一工具在实际应用中也显示出一些问题和不足,特别是随着科技发展日新月异及人类自我意识的不断觉醒,消费者对产品和服务的需求趋于多元化和个性化,FMEA方法的应用环境愈加复杂多变,尤其是随着可靠性理论的发展,人们更加关注产品和过程的可信性。如何从可信性视角开展FMEA的改进,值得深入研究和探讨;同时模糊集理论的发展为构建更加贴近现实的FMEA改进方法提供了新的机遇和挑战。鉴于此,本文在针对FMEA各环节深入系统研究的基础上,基于前景理论和可信性理论,提出考虑利益相关者需求的犹豫模糊TODIM（Tomada de decisaointerativa e multicritévio,交互式多属性决策）的可信性FMEA评价改进方法,以适用于不同的复杂不确定决策情境。为确保产品或过程可靠性提供更加强大的工具方法,论文主要研究功效和成果包括如下几个方面:（1）提出适用于FMEA应用情景的新的犹豫模糊距离测度方法。在系统研究犹豫模糊特性及距离测度相关理论和方法的基础上,确定犹豫模糊集作为评价的决策信息载体以刻画群体决策者多元化的决策意见。同时,引入集论构造了Jaccard和Dice犹豫模糊集距离测度方法。并对该方法进行了理论分析和算例验证。（2）基于可信性视角开发改进了新的FMEA评价因子结构。将风险管理中的安全栅理论和可信性理论融合到FMEA评价因子中,并在原有三因子模型基础上对文献中高频FMEA评价因子间的相互关联性展开探讨,应用德尔菲法重新设计出包含失效影响、失效频率、可探测性、失效可维修性、失效可防护性等5项主维度的FMEA相关评价因子结构。此外,还应用5等10级评价方法确定重新设计的FMEA相关评价因子取值等级。（3）提出失效因子犹豫模糊可变顺序权重算法。为满足各因子取值的均衡性以提升评价的精确度,结合变权经验公式将顺序权重算法修正为可变权重算法,并应用算术平均法将其拓展于犹豫模糊情景,提出新的失效因子犹豫模糊赋权方法及相应权重求解方法。（4）结合TODIM模型、行为学理论及前述各章节研究,构建犹豫模糊可信性FMEA改进方法。在计算过程中,考虑到准则间的可兼容性和可公度性,探索频率最高的线型比例标准化方法在犹豫模糊环境下的表达形式,将其应用于改进的TODIM中。最后依据失效模式总体优势度的大小进行失效模式排序。（5）将改进后的FMEA评价模型应用到XX科技股份有限公司特种泵可靠性的实际改进中,识别出产品的失效模式并确定失效模式对功能的影响,同时对方法敏感性、区分度及有效性进行分析和验证。理论分析和实际算例显示:论文提出的犹豫模糊环境下基于TODIM的多功能影响可信性FMEA改进方法,一定程度克服了传统FMEA模型仅能用于一次性产品评估、未能考虑专家评价标准不统一和未考虑失效模式的防护性从而导致失效模式区分度差的问题。同时,与同类FMEA改进方法相比,本文所提方法计算的失效模式所得结果区分度更高,最优和最劣方案的结果差距明显,且更为合理的FMEA评价因子结构及将决策者的行为考虑其中,也使得评价结果更加符合现实情况,方法也在实际应用中获得了一定程度的验证。
刘辉[4]（2020）在《基于机器学习的煤矿冲击危险性综合预测方法研究》文中研究指明由于冲击地压的发生受矿井地质条件、开采方法等多种因素的耦合控制,使得冲击地压发生的机理变得复杂,造成难以监测和预测分析,目前还缺乏能够统筹考虑多种因素、推广能力强的冲击危险性综合预测方法。本文采用基于煤矿多源大数据的机器学习方法,利用山东某煤矿开采工作面的地质资料、监测数据、煤层开采数据和高能量矿震记录,对冲击地压发生的影响因素和特征规律进行总结分析,开展基于机器学习的冲击危险性综合预测方法研究,通过建立矿震强度、冲击危险性等级、冲击地压类型等相关预测问题的分析模型,为煤矿开采过程中冲击地压的科学监测、预测与防治提供新的方法和途径。论文的主要研究成果如下:1.针对冲击地压的突发性以及前兆信息监测分析困难等问题,利用微震监测、地音监测、煤粉监测、巷道应力监测、工作面支架阻力监测等数据,分析影响煤矿冲击地压发生的主要因素,并将这些因素划分为地质因素和生产因素,从开采地质条件和监测数据两个方面分析了与冲击地压的关系,确定预测判别的指标因子,并根据预测方法所依据指标因子的数据类型为离散或时间连续,将预测方法分为静态预测和动态预测。2.根据工作面的开采地质因素,建立了基于贝叶斯决策理论的冲击危险性等级预测模型。分别采用贝叶斯判别分析和贝叶斯网络推理两种算法对冲击危险性等级进行预测划分,实现静态预测,探讨不同影响因素的权重,为冲击地压预测研究提供新的量化方法和分析途径。3.实现对冲击地压发生时矿震强度的准确预测。将工作面煤粉监测、巷道应力监测、工作面支架阻力监测等与冲击地压相关的监测数据,作为预测的判别因子,矿震监测的震级作为实际结果,建立矿震震级预测模型。考虑影响因素和适用条件的不同,分别采用径向基神经网络和多层感知器神经网络对矿震震级进行预测划分,取得了较为准确的结果。4.利用微震监测信号时频分布特征,提出了门限单元循环神经网络深度学习模型（GRU-RNN）。该模型的输入为时间连续的多通道微震监测信号,在机制上可隐式提取微震信号的形态分布、幅值及频谱特征,实现对冲击诱因的判别分析。针对冲击危险性等级动态预测问题,建立了基于连续多通道微震监测信号和地音监测信号的深度受限玻尔兹曼机过程神经网络模型（DRBM-PNN）。两种深度学习模型可改善现有方法对不同类别信号综合特征的区分度,在机制上对动态预测问题具有良好的适用性。5.针对矿井地质、开采生产和安全监测中多源时序数据相融合的冲击危险性动态预测问题,建立了一种动态模糊推理神经网络。该模型将模糊逻辑推理和神经网络对信号特征的学习机制相结合,基于模糊集和隶属度函数表示领域知识,自适应建立基于多源过程信号样本集的推理逻辑和模糊判别规则,可有效融合多源过程信息及先验知识,并适用小样本集情况下的建模预测分析。在上述研究的基础上,在山东某煤矿1412开采工作面进行冲击危险性综合预测的实际应用,取得了较为准确的预测结果。
胡丽娜[5]（2020）在《基于层次分析法的隧道工程项目风险管理研究》文中研究说明随着我国经济技术的不断进步,我国的隧道工程规模不断扩大,长大隧道、高围压、涌水和瓦斯隧道愈加常见。工程条件愈加复杂的隧道工程就要求管理手段的不断进步,风险管理在隧道工程项目管理中成为越来越普遍的课题,本文对隧道工程项目全过程的因素风险管理进行了研究,可为隧道工程项目风险管理提供依据。基于模糊多元层次分析法基本理论,分析了隧道工控项目风险产生的机理,对隧道工程施工阶段中风险因素进行分析计算,为承包商风险控决策控制提供依据。结合特定的隧道项目工程实例对隧道工程项目中风险因素进行分类,并对每一类风险因素进行分析计算,分别得出相应的预警级和预警值,为隧道工程项目风险管理和控制提供可靠的建议。具体研究内容及成果如下:（1）分析了隧道工程项目风险产生的机理,并对隧道施工中爆破法开挖的所有爆破因素,运用模糊多元层次分析建立爆破指标和多因素之间的关系,通过计算可以得到相应的权重比例。（2）通过隧道工程项目风险因素的分析,得出了隧道工程项目爆破法施工中因素的不确定性,以及各因素之间的关系不确定性,因素与指标的影响程度不确定性,各指标对爆破效果的权重对应关系的不确定性,这增加了隧道工程风险管理的难度,在隧道工程项目中不可预见、不可避免和不确定性的风险因素要制定一定的风险处理措施。（3）通过工程实例分析了在隧道工程项目中承包商风险决策控期问题,得出不确定性因素对隧道工程项目的影响程度比较大,所占的风险决策和控制权重比例也比较大,而非不确定性也就是人的作为程度大的因素对隧道工程项目的影响程度比较小,所占的风险决策和控制权重比例也就小。（4）人、物、环境、技术和管理的风险权重依次上升,管理因素的权重量大,在一定程度上应对了隧道工程项目风险管理的内涵,也体现了管理决策和控制在隧道工程项目风险分析中的重要性,在隧道工程项目风险管理中应加大管理手段,提高风险管理的高效性。对人、物、环境、技术和管理的各类风险进行预警级别划分,给出了各预警级别的风险防范控制措施,在隧道工程项目中不可预见和不确定性的因素造成的风险权重比较大,应加大风险管理中精力和时间的投入。
邓胜岳[6]（2019）在《模糊张量及其在直觉模糊信息集成理论中的应用》文中研究表明随着社会经济的飞速发展和科学技术水平的日益提高,人类面临着越来越复杂的实际决策环境,而决策者认知的模糊性和决策因素的不确定性,导致了决策者往往难以获得确定的决策信息;并且,在实际决策过程中,影响决策者的决策信息越来越多,由此产生的决策数据的维数和量级也越来越大;致使决策者难以进行有效且理性的决策。作为现代决策理论与实践的重要组成部分,直觉模糊多属性决策能够有效的模拟复杂决策环境,而原有基于矩阵理论的决策方法难以有效的解决实际复杂决策问题。因此,本文首次提出了模糊张量技术,将运用模糊张量技术对复杂决策系统进行建模、计算与综合集成研究,并证实了这项技术具有重要的理论和应用价值。本文具体的研究内容如下:（1）本文定义了模糊张量及其运算法则,证明了模糊张量与模糊向量乘积是模糊线性变换,首次建立了基于模糊张量的广义模糊综合评价模型,提出了广义模糊综合评价正反问题的算法,并通过两个算例验证了该模型及算法的可行性和有效性,为解决模糊多属性群决策为代表的复杂决策系统提供了新的理论和方法;与以往方法相比,本文所提模型及方法具有建模简洁、数据处理能力强、以及适用性广等特点。（2）针对具有高维数据特征的直觉模糊多属性决策问题,本文首次定义了直觉模糊张量及其运算法则,建立了基于直觉模糊张量的广义直觉模糊加权平均算子和广义直觉模糊加权几何算子,得到了两类算子具有幂等性、有界性和单调性,提出了解决直觉模糊多属性决策和动态直觉模糊多属性决策的新方法,通过两个典型的例子验证了本文提出的方法的有效性和普遍适用性。（3）针对区间直觉模糊多属性群决策以及动态区间直觉模糊多属性群决策问题,本文首次定义了区间直觉模糊张量及运算法则,给出了以区间直觉模糊张量为基础的广义区间直觉模糊加权平均算子和广义区间直觉模糊加权几何算子,研究了两类算子的性质,提出了解决区间直觉模糊环境下多属性群决策问题的新算法,通过两个实际算例验证了该算法的有效性和实用性。（4）针对语言型模糊多属性群决策问题,本文首次定义了三角直觉模糊张量,提出了基于三角直觉模糊张量的广义三角直觉模糊集成算子,建立了以广义三角直觉模糊集成算子为核心的多属性群决策方法,通过算例分析验证了该方法的可行性和有效性。
刘沓[7]（2018）在《企业生态经济效率的直觉模糊集测度研究》文中研究指明随着工业化的发展及人类物质消费需求的增加,以资源大量消耗和环境严重污染为代价的经济增长方式导致了全球性的生态环境恶化与生态危机。想要从根本上解决环境问题,只有改变传统的经济增长方式,走可持续的生态经济发展之路。世界可持续发展工商理事会（WBCSD）提出了Eco-efficiency的概念,其核心思想是以更少的资源耗费,更少的废弃物和污染产生,创造更多的社会财富,其所体现的生态、经济及社会和谐发展、持续发展的理念,获得广泛传播和普遍认同。企业作为市场经济的主体,其经营活动、行为模式对生态环境的影响至关重要。实现经济与生态的和谐平衡,已成为生态经济形态中企业经营管理的基本要求和重要目标,并由此推动了环境经营在世界范围内的开展。“环境经营”这一新概念、新的经营模式被日益普遍地接受与实践,并成为21世纪可持续发展的主题。企业要实现可持续发展必须由传统的经营模式,转向自觉履行社会责任、兼顾所有相关者利益的环境经营模式。采用适当的机制驱动企业摒弃单纯的经济效益观而秉持生态经济效益观,摒弃传统的经营模式而选择环境经营模式,对于从根本上防止生态环境污染、遏制生态环境恶化具有重要意义。从生态经济与环境管理相融合的视角认识环境经营,其为一种将生态环境保护与友好利用的理念融入企业经营活动和运营管理的行为范式。环境经营的实质是在企业经营活动中将生态环境与经济有机地结合为一体,通过生态环境要素与经济要素的结合创造价值。将Eco-efficiency纳入企业环境经营范畴,基于环境经营提出企业生态经济效率及其测度的概念,突出企业环境经营过程中生态经济效率测度的标识机制。使企业生态经济效率既体现Eco-efficiency的实质,又具有明确的企业经营活动、经营行为的生态环境保护指向性,发挥其环境经营模式选择的诱导与驱动机制、环境经营效益水平的度量标尺、环境经营系统运行效率与资源配置效率的表征与量度的作用。通过研究证明企业生态经济效率及其测度与环境经营的理念、目标的高度契合性,以及与环境经营行为的互为因果性。基于复杂适应系统理论对企业生态经济效率测度客体环境经营系统进行深入剖析,建立基于系统三元组网络模型,度量系统主体间的聚集效应。进而从复杂系统的主体特征、刺激—响应规则、系统的标识等微观机制及隐秩序等方面,探析企业环境经营系统适应维生的动态演化机理,建立系统适应维生模型,并重点发掘企业生态经济效率测度在环境经营系统适应性演化过程中的标识性引导机制。研究表明企业生态经济效率测度是环境经营系统内隐秩序的重要组成,在系统的微观机制中处于核心地位;企业生态经济效率测度以信息传导方式实施其环境经营系统的适应维生引导机制。通过建立企业生态经济效率测度机理模型,揭示企业生态经济效率测度诱导变迁机制改变库所状态,改变系统各种资源存量,从而也改变企业生态经济效率测度自身水平的机理;从环境经营系统主体特征、系统适应维生机理、企业生态经济效率测度的形成与作用机理以及测度因子的数量关系、数据条件等方面论证企业生态经济效率测度客观上的模糊性,解析企业生态经济效率测度因子间的模糊映射关系。基于企业生态经济效率测度机理建立多维属性框架下的企业生态经济效率测度影响因素体系,并建立直觉模糊相似度模型对体系中的不确定性影响因素予以模糊识别。在对现行生态经济效率测度方法梳理与评价的基础上,设计出直觉模糊集理论支持的,具有模型化及体系化特征的企业生态经济效率直觉模糊集测度方法,以克服现行方法的局限性,充分发挥生态经济效率测度对于企业环境经营有效实施的引导、评价等机制与功能。提出基于环境经营的企业生态经济效率及其测度的概念与理论公式,发现生态经济效率测度与企业环境经营的契合性及互为因果性,在企业层面将生态经济效率及其测度与环境经营进行深度融合,对于环境经营与生态经济效率的理论研究与实践应用均具有开创性的意义。运用复杂适应系统理论构建环境经营系统适应维生演化模型,构建企业生态经济效率测度机理模型,揭示企业生态经济效率测度在环境经营系统适应性演化过程中,所体现的标识性引导机制及其实现的途径与方式,对于复杂适应系统理论面向微观企业、面向环境经营领域的应用延伸具有学术上的创新性意义;深入阐证企业生态经济效率测度的客观模糊性,首次建立多维属性框架下的企业生态经济效率测度影响因素体系,并对体系中的不确定性影响因素进行直觉模糊识别,开创性地将直觉模糊集理论及方法作为企业环境经营数据处理的依据与工具,设计出具有模型化、体系化特征的企业生态经济效率直觉模糊集测度方法并进行应用检验,对于直觉模糊集理论在企业环境经营领域的应用,对于企业环境经营信息技术的开发具有探索性的意义。基于环境经营的企业生态经济效率测度研究,无论对于环境经营还是生态经济效率的理论深化与实践拓展,以及复杂适应系统理论、直觉模糊集理论在企业环境经营领域的创新应用、均具有一定的学术意义与实用价值。
勾国斌[8]（2018）在《面向虚拟装配的作业仿真及人机工程评价》文中研究说明随着计算机仿真技术和虚拟现实技术的快速发展,虚拟装配仿真已成为一种重要的设计、分析和验证手段。人作为产品生产过程中重要的角色,因此需要对人的因素加以考虑,尤其是在最重要的装配环节。很多设计上可行但实际装配过程中却不可行的装配方案,就是因为没有考虑到人的因素,从而影响了作业人员的作业状态和产品的装配质量,造成操作失误和工作效率降低,甚至危及作业人员的生理健康。因此需要将虚拟装配仿真和人机工程结合起来研究。为了提高虚拟装配作业仿真效率,更准确地对作业过程进行人机分析,本文利用DELMIA仿真平台,提出了虚拟人混合驱动的装配动作快速仿真方法。对装配作业进行逐级分解,按照作业流程把装配单元分段描述并分解成基本装配动作,根据装配动作特性,将基本装配动作分为三类,给出不同类型装配动作的仿真方式,最终实现了装配作业人员装配动作仿真。为了对装配作业过程中操作人员的作业状态进行综合分析,根据指标体系的构建原则及方法,构建了面向虚拟装配作业的人机工程评价指标体系,并对单个指标的评价实现和评价准则进行了研究,给出了评价指标值一致化和无量纲化的处理方法,建立了装配作业人机工程评估指标体系各指标的量化模型,为装配作业人机工程模糊综合评价提供了理论基础。最后,本文提出了面向虚拟装配作业的人机工程模糊综合评价方法,选取了指标隶属度函数及隶属度计算,采用层次分析法确定各指标权重值,基于模糊综合评价理论,应用模糊综合评价方法对装配作业过程进行人机工程综合评价。在此理论方法基础上,开发了人机工程综合评价系统,并以发动机后箱盖装配过程的综合评价为实例进行系统功能验证。
李庆胜[9]（2016）在《灰色犹豫模糊集及其群决策方法研究》文中认为1965年,美国加州大学的L.A.Zadeh教授创立了模糊集理论,该理论超越了传统集合的范畴,被广泛用于不确定性决策。许多学者对模糊集进行了研究和扩展,其中Atanassov提出了包括隶属度、非隶属度以及犹豫度的直觉模糊集。这种集合提供了三个维度信息,在进行不确定性方面判断时具有相对具有优势,已经广泛用于各个领域的决策之中;由于群决策时,决策者们经常是面临着不确定性和模棱两可的状态,或者不能相互妥协、认可对方,使得最终无法取得一致的决策共识。为解决这个问题,许多学者做了研究提出了模糊集的广义形式,其中Torra和Narukawa探讨了犹豫模糊集（HFS）。犹豫模糊集作为模糊集的最新扩展形式,有其独特的优势,可以更好地发挥群决策的优势,因此引起了众多学者的研究兴趣;1982年中国学者邓聚龙创立了灰色系统理论（GS）以来,刘思峰教授等进行了推广,针对“小数据”、“贫信息”不确定性系统的决策问题,提供了有效解决途径。本文在利用灰色系统理论进行直觉模糊、犹豫模糊多属性决策研究的基础上,提出了灰色犹豫模糊集合,并将灰色系统决策方法应用到灰色犹豫模糊群群决策中,拓展了灰色系统的应用范围,为解决犹豫模糊群决策提供了新的思路。主要研究成果如下:（1）在研究了灰集合直觉模糊集的内涵的基础上,提出了灰集合直觉模糊集的转换方法;然后提出了核与上下偏离值理论,在有效地解决了犹豫模糊信息处理偏差问题,进而研究了犹豫模糊集的灰集转换方法。在经过灰集转换之后,利用灰色关联确定属性指标的权重,用灰可能度选优的犹豫模糊决策方法;在研究两种集合的灰集转换的基础上,提出了灰色犹豫模糊集合。（2）研究了灰色犹豫模糊群决策方法;本文提出了将灰色关联方法分别与TOPSIS和VIKOR相结合的灰色犹豫模糊群决策方法;提出了基于核与灰度的灰关联度的灰色犹豫模糊群决策方法。（3）基于行为决策理论的灰色犹豫模糊群决策方法研究。在研究了核与灰度的灰色犹豫模糊元的得分函数的基础上,结合前景理论提出了相关决策方法;结合协同思想,对指标值进行λ协同度规范化和方案进行因子修正,提出了变权的灰色犹豫模糊群决策方法。（4）基于灰色语言的犹豫模糊多属性群决策方法研究。将灰色语言扩展到灰色犹豫模糊群决策中,分别提出了基于GLWAA集结的决策方法和基于核与灰度的灰关联度排序方法。（5）对飞机主制造商选择与评价供应商案例进行了研究。在研究了评价指标体系的影响因素的基础上,建立了六个层面指标体系,进而研究了评价指标的量化方法。在分别采用灰色犹豫模糊的决策方法和灰色语言犹豫模糊决策方法的基础上,采用了综合灰关联度的方法,系统评价了供应商的综合管理水平。
赵晶[10]（2016）在《基于人工智能优化的时间序列多步预测的研究及应用》文中认为时间序列的单项预测方法通常包含着诸多的不确定性因素,导致模型的预测性能是不稳定的。特别是具有复杂变化特征的时间序列的多步预测问题,由不确定性因素所引起的预测误差会随着预测步长的增加而迅速扩大,这是实际应用中相当困难且亟待解决的问题。结合不同的单项模型能够在一定程度上降低预测的不确定性、提高模型的多步预测精度。对具有复杂变化特征的观测数据序列建立多步预测模型,本文使用基于经验模态分解的数据滤波方法对原始数据进行降噪处理;给出了两种基于集合经验模态分解的多步混合预测模型的一般形式,分别采用分解—滤波—预测—重构（DFFR）以及分解—滤波—重构—预测（DFRF）的算法流程;并结合异常数据检测方法、人工神经网络以及不同的多步预测策略,发展了一类基于数据滤波的时间序列多步混合预测模型。针对子问题的预测,将增强增量型极限学习机中的随机最优隐藏层参数推广为全局最优隐藏层参数,提出了单隐层前馈网络的CS-I-ELM参数估计方法;并从理论上证明了该方法的算法收敛性,解决了单隐层前馈网络隐藏层参数的智能最优化选取问题。针对延迟数据采集（DDA）情况下的多步预测问题,本文将模糊数学方法引入组合预测模型,用于解决单项模型的筛选及权重系数的最优化问题。该方法将各单项模型的预测结果构成一个论域,定义在此论域上的标准模型,并通过推广的最大隶属原则进行单项模型筛选;进一步,将隶属度作为诱导值,发展了最大k隶属原则诱导的有序加权算子,记为k-IOWA算子,并证明了该算子的基本性质;结合Cuckoo Search人工智能优化方法,提出了基于自适应最优化模糊系统的多步组合模型,记为CS-FS-F-E模型。针对在线数据采集（OLDA）情况下的多步预测问题,本文设计了一个结合灰色关联度与Markov状态转移的最优化随机组合预测模型,用于解决多步组合预测中观测信息的概率转移问题,以及相应的单项模型筛选及权重系数的最优化问题。该方法使用灰色关联度作为组合预测的特征指标,定义单项预测结果经Markov概率转移到各系统状态的隶属度矩阵,并根据改进的最大k隶属原则进行单项模型的筛选;进一步,提出了最大k隶属原则诱导的双因素有序加权平均算子,记为k-BIOWA算子,并证明了该算子的基本性质;在此基础上建立了基于Markov多步转移的双因素诱导有序加权的组合预测模型,记为CS-Markov-F-E模型。本文进而将所提出的系列多步预测模型应用于实际的超短期、短期风速预测问题中,模拟计算的数据集均来自中国不同地区风电场内的测风塔观测资料;大量的计算结果显示,所提出的多步预测模型较之传统的预测方法,其多步预测精度得到了明显提高且模型稳定性更强,表明所提出模型在解决实际问题中的适用性。本文提出的CS-FS-WRF-E模型在风电场风速业务预测中的模拟计算,考虑了现实中的数据采集方式、预测时效性以及业务预测精度要求,目前已计划将这一方法应用于实际的风电场风速业务预测平台。
二、模糊集合的交分解及其应用（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、模糊集合的交分解及其应用（论文提纲范文）
（1）基于多源数据融合的室外AGV自适应定位与导航方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 室外AGV的定位方法研究现状 |
| 1.2.2 室外AGV的路径导航方法研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 多传感器数据融合定位方法研究 |
| 2.1 容积卡尔曼滤波算法 |
| 2.1.1 多传感器融合系统与观测方程 |
| 2.1.2 容积卡尔曼滤波算法 |
| 2.2 传感器多频率下的最大信息利用率方法研究 |
| 2.3 仿真实验 |
| 2.3.1 非线性位姿变化的定位稳定性对比仿真 |
| 2.3.2 传感器频率不同时定位对比仿真 |
| 2.4 本章小结 |
| 第3章 不确定条件下的自适应定位方法研究 |
| 3.1 模型参数不确定下的自适应定位方法 |
| 3.1.1 模型不确定下的定位问题描述 |
| 3.1.2 系统稳定性判断 |
| 3.1.3 基于改进Sage-husa的自适应算法 |
| 3.2 车辆位姿突变情况下的定位方法研究 |
| 3.2.1 状态突变情况下的定位问题描述 |
| 3.2.2 基于多渐消因子的误差协方差修正 |
| 3.2.3 强跟踪算法研究 |
| 3.3 仿真实验 |
| 3.3.1 模型不确定下自适应算法对比仿真实验 |
| 3.3.2 状态突变的强跟踪仿真实验 |
| 3.4 本章小结 |
| 第4章 室外AGV的路径跟踪导航方法研究 |
| 4.1 计算路径导航偏差 |
| 4.1.1 组合导航偏差计算 |
| 4.1.2 路径标识线提取 |
| 4.1.3 视觉导航偏差计算 |
| 4.2 基于模糊PID的路径跟踪 |
| 4.2.1 模糊PID控制器设计 |
| 4.2.2 路径跟踪仿真实验 |
| 4.3 本章小结 |
| 第5章 室外AGV定位与导航实验研究 |
| 5.1 实验平台 |
| 5.1.1 实验平台硬件构成 |
| 5.1.2 实验平台软件构成 |
| 5.1.3 车载传感器数据处理 |
| 5.2 室外定位与导航偏差实验 |
| 5.2.1 定位基准设定 |
| 5.2.2 室外动态定位实验 |
| 5.2.3 车载视觉导航实验 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（2）基于WindSim仿真分析的风电场选址研究（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 国内外研究现状 |
| 1.2.1 对选址方法的研究 |
| 1.2.2 对选址优化的研究 |
| 1.2.3 选址过程中应注意的问题 |
| 1.3 主要研究内容 |
| 1.4 技术路线 |
| 第2章 相关基础理论研究 |
| 2.1 Windsim软件介绍 |
| 2.1.1 Windsim软件概述 |
| 2.1.2 Windsim软件组成 |
| 2.1.3 Windsim软件在风电选址的应用 |
| 2.2 模糊网络分析法理论基础 |
| 2.2.1 网络分析法 |
| 2.2.2 模糊理论 |
| 2.2.3 模糊网络分析法 |
| 2.2.4 模糊网络分析法的优势 |
| 2.3 本章小结 |
| 第3章 风电场选址评价指标体系构建 |
| 3.1 风电场选址概述 |
| 3.2 评价指标选取的原则 |
| 3.3 选取评价指标的影响因素 |
| 3.3.1 地理因素 |
| 3.3.2 技术因素 |
| 3.3.3 环境因素 |
| 3.3.4 经济因素 |
| 3.4 基于WindSim仿真的指标分析 |
| 3.4.1 地形模块 |
| 3.4.2 风场模块 |
| 3.4.3 对象模块 |
| 3.4.4 结果模块 |
| 3.4.5 风资源模块 |
| 3.4.6 发电量模块 |
| 3.5 构建风电场选址指标体系 |
| 3.6 本章小结 |
| 第4章 风电场选址综合评价模型 |
| 4.1 基于网络分析法对指标赋权 |
| 4.2 风电场选址指标的赋权 |
| 4.3 建立模糊评价模型 |
| 4.4 风电场选址的综合评价 |
| 4.5 本章小结 |
| 第5章 算例分析 |
| 5.1 备选场址各指标分析 |
| 5.1.1 地理因素分析 |
| 5.1.2 技术指标分析 |
| 5.1.3 环境指标分析 |
| 5.1.4 经济指标分析 |
| 5.2 专家对备选场址打分 |
| 5.3 对备选场址进行综合评价 |
| 5.4 本章小结 |
| 第6章 研究成果与结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（3）犹豫模糊环境下基于TODIM的可信性FMEA改进方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 创新之处 |
| 1.4 论文结构及技术路线 |
| 1.4.1 论文结构和内容 |
| 1.4.2 技术路线 |
| 第二章 理论基础及文献回顾 |
| 2.1 理论基础 |
| 2.1.1 风险管理相关理论与方法 |
| 2.1.2 可靠性相关理论 |
| 2.2 FMEA方法过程模型及其研究进展 |
| 2.2.1 传统 FMEA 方法标度 |
| 2.2.2 传统FMEA方法的结构化流程 |
| 2.2.3 FMEA方法改进研究现状 |
| 2.2.4 FMEA改进相关研究评述 |
| 2.3 本章小结 |
| 第三章 基于集论的犹豫模糊距离测度 |
| 3.1 模糊集理论 |
| 3.2 模糊子集的概念及运算 |
| 3.2.1 模糊子集的概念及表达 |
| 3.2.2 模糊子集的运算 |
| 3.2.3 常用的模糊相似度算法 |
| 3.3 犹豫模糊集理论 |
| 3.4 现有HFE距离 |
| 3.5 Hausdorff及其改进的距离 |
| 3.6 基于集论的距离测度 |
| 3.7 改进的Jaccard和 Dice距离 |
| 3.8 HFE的 Jaccard与 Dice距离 |
| 3.9 本章小结 |
| 第四章 可信性FMEA评价因子结构设计 |
| 4.1 传统FMEA评价因子测量方法 |
| 4.1.1 失效影响 |
| 4.1.2 失效频率或概率 |
| 4.1.3 失效的可探测度 |
| 4.1.4 传统FMEA评价因子方法及其缺陷 |
| 4.1.5 现有研究对评价因子结构及测量方法的改进 |
| 4.2 基于风险管理理论和可信性理论的风险因子结构研究 |
| 4.2.1 风险管理和可信性理论中的风险分析要素 |
| 4.2.2 改进的风险评价因子结构 |
| 4.2.3 风险因子评价等级确定 |
| 4.3 本章小结 |
| 第五章 基于犹豫模糊变权TODIM的可信性FMEA改进方法 |
| 5.1 失效模式整合权重算法 |
| 5.1.1 传统失效模式因子顺序权重算法 |
| 5.1.2 犹豫模糊环境下的改进可变顺序权重算法 |
| 5.2 基于多功能影响的失效模式路径模型 |
| 5.2.1 传统的失效模式路径模型 |
| 5.2.2 基于多功能影响的改进失效影响路径模型 |
| 5.3 改进犹豫模糊TODIM方法 |
| 5.3.1 TODIM决策方法基本原理 |
| 5.3.2 改进犹豫模糊TODIM方法 |
| 5.4 基于犹豫模糊TODIM的可信性FMEA改进方法 |
| 5.5 本章小结 |
| 第六章 基于TODIM的多功能影响FMEA方法在XX公司特种泵可信性改进中的应用 |
| 6.1 案例背景介绍 |
| 6.1.1 XX科技股份有限公司概况 |
| 6.1.2 JHB系列高温浓硫酸液下泵概述 |
| 6.2 基于犹豫模糊TODIM的改进FMEA评价分析步骤 |
| 6.3 敏感性分析 |
| 6.4 对比分析 |
| 6.5 实践应用 |
| 6.6 本章小结 |
| 第七章 结论与展望 |
| 7.1 论文结论 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录A |
| 附录A.1 攻读博士学位期间发表论文目录 |
| 附录A.2 攻读博士学位期间参与的课题 |
| 附录B |
| 附录B.1 可靠性评价指标及相关定义 |
| 附录B.2 FMEA评价因子征求意见表 |
（4）基于机器学习的煤矿冲击危险性综合预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 引言 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 存在的问题 |
| 1.4 论文主要内容和研究方法 |
| 2 基于人工神经网络的矿震监测与矿震强度预测方法研究 |
| 2.1 深井矿震分类和影响因素分析 |
| 2.2 “区域-局部”式矿震监测 |
| 2.3 矿震强度神经网络预测方法及算法 |
| 2.4 样本矿井概况 |
| 2.5 实际资料处理与分析 |
| 2.6 本章小结 |
| 3 基于贝叶斯网络推理的冲击危险性等级分析 |
| 3.1 冲击地压影响因素分析 |
| 3.2 冲击地压危险等级分类研究 |
| 3.3 基于贝叶斯网络的冲击危险性等级预测方法 |
| 3.4 实际资料处理与分析 |
| 3.5 本章小结 |
| 4 基于深度神经网络的冲击类型和冲击危险性等级判别 |
| 4.1 微震信号特征分析 |
| 4.2 深度循环神经网络预测模型 |
| 4.3 基于深度循环神经网络的冲击地压诱因分析 |
| 4.4 基于深度受限玻尔兹曼机过程神经网络的冲击等级预测分析 |
| 4.5 实际资料处理与分析 |
| 4.6 本章小结 |
| 5 基于动态模糊推理网络的冲击危险性预测 |
| 5.1 冲击地压煤矿开采地质影响因素综合分析 |
| 5.2 模糊信息处理与模糊神经网络 |
| 5.3 动态模糊推理神经网络预测模型 |
| 5.4 实际资料验证 |
| 5.5 本章小结 |
| 6 工作面冲击地压综合预测应用 |
| 6.1 1412工作面概况 |
| 6.2 冲击地压监测情况 |
| 6.3 1412工作面冲击危险性综合预测分析 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 主要创新点 |
| 7.3 展望 |
| 参考文献 |
| 作者简介 |
| 致谢 |
| 学位论文数据集 |
（5）基于层次分析法的隧道工程项目风险管理研究（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 研究内容、研究方案及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究方案 |
| 1.3.3 技术路线 |
| 1.4 研究预期目标 |
| 2 模糊层次分析法的基本理论 |
| 2.1 前言 |
| 2.2 模糊理论 |
| 2.2.1 模糊集合 |
| 2.2.2 模糊综合评估 |
| 2.3 层次分析法原理 |
| 2.3.1 基本步骤 |
| 2.3.2 层次分析法的特点 |
| 2.4 层次分析中因素的比较 |
| 2.4.1 双因素法 |
| 2.4.2 多因素法 |
| 2.5 本章小结 |
| 3 隧道工程项目风险产生机理及因素分析 |
| 3.1 引言 |
| 3.2 BIM的概念和特点 |
| 3.3 隧道工程项目风险产生机理 |
| 3.3.1 勘察设计阶段 |
| 3.3.2 施工运营阶段 |
| 3.4 隧道工程施工风险因素分析 |
| 3.4.1 隧道爆破法施工爆破参数分析 |
| 3.4.2 隧道爆破环境因素分析 |
| 3.4.3 爆破风险控制效果分析 |
| 3.5 本章小结 |
| 4 隧道工程项目承包商决策控制分析 |
| 4.1 工程概况 |
| 4.2 确定风险指标权重 |
| 4.2.1 一级评价指标重要性程度 |
| 4.2.2 二级评价指标重要性程度 |
| 4.3 判定指标风险的等级 |
| 4.3.1 项目风险模糊指标计算 |
| 4.3.2 风险指标的分类评价 |
| 4.4 本章小结 |
| 5 隧道工程项目风险预警分析和防范措施 |
| 5.1 引言 |
| 5.2 风险因素的预警分析 |
| 5.2.1 风险因素分类及指标权重 |
| 5.2.2 风险因素预警级别 |
| 5.2.3 结果分析和建议 |
| 5.3 风险的控制和防范 |
| 5.3.1 风险控制 |
| 5.3.2 风险防范 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）模糊张量及其在直觉模糊信息集成理论中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 背景 |
| 1.2 研究现状 |
| 1.2.1 张量分析的研究现状 |
| 1.2.2 多属性决策信息集成理论的研究现状 |
| 1.3 本文的主要工作 |
| 第二章 模糊张量的性质及应用 |
| 2.1 基础知识 |
| 2.2 模糊变换 |
| 2.3 广义模糊综合评价模型 |
| 2.3.1 一般形式 |
| 2.3.2 特殊形式 |
| 2.3.3 反问题 |
| 2.4 算法 |
| 2.4.1 算法1: 正问题 |
| 2.4.2 算法2: 反问题 |
| 2.5 应用:多属性群决策 |
| 2.5.1 算例 |
| 2.5.2 比较分析 |
| 2.5.3 算例 |
| 2.6 本章小结 |
| 第三章 基于模糊张量技术的直觉模糊信息集成算子及其应用 |
| 3.1 基础知识 |
| 3.2 基于模糊张量的直觉模糊信息集成算子 |
| 3.2.1 广义直觉模糊加权平均(GIFWA)算子 |
| 3.2.2 广义直觉模糊加权几何(GIFWG)算子 |
| 3.3 算法 |
| 3.4 具有高维数据特征的多属性决策方法 |
| 3.4.1 直觉模糊多属性群决策方法 |
| 3.4.2 动态直觉模糊多属性群决策方法 |
| 3.5 本章小结 |
| 第四章 基于模糊张量技术的区间直觉模糊信息集成算子及应用 |
| 4.1 基础知识 |
| 4.2 基于模糊张量的区间直觉模糊信息集成算子 |
| 4.3 算法 |
| 4.4 具有高维数据特征的区间直觉模糊多属性决策方法 |
| 4.4.1 区间直觉模糊多属性群决策方法 |
| 4.4.2 动态区间直觉模糊多属性群决策方法 |
| 4.5 本章小结 |
| 第五章 基于模糊张量技术的广义三角直觉模糊集成算子及其应用 |
| 5.1 基础知识 |
| 5.2 基于模糊张量的三角直觉模糊信息集成算子 |
| 5.3 算法 |
| 5.4 应用 |
| 5.4.1 三角直觉模糊多属性群决策问题 |
| 5.4.2 一类语言型动态三角直觉模糊多属性群决策问题 |
| 5.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间主要的研究成果 |
（7）企业生态经济效率的直觉模糊集测度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和问题提出 |
| 1.1.1 研究背景 |
| 1.1.2 问题提出 |
| 1.2 研究目的和意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状及评述 |
| 1.3.1 生态经济效率及其测度的相关研究 |
| 1.3.2 环境经营及其效益的相关研究 |
| 1.3.3 复杂适应系统理论应用的相关研究 |
| 1.3.4 直觉模糊集理论应用的相关研究 |
| 1.3.5 研究现状评述 |
| 1.4 研究内容和结构安排 |
| 1.4.1 研究内容 |
| 1.4.2 结构安排 |
| 1.5 研究方法和技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线 |
| 第2章 企业生态经济效率及其测度的理论分析 |
| 2.1 基于环境经营的企业生态经济效率概念的提出 |
| 2.1.1 Eco-efficiency及其内含 |
| 2.1.2 企业生态经济效率的概念界定及其理论依据 |
| 2.1.3 企业生态经济效率与Eco-efficiency的比较 |
| 2.1.4 企业生态经济效率的理论价值 |
| 2.2 企业生态经济效率测度及其属性特征 |
| 2.2.1 企业生态经济效率测度的概念及实质 |
| 2.2.2 企业生态经济效率测度的属性特征 |
| 2.3 企业生态经济效率测度的相关理论 |
| 2.3.1 环境经营理论 |
| 2.3.2 复杂适应系统理论 |
| 2.3.3 直觉模糊集理论 |
| 2.4 企业生态经济效率测度的理论框架 |
| 2.4.1 企业生态经济效率测度的基本理论要素 |
| 2.4.2 企业生态经济效率测度的演绎式理论框架 |
| 2.5 本章小结 |
| 第3章 企业生态经济效率测度的环境经营引导机制分析 |
| 3.1 企业环境经营系统属性与演化机理 |
| 3.1.1 企业环境经营系统的复杂适应系统属性 |
| 3.1.2 企业环境经营系统的演化机理及模型 |
| 3.2 企业生态经济效率测度机理及其模型 |
| 3.2.1 企业生态经济效率测度机理 |
| 3.2.2 企业生态经济效率测度机理模型 |
| 3.3 企业生态经济效率测度的标识机制及其实现方式 |
| 3.3.1 企业生态经济效率测度的标识性机制 |
| 3.3.2 企业生态经济效率测度机制的实施方式 |
| 3.4 本章小结 |
| 第4章 企业生态经济效率测度的模糊性及影响因素识别 |
| 4.1 企业生态经济效率测度的模糊性分析 |
| 4.1.1 系统主体特征造成的测度模糊性 |
| 4.1.2 系统适应维生机理造成的测度模糊性 |
| 4.1.3 测度因子关系与数据条件造成的测度模糊性 |
| 4.2 企业生态经济效率测度因子的模糊属性与模糊关系 |
| 4.2.1 企业生态经济效率测度因子的模糊属性 |
| 4.2.2 企业生态经济效率测度因子间的模糊关系 |
| 4.3 基于企业生态经济效率测度机理的影响因素识别 |
| 4.3.1 基于企业生态经济效率测度机理的影响因素分类 |
| 4.3.2 库所性影响因素识别 |
| 4.3.3 变迁性影响因素识别 |
| 4.3.4 企业生态经济效率测度影响因素体系 |
| 4.4 基于直觉模糊集理论的测度不确定影响因素识别 |
| 4.4.1 直觉模糊集理论对不确定影响因素识别的适用性 |
| 4.4.2 不确定性影响因素的直觉模糊识别 |
| 4.5 本章小结 |
| 第5章 企业生态经济效率直觉模糊集测度 |
| 5.1 企业生态经济效率现行测度方法及其局限性 |
| 5.1.1 企业生态经济效率现行测度方法 |
| 5.1.2 企业生态经济效率现行测度方法的局限性 |
| 5.2 企业生态经济效率模糊测度方法的设计目标与依据 |
| 5.2.1 企业生态经济效率模糊测度方法设计目标 |
| 5.2.2 企业生态经济效率模糊测度方法设计依据 |
| 5.3 企业生态经济效率直觉模糊集测度方法设计 |
| 5.3.1 测度方法的模型化与体系化特征 |
| 5.3.2 测度方法的直觉模糊集技术支撑 |
| 5.3.3 测度方法的图示模型表示 |
| 5.4 企业生态经济效率直觉模糊集测度的分解原理与体系 |
| 5.4.1 企业生态经济效率直觉模糊集测度分解原理 |
| 5.4.2 企业生态经济效率直觉模糊集测度分解体系 |
| 5.5 企业生态经济效率直觉模糊集测度模型设计 |
| 5.5.1 测度相关因子的映射关系与运算关系 |
| 5.5.2 测度相关因子的二元直觉模糊关系模型 |
| 5.5.3 测度相关因子的模糊映射关系模型 |
| 5.5.4 基于扩张原理的直觉模糊测度模型 |
| 5.6 企业生态经济效率直觉模糊集测度的有效性与变动性 |
| 5.6.1 企业生态经济效率直觉模糊集测度模型有效性检验 |
| 5.6.2 企业生态经济效率直觉模糊集测度结果变动性分析 |
| 5.7 本章小结 |
| 第6章 企业生态经济效率直觉模糊集测度应用实例 |
| 6.1 应用对象及其环境经营状况 |
| 6.1.1 H公司生产概况与污染源分析 |
| 6.1.2 H公司的环境经营状况 |
| 6.2 应用对象的生态经济效率直觉模糊集测度 |
| 6.2.1 H公司原始数据及其常规处理 |
| 6.2.2 H公司调研数据的直觉模糊处理与应用 |
| 6.2.3 H公司生态经济效率直觉模糊集测度 |
| 6.2.4 企业生态经济效率测度的直觉模糊熵测算 |
| 6.3 企业生态经济效率直觉模糊集测度方法的应用评价 |
| 6.3.1 H公司生态经济效率现行方法的测算 |
| 6.3.2 H公司生态经济效率直觉模糊集测度结果 |
| 6.3.3 企业生态经济效率直觉模糊集测度方法的有效性 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的学术论文 |
| 致谢 |
| 个人简历 |
（8）面向虚拟装配的作业仿真及人机工程评价（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 虚拟装配技术 |
| 1.2.2 虚拟人装配动作生成方法 |
| 1.2.3 面向虚拟装配的人机工程 |
| 1.2.4 目前研究存在的问题与不足 |
| 1.3 课题研究意义及研究内容 |
| 1.3.1 课题研究目的及意义 |
| 1.3.2 论文内容与组织结构 |
| 第2章 基于虚拟人的装配作业仿真 |
| 2.1 引言 |
| 2.2 基于虚拟人的装配仿真流程 |
| 2.3 虚拟装配仿真环境构建 |
| 2.3.1 仿真平台的选择 |
| 2.3.2 仿真模型数据准备 |
| 2.3.3 人体资源库创建 |
| 2.3.4 虚拟装配环境布局 |
| 2.4 混合方式驱动虚拟人装配动作 |
| 2.4.1 虚拟装配作业分解 |
| 2.4.2 行为模型驱动虚拟人动作 |
| 2.4.3 VR方式驱动虚拟人动作 |
| 2.4.4 装配动作分类与混合仿真 |
| 2.5 装配作业仿真实例 |
| 2.6 本章小结 |
| 第3章 装配作业人机工程评价指标体系 |
| 3.1 引言 |
| 3.2 评价指标体系构建方法 |
| 3.2.1 评价指标选取原则和方法 |
| 3.2.2 装配作业人机工程要求 |
| 3.3 装配作业人机工程指标体系构建 |
| 3.3.1 装配作业人机工程评价指标体系构建思路 |
| 3.3.2 建立评价指标体系结构 |
| 3.4 单个指标的评价实现及评价准则 |
| 3.4.1 装配特性指标 |
| 3.4.2 生理疲劳特性指标 |
| 3.4.3 心理疲劳特性指标 |
| 3.5 评价指标值的一致化和无量纲化处理 |
| 3.5.1 指标值的一致化处理 |
| 3.5.2 指标值的无量纲化处理 |
| 3.5.3 定性指标的预处理 |
| 3.6 本章小结 |
| 第4章 装配作业人机工程评价方法研究 |
| 4.1 引言 |
| 4.2 评价方法的选择 |
| 4.3 模糊综合评价 |
| 4.3.1 模糊综合评价介绍 |
| 4.3.2 模糊综合评价的数学模型 |
| 4.3.3 隶属度函数 |
| 4.3.4 指标权重值的确定方法 |
| 4.3.5 模糊综合评价法计算步骤 |
| 4.4 虚拟装配作业人机工程模糊综合评价 |
| 4.5 模糊综合评价实例 |
| 4.5.1 评价集等级划分及隶属度函数构建 |
| 4.5.2 单因素评价向量 |
| 4.5.3 AHP法确定指标权重 |
| 4.5.4 多级模糊综合评价 |
| 4.5.5 评价结果分析 |
| 4.6 本章小结 |
| 第5章 评价系统设计与实现 |
| 5.1 系统组成及功能设计 |
| 5.2 评价系统流程 |
| 5.3 评价系统开发及应用 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表论文与研究成果清单 |
| 致谢 |
（9）灰色犹豫模糊集及其群决策方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 直觉模糊集的概念及其发展概况 |
| 1.2.2 直觉模糊集的多属性决策方法研究现状 |
| 1.2.3 犹豫模糊集的概念及其发展概况 |
| 1.2.4 犹豫模糊集的群决策方法研究现状 |
| 1.2.5 灰色决策方法研究现状 |
| 1.3 研究内容、研究方法与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法和技术路线 |
| 1.4 小结 |
| 第二章 基本理论 |
| 2.1 直觉模糊集 |
| 2.1.1 直觉模糊集的相关定义 |
| 2.1.2 直觉模糊集的基本运算法则 |
| 2.1.3 区间直觉模糊集相关定义及运算法则 |
| 2.2 犹豫模糊集 |
| 2.2.1 犹豫模糊集的相关定义 |
| 2.2.2 犹豫模糊集的运算法则 |
| 2.3 灰色关联 |
| 2.3.1 灰色关联的相关概念 |
| 2.3.2 灰色关联的模型 |
| 2.4 灰色语言集合 |
| 2.4.1 灰色语言集合的定义 |
| 2.4.2 灰色语言数的运算法则 |
| 2.4.3 灰色语言数运算法则的性质 |
| 2.4.4 灰色语言数的大小 |
| 2.4.5 基于灰色语言数的集结算子 |
| 2.5 核与灰度 |
| 2.5.1 核与灰度的定义 |
| 2.5.2 核与灰度的运算法则 |
| 2.6 相关行为决策理论 |
| 2.6.1 前景理论 |
| 2.6.2 协同理论 |
| 2.7 小结 |
| 第三章 灰色犹豫模糊集合的概念及其转换关系研究 |
| 3.1 直觉模糊集的灰集转换 |
| 3.1.1 决策模型构建 |
| 3.1.2 算例分析 |
| 3.2 犹豫模糊集的灰集转换 |
| 3.2.1 决策模型构建 |
| 3.2.2 算例分析 |
| 3.3 灰色犹豫模糊集合的概念 |
| 3.4 灰色犹豫模糊集的灰色直觉模糊集转换 |
| 3.4.1 决策模型构建 |
| 3.4.2 算例分析 |
| 3.5 灰色犹豫模糊集的灰集转换 |
| 3.5.1 决策模型构建 |
| 3.5.2 算例分析 |
| 3.6 小结 |
| 第四章 灰色犹豫模糊集群决策方法 |
| 4.1 基于灰色关联的决策方法 |
| 4.1.1 基于灰色关联的TOPSIS决策模型构建 |
| 4.1.2 算例分析 |
| 4.1.3 基于灰色关联的VIKOR决策模型构建 |
| 4.1.4 算例分析 |
| 4.2 基于核与灰度的决策方法 |
| 4.2.1 决策模型构建 |
| 4.2.2 算例分析 |
| 4.3 小结 |
| 第五章 基于前景理论和协同变权的灰色犹豫模糊决策方法 |
| 5.1 基于前景理论的灰色犹豫模糊决策方法 |
| 5.1.1 模型构建 |
| 5.1.2 算例分析 |
| 5.2 基于协同变权的灰色犹豫模糊群决策方法 |
| 5.2.1 决策模型构建 |
| 5.2.2 算例分析 |
| 5.3 小结 |
| 第六章 灰色语言犹豫模糊群决策方法 |
| 6.1 基于GLWAA算子的决策方法 |
| 6.1.1 决策模型构建 |
| 6.1.2 算例分析 |
| 6.2 基于核与灰度的灰色犹豫模糊集群决策方法 |
| 6.2.1 决策模型构建 |
| 6.2.2 算例分析 |
| 6.3 小结 |
| 第七章 某大型客机公司供应商运行业绩评价与决策问题研究 |
| 7.1 研究背景 |
| 7.2 客机制造商的供应商评价方法研究现状 |
| 7.3 大型客机供应商运行业绩评价影响因素以及指标体系的建立 |
| 7.3.1 供应商运行业绩评价影响因素 |
| 7.3.2 大型客机供应商运行业绩评价指标体系的建立 |
| 7.4 指标分解及其量化方法 |
| 7.5 供应商运行业绩评价与决策方法 |
| 7.5.1 现有的供应商评价方法 |
| 7.5.2 基于灰色犹豫模糊集的决策方法 |
| 7.6 某大型客机制造商供应商绩效评价实证分析 |
| 7.6.1 基于灰色犹豫模糊集的决策方法 |
| 7.6.2 基于灰色语言犹豫模糊集群决策方法 |
| 7.6.3 综合灰关联度排序 |
| 7.7 小结 |
| 第八章 总结与展望 |
| 8.1 创新点 |
| 8.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（10）基于人工智能优化的时间序列多步预测的研究及应用（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 时间序列预测及其不确定性 |
| 1.2 集合预测方法的分类与研究现状 |
| 1.2.1 协作型集合预测方法 |
| 1.2.2 竞争型集合预测方法 |
| 1.3 本文的研究内容及研究思路 |
| 1.4 本文的创新点 |
| 1.5 本文的研究内容安排 |
| 第二章 两类基于集合经验模态分解的多步预测方法 |
| 2.1 引言 |
| 2.2 集合经验模态分解 |
| 2.2.1 经验模态分解的基本理论 |
| 2.2.2 集合经验模态分解 |
| 2.2.3 EMD数据滤波方法 |
| 2.3 NARX递归神经网络模型 |
| 2.3.1 NARX网络模型 |
| 2.3.2 动态重构和NARX非线性递归预测 |
| 2.4 两类基于EMD分解的多步预测模型 |
| 2.4.1 53-H异常值检测方法 |
| 2.4.2 两类基于EEMD分解的多步预测模型的一般形式 |
| 2.4.3 混合HEN1和HEN2 预测模型 |
| 2.5 两类基于EMD分解的多步预测模型在风速预测中的应用 |
| 2.5.1 数据收集 |
| 2.5.2 53-H异常数据检测及修正 |
| 2.5.3 数据序列分解及滤波 |
| 2.5.4 模型比较及结果分析 |
| 2.6 本章小结 |
| 第三章 基于最优隐藏层参数估计的SLFN多步预测模型 |
| 3.1 引言 |
| 3.2 时间序列的多步前向预测策略 |
| 3.2.1 迭代法 |
| 3.2.2 直接法 |
| 3.2.3 多输入多输出法 |
| 3.3 单隐层前馈网络的极限学习机参数估计方法 |
| 3.3.1 随机隐藏层参数的单隐层前馈网络 |
| 3.3.2 固定型极限学习机参数估计方法 |
| 3.3.3 增量型极限学习机参数估计方法 |
| 3.3.4 增强增量型极限学习机参数估计方法 |
| 3.4 最优化极限学习机参数估计方法 |
| 3.4.1 最优隐藏层参数的定义 |
| 3.4.2 Cuckoo Search人工智能优化搜索方法 |
| 3.4.3 Cuckoo Search优化的极限学习机参数估计方法:CS-I-ELM和 CS-F-ELM |
| 3.4.4 CS-I-ELM和 CS-F-ELM参数估计方法的收敛性证明 |
| 3.4.5 结合不同预测策略的混合CS-I-ELM和CS-F-ELM预测模型 |
| 3.5 最优化极限学习机参数估计方法在风速预测中的应用 |
| 3.5.1 数据收集 |
| 3.5.2 数据序列分解及滤波 |
| 3.5.3 SLFN权值参数的最优估计与多步前向预测策略 |
| 3.5.4 模型比较及结果分析 |
| 3.6 本章小结 |
| 第四章 基于自适应最优化模糊系统的多步组合预测模型 |
| 4.1 引言 |
| 4.2 时间序列预测的组合方法 |
| 4.3 基于诱导有序信息集结算子的组合预测模型 |
| 4.3.1 OWA算子与IOWA算子 |
| 4.3.2 基于IOWA算子的组合预测模型 |
| 4.4 模糊数学方法的基本概念 |
| 4.4.1 模糊集合的表示 |
| 4.4.2 最大隶属原则 |
| 4.5 基于模糊系统选择的多步组合预测模型 |
| 4.5.1 组合预测分段多项式拟合 |
| 4.5.2 模糊隶属度函数的确定 |
| 4.5.3 多步组合预测模糊隶属度的若干结果 |
| 4.5.4 最大k隶属原则 |
| 4.5.5 最大k隶属原则诱导的有序加权平均法:k-IOWA算子 |
| 4.5.6 k-IOWA算子的基本性质及其证明 |
| 4.5.7 基于k-IOWA的最优化组合预测模型 |
| 4.6 模糊组合预测模型在风电场72-h业务预测中的应用 |
| 4.6.1 问题描述 |
| 4.6.2 数据收集与单项模型设置 |
| 4.6.3 单项模型的预测结果 |
| 4.6.4 算例分析 |
| 4.6.5 模型比较及结果分析:基于山东省13个算例 |
| 4.7 本章小结 |
| 第五章 基于Markov多步转移的最优化组合预测模型 |
| 5.1 引言 |
| 5.2 灰色关联分析与基于灰色关联度的组合预测模型 |
| 5.2.1 灰色关联度与灰关联序 |
| 5.2.2 基于灰色关联度的组合预测模型 |
| 5.3 Markov链模型 |
| 5.4 模糊聚类方法 |
| 5.4.1 模糊关系与模糊矩阵的基本定义 |
| 5.4.2 C均值聚类 |
| 5.4.3 模糊C均值聚类 |
| 5.5 基于Markov多步转移的最优化组合预测模型 |
| 5.5.1 数据划分与先导时间段 |
| 5.5.2 组合预测特征指标集的模糊C均值聚类 |
| 5.5.3 基于灰色关联度的Markov状态转移 |
| 5.5.4 Markov一步转移组合预测模型 |
| 5.5.5 基于Markov多步转移的k-BIOWA最优化组合预测模型 |
| 5.5.6 k-BIOWA算子的基本性质及其证明 |
| 5.6 Markov最优化组合预测模型在风速预测中的应用 |
| 5.6.1 问题描述 |
| 5.6.2 数据收集与单项模型设置 |
| 5.6.3 算例分析 |
| 5.6.4 模型比较及结果分析:基于宁夏回族自治区27个算例 |
| 5.7 本章小结 |
| 第六章 结论与展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
四、模糊集合的交分解及其应用（论文参考文献）
- [1]基于多源数据融合的室外AGV自适应定位与导航方法研究[D]. 陈廷广. 西安理工大学, 2021(01)
- [2]基于WindSim仿真分析的风电场选址研究[D]. 于天雪. 华北电力大学(北京), 2021(01)
- [3]犹豫模糊环境下基于TODIM的可信性FMEA改进方法研究[D]. 王铁旦. 昆明理工大学, 2021(02)
- [4]基于机器学习的煤矿冲击危险性综合预测方法研究[D]. 刘辉. 山东科技大学, 2020(04)
- [5]基于层次分析法的隧道工程项目风险管理研究[D]. 胡丽娜. 西安科技大学, 2020(01)
- [6]模糊张量及其在直觉模糊信息集成理论中的应用[D]. 邓胜岳. 湘潭大学, 2019(12)
- [7]企业生态经济效率的直觉模糊集测度研究[D]. 刘沓. 哈尔滨工业大学, 2018(01)
- [8]面向虚拟装配的作业仿真及人机工程评价[D]. 勾国斌. 北京理工大学, 2018(07)
- [9]灰色犹豫模糊集及其群决策方法研究[D]. 李庆胜. 南京航空航天大学, 2016(11)
- [10]基于人工智能优化的时间序列多步预测的研究及应用[D]. 赵晶. 兰州大学, 2016(08)