基于概率相关性的AIMM跟踪算法

为解决传统自适应交互式多模型(AIMM)算法计算量普遍过大而不适应于实际工程应用的问题,提出了基于概率相关性的自适应的交互多模型算法(PR-AIMM),该方法在由CA、CV和基于圆周运动的转弯(TR)模型3个基本模型组成的模型集上,利用模型后验概率最近时间相关性自适应地调整马尔可夫转移矩阵的参数,能对空中大部分机动目标进行有效的跟踪,有效地解决在实际工程应用中机动目标跟踪问题。最后运用仿真试验对上述算法进行了合理性和有效性验证,并在实际工程应用中达到了满意的效果。

AIMMS访问EXCEL的方法

AIMMS软件为决策支持系统实现模型和数据的分离管理提供了方便,也为解决高度复杂的数学规划问题提供了更简洁的管理方式。结合一个运输问题的实例,讨论了AIMMS访问Excel数据表的基本方法。

AIMMS访问ACCESS数据库的方法

AIMMS软件为决策支持系统实现模型和数据的分离管理提供了方便,也为解决高度复杂的数学规划问题提供了更简洁的管理方式。本文结合一个运输问题的实例,讨论了AIMMS访问Access的数据库的基本方法,并给出了采用指示符约束构建运输问题通用模型的方法。

基于自适应交互多模型算法的传感器故障诊断

在标准的交互多模型算法中,模型切换概率和模型噪声方差都假定为先验信息,但是系统的模型信息一般隐含在当前的量测信息中,因此本文提出一种在线辨识模型切换概率和噪声方差的自适应交互多模型算法,在建立传感器的全局故障和局部故障模型的基础上,对自主水下航行器多个传感器的局部故障与全局故障进行了诊断。在仿真过程中发现,与一般的多模型自适应估计方法(MMAE)相比,此方法算法简单,能够更加准确可靠地诊断故障。

考虑期望恢复成本的鲁棒性飞机排班模型

为了减少不正常航班给航空公司生产计划的实际运行带来的影响,在经典飞机排班模型的基础上,考虑航班的期望恢复成本和航班计划的鲁棒性2个因素,对飞机排班模型作了改进.从延误、取消、飞机交换和调机4种恢复措施讨论了航班期望恢复成本的构成,以总运行成本最小和总鲁棒性最大建立了双目标的鲁棒性飞机排班模型.在AIMMS软件中实现了该模型的求解,算例结果表明,在总运行成本增加不多的情况下,该模型能有效提高飞机排班计划的鲁棒性.

自适应交互多模型滤波在INS/CNS组合导航中的应用

针对惯性/天文(INS/CNS)组合导航系统中由于量测噪声的统计特性随应用环境发生变化而导致滤波精度降低的的问题,提出了一种基于自适应交互多模型(AIMM)的组合导航算法,该算法将改进的Sage-Husa自适应滤波器与交互多模型相结合,以少量的模型实现对实际模态的覆盖。仿真结果表明:与常规Kalman滤波方法相比,该方法较好地覆盖了实际模态变化情况,实现了对量测噪声统计特性变化的自适应调整,在观测值发生异常时,导航参数误差没有大的跳变,导航滤波器在观测值异常时具有一定的自适应能力,从而保证了导航滤波器的可靠运行,提高了导航系统的精度和可靠性。

港口选择的决策支持系统模型研究

本研究在于使用AIMMS发展一个决策支持系统,以帮助班轮航运公司解决港口选择问题的决策。AIMMS是一种最优化系统发展工具,同时,在港口选择的各种应用方法中,采用了层次分析法内置于AIMMS中。层次分析法是多目标多准则的衡量方法。它解决了如何建构复杂的决策问题,确定问题的各个标准,并衡量各个标准间的相互联系,最终整合所有的信息来确定各个衡量标准的优先权——即参数选择。层次分析法和AIMMS的整合能帮助港口的管理人员进一步理解港口用户所认为的重要的港口服务特性。文章提出了该决策支持系统的模型框架和港口选择的运行步骤,并通过3个案例进行了具体的功能解释。

基于坐标转换的卡尔曼交互式多模型滤波算法

为解决舰炮火控系统中在笛卡尔坐标系中测量信息的互相关性,分析了目前舰炮火控系统中所用到的坐标系及其坐标变换,在瞄准线坐标系内建立了自适应滤波的交互式多模型算法,能够充分利用跟踪传感器的量测信息,在卡尔曼滤波中具有较强的自适应能力,通过与标准交互式多模型算法的对比验证,自适应交互式多模型算法在计算精度上明显好于标准交互式多模型算法。