һ������ȱ���Ķ������۴���ģ��

利用存贮论知识，研究了一类订货销售存贮模型。考虑到在现实中往往存在订货批量折扣现象，因此在模型中假设有批量折扣，同时假设需求速度是连续的、均匀的；允许发生缺货，并产生缺货费用。库存系统的平均总费用包括订货费用、存贮费用和缺货费用。据此建立有批量折扣且允许缺货的订货销售存贮模型，使模型更接近于实际，并利用数学方法对该模型进行了求解，确定了最优订货批量和最优订货周期，以及平均每天的最小总费用。 最后，通过实例说明了模型的应用。     

基于无迹卡尔曼滤波与遗传算法相结合的车辆状态估计

针对汽车状态估计中过程噪声和量测噪声统计特性不确定的状况,通过UKF算法与遗传算法相结合,提出一种新的自适应滤波算法,以降低噪声对估计结果的干扰。为达到较高的精度,建立了7自由度非线性车辆动力学模型,结合"魔术公式"轮胎模型对汽车行驶过程中的纵、侧向速度、轮胎力和质心侧偏角分别进行了估计。在利用UKF对汽车状态参数进行估计的同时,引入遗传算法,根据适应度函数对过程噪声和量测噪声进行寻优,实现了噪声的自适应作用,估计精度大幅提高。仿真和道路模拟试验的结果表明,UKF结合遗传算法的方法,能提高估计精度且具有很好的抗干扰性。     

基于多传感器信息融合的汽车行驶状态估计

为了保证汽车的主动安全控制,需要准确地估计车辆行驶状态信息。针对目前汽车状态估计中由于技术条件限制和成本过高造成的部分参数无法测量或不易测量的问题,本文中利用低成本传感器,基于信息融合技术进行汽车行驶状态估计。建立了包括横摆、横向和纵向的3自由度非线性汽车动力学模型,同时为降低噪声对系统影响,建立了自适应无迹卡尔曼滤波(AUKF)的信息融合算法,给出车辆状态最小方差意义下的融合结果。利用纵向加速度、侧向加速度和转向盘转角等低成本传感器信号融合得到所需的难以测量的质心侧偏角、横摆角速度和纵向车速。通过Matlab/Simulink-CarSim联合仿真和实车试验对所研究的估计算法进行了试验验证。试验结果表明:该算法能够准确地估计汽车质心侧偏角、横摆角速度和纵向车速,且相比于无迹卡尔曼滤波(UKF),本算法提高了估计精度和实时性。     

基于区间D-S证据理论的干线公交信号优先方案评价模型

大力提倡乘用公共交通出行是缓解城市拥堵的最有效途径之一,同时,采用公交信号优先方法是提高干线运行可靠性的重要措施,但现有研究较少涉及评估干线公交信号优先方案的优劣,为了弥补干线公交信号在评价方面的不足以及提高整个交通网络的通行效率,加强出行安全,缓解道路交通拥堵,减少汽车尾气对环境的污染,提出了一种公交信号优先方案的评价模型。首先,从交通效率、运营成本和节能减排3个方面构建干线公交优先行驶的信号指标评价体系;然后,利用个体的经验与所能收集到的相关事实和数据进行证据推理,搭建公交优先行驶的信号评价的区间D-S证据理论决策模型;最后,针对指标属性的不确定性和单决策者决策经验的片面性,将证据理论和多属性决策相结合,利用D-S证据理论评估其优劣并选出最优方案。结果表明,基于区间D-S证据理论的干线协调公交信号优先评价模型,在方案选择上可以帮助决策者排除不确定性和多属性产生的干扰,使决策变得更合理;结合算例证明了模型的正确性,为公交信号优先方案的评价提供了新的理论、方法,可以有效避免公交信号优先评价过程中的单决策者的片面性、指标属性的模糊不确定性,为公交信号优先的推广应用提供了技术支持。