一、遗传模糊系统的研究概述（论文文献综述）
刘佳佳[1]（2021）在《基于模糊逻辑和强化学习的交通信号优化方法设计与实现》文中认为近年来,我国社会经济高速发展,城市规模逐渐扩大,伴随而来的是城市中的机动车数量的快速增加,由此造成道路拥堵、交通事故频发、汽车尾气排放污染环境等一系列问题。解决这些问题的关键途径是提升路网的通行能力,通过减少车辆在交叉口的延误时间来提高城市路网的通行效率。在以上背景下,本文设计并实现了三种城市单交叉口的交通信号控制方法,并通过二次开发Sumo仿真软件进行对比分析。（1）设计与实现一种交通灯信号的模糊控制方法。该方法基于四相位定相序对单交叉口交通灯进行控制,采用两层模糊控制系统,第一层模糊控制系统输入为车辆排队数和车辆到达率,输出为当前相位和下一相位交通流强度。第二层模糊控制系统以两个相位的交通流强度作为输入,输出为当前绿灯相位的绿灯延长时间。实验结果表明该方法的控制性能优于Sumo仿真软件自带的定时控制方法与传统模糊控制方法。（2）利用遗传算法来优化模糊控制系统。将模糊规则和隶属度函数参数编码为染色体,以车辆平均等待时间等评价指标构建适应度函数。种群迭代过程中,将个体解码为模糊控制系统的规则和隶属度函数参数,然后利用仿真软件对个体代表的控制系统进行仿真,得到个体评价函数值。在选择过程中加入了精英保留策略来保证最优个体不被破坏。经过遗传算法优化后,模糊控制系统控制交通信号灯的性能得到明显提升。（3）利用强化学习方法解决单交叉口交通信号灯控制问题。该方法充分利用路网传递的交通流参数,将路网截取为位置、速度矩阵,并将其作为输入状态。采取车辆的平均等待时间作为奖励函数,输出相位的持续时间作为动作。求解Q值时,为了解决过度估计问题,采用双竞争深度Q网络算法。实验结果表明,该强化学习方法控制性能优于Sumo自带的定时控制方法。（4）在上述算法的基础上,设计与实现了一个交通信号灯控制仿真系统。该系统包括用户管理、交通元素管理、交通信号灯控制方案仿真、任务管理等功能模块,能够根据单交叉口的车流数据自动决策信号灯的相位周期,为交通管理人员提供易于操作的交通仿真工具。
卿金晖[2]（2021）在《基于FPGA的无刷直流电机转速控制系统设计与实现》文中研究表明无刷直流电机由于具有功率密度大、调速性能优、运行可靠和易于维护等特点被广泛应用于国防、航空航天、机器人、精密机床等领域。随着信息技术的发展,现有基于单片机和DSP的控制系统以及基于PID的控制算法已无法满足应用对转速和稳定性方面的要求,具有良好并行处理能力的FPGA和智能优化算法成为电机转速控制系统的研究热点。本文提出了一种遗传优化的模糊PID控制算法来提高无刷直流电机的转速控制精度,并基于FPGA设计了相应的转速控制系统,搭建了系统测试平台,并对系统性能进行了综合测试。具体研究内容包括:首先介绍了无刷直流电机的结构,并分析其工作机理,推导出数学模型。基于该模型提出了一种遗传优化的模糊PID转速控制算法,其采用模糊控制来自适应调整传统PID的KI、KP、KD参数,并根据实际工况通过遗传算法来动态修正模糊控制器的模糊规则和隶属度函数,从而精确控制电机转速。与传统PID和模糊PID控制算法进行对比分析,验证了所提出算法的性能。其次,采用FPGA设计了无刷直流电机转速控制系统。通过NIOS-II软核设计了遗传优化的模糊控制模块,并在QUARTUS-II下使用VERILOG语言依次设计了转速计算、PID、PWM以及报警模块。根据主控模块的有限状态机,完成转速反馈计算、转速处理决策以及控制输出等功能。此外,在MODELSIM环境下,对各个模块的功能进行了测试。然后,设计并搭建无刷直流电机转速测试平台。采用Cyclone IV FPGA EP4CE115F29C7为主控,分别设计了FPGA的外围电路,包括A/D转换、电平转换、转速检测、转子位置检测、驱动、系统保护以及电源。并以80BL110S50-445TKA无刷直流电机为对象,搭建了系统测试平台。最后,基于搭建的无刷直流转速测试平台,对系统性能进行了综合测试。在PID和遗传优化的模糊PID算法条件下,分别采用示波器和Signal Tap II测试了算法在不同转速条件下的跟踪能力,验证了算法的性能以及实际应用效果。本文采用FPGA设计了无刷直流电机转速控制系统,通过搭建的实测平台验证了系统的性能。为无刷直流电机智能控制算法在FPGA的实际应用提供了借鉴,能有利促进FPGA在电机控制领域的广泛应用。
姜珍妮[3]（2021）在《基于耦合DNA-GA-P系统的聚类分析研究》文中指出依据生物体中细胞器和细胞膜的工作原理,P系统可按照极大并行模式运行,其计算能力等价于图灵机,当前已经被学者们用于处理数据挖掘问题。DNA遗传算法（DNA Genetic Algorithm,简称DNA-GA）模拟生物的遗传信息表达机制,该类信息表达过程同样发生在真核生物的细胞中,所以本文我们将P系统与DNA遗传算法进行有效耦合,既可以保留P系统的分布式并行计算能力又可以融合DNA遗传算法丰富的对象表达机制和基因级操作,可以扩展P系统计算模型的对象及规则表达方式,为现有的P系统提供新的动态演化模式,进一步拓宽P系统能处理的问题。在移动数据爆炸式增长的今天,传统的数据处理方式已经不能满足海量数据处理的需求,数据挖掘由此而生,其中聚类分析是数据挖掘领域的一项重要研究内容,作为一种可以处理数据并从数据中提取可用知识的有效手段,其重要性在模式挖掘、图像处理等领域得到广泛认可。但当前的聚类方法自身都存在一些不足之处,我们除了可以改进算法本身外,还可以借助其他优化方法对聚类方法做进一步优化。因此可以在聚类方法中结合新的优化算法,融入新的计算模型,以便进一步优化聚类效果。新方法和新模型的研究是数据挖掘领域的重要课题。本文的主要研究内容如下:（1）构建耦合DNA-GA-P系统基于P系统以及DNA遗传算法的生物学知识,构建新型的耦合DNA-GA-P系统。同时基于耦合DNA-GA-P系统,提出四种扩展的耦合DNA-GA-P系统,分别是:具有定向交流与概率进化规则的耦合DNA-GA类细胞P系统,具有膜分裂/膜溶解规则的耦合DNA-GA类组织P系统,基于链式拓扑结构的耦合DNAGA-P系统以及基于自组装思想的耦合DNA-GA种群P系统。并对提出的P系统进行了收敛性分析和系统分析。（2）对四种常用聚类算法进行改进,分别将四种耦合DNA-GA-P系统用于实现改进之后的聚类算法,具体有:a)提出了基于耦合DNA-GA类细胞P系统的模糊C均值聚类算法基于权重均值的距离计算方式被用于计算模糊C均值聚类算法（Fuzzy Cmeans clustering algorithm,简称FCM）的目标函数。新型的耦合DNA-GA类细胞P系统被用于实现聚类过程,利用耦合DNA-GA-P系统的全局搜索能力和跳出局部最优的能力进一步优化改进算法,使用了UCI数据集对改进的算法进行了性能验证。b)基于耦合DNA-GA类组织P系统的密度峰值聚类算法基于K近邻（K-Nearest Neighbor,简称KNN）和香农熵的计算方法被用于计算数据点的密度矩阵。耦合DNA-GA类组织P系统被用于实现聚类过程。新的类组织P系统能够在提高算法效率的同时还降低算法的复杂性。最终,在人工数据集和UCI数据集上分别进行了实验验证。c)基于耦合DNA-GA链式P系统的集成模糊K-modes算法基于直觉模糊集（Intuitionistic fuzzy set,IFS）和核技巧,均衡地解决模糊Kmodes算法所有属性问题,提高算法对噪声的鲁棒性。然后将改进之后的模糊Kmodes算法与另外两种K-modes算法作为基聚类算法,综合三个算法的各自优势,对模糊K-modes算法做一致性聚类。耦合DNA-GA链式P系统被用于实现提出的集成聚类算法,以防止聚类算法陷入局部最优,同时实现隐式并行的聚类过程。d)基于耦合DNA-GA种群P系统的多视图谱聚类算法提出一种新的基于KNN和图思想的自动加权多视图一致性聚类算法。一方面,在初始化数据表示矩阵（相似度矩阵）的过程中使用K近邻思想。另一方面,采用相似度矩阵而不是原始数据对象来学习一致性矩阵。相似度矩阵将在迭代过程中不断更新。然后,在一致性矩阵生成过程中,为了考虑不同视图的不同贡献,系统自动为各个视图生成权重,并在后期更新过程中同步更新每个视图的权重信息。最后,当一致图收敛时,对一致图执行谱聚类算法,并得到最终的多视图聚类结果。将这个多视图谱聚类过程按照具体规则要求在耦合DNA-GA的种群P系统中完成,系统的极大并行性可进一步提高算法的运行效率。（3）将提出的基于耦合DNA-GA-P类细胞P系统的模糊C均值聚类算法和基于耦合DNA-GA种群P系统的多视图谱聚类算法分别用于图像分割和文本聚类中。综上所述,本文主要提出了一种新型的耦合DNA-GA-P系统,并基于系统定义,结合P系统中的进化交流、膜分裂膜溶解、链式拓扑结构以及自组装思想的基本概念,扩展了四种耦合DNA-GA-P系统,同时分别将四种系统用于四种改进的聚类算法中,最后将其中两种基于耦合DNA-GA-P系统的聚类算法分别用于图像分割和文本聚类的实际应用中。
李丹[4]（2021）在《基于改进遗传算法的柔性作业车间调度问题的研究》文中研究说明随着经济全球化的影响,我国的制造业得到了迅猛的发展,已经开始慢慢转型,正向着制造业强国迈进,致使我国的制造业面临着重要的挑战。制造业要想得以生存,就需满足客户对产品多元化、广泛化、智能化、定制化、个性化的要求。车间生产调度这个核心技术是影响企业健康发展的重要因素。为了满足经济的发展和快速的适应市场的需求,柔性制造系统成为了企业的需要。柔性作业车间调度问题存在于各类柔性制造系统中。本文对柔性作业车间调度问题的研究主要工作如下:针对实际加工过程中存在不确定性因素的问题,采用模糊数表示不准确的加工信息。提出了一种改进的遗传算法来求解模糊柔性作业车间调度问题,以最小化最大完工时间为研究问题的优化目标,模糊柔性作业车间调度问题中不确定的加工时间用三角模糊数来表示。此算法针对柔性作业车间调度问题的复杂性,设计了一种基于工序排序和工序对应加工机器号的双层编码方式,根据模糊操作对适应度值进行了计算,采用一种新的转换公式将目标函数值转换为适应度值,在选择操作中采用轮盘赌法从种群中选择优良个体进入下一代种群,在交叉操作中采用两种不同的交叉方式进行优良个体的选拔。最后通过Matlab模拟仿真和实验对比,验证了模型的可行性和算法的有效性。针对生产过程柔性化和管理决策多样化的问题,多目标柔性作业车间调度成为了研究的热点。本文以最大完工时间、拖期时长、机器总负荷、总能耗为优化目标,提出了改进NSGA-Ⅱ算法来求解多目标柔性作业车间调度问题,对算法的编码和解码、Pareto排序、选择策略、交叉变异操作进行了研究。采用工序排序和机器选择的双层个体编码方式;在精英选择过程中通过计算个体的斜率,斜率小的进入到父代,使得优秀个体得以保存;在变异环节中基于关键工序块结构邻域,采用插入法让工序小的工件优先加工,使得最大完工时间明显变小。最后进行了Matlab模拟仿真和实验对比,有效验证了该模型的可行性和算法的优越性。
何文雯[5]（2021）在《基于模糊神经网络的网络运行态势感知研究》文中认为随着网络通信技术的不断发展,网络给人们的生活带来了极大的便利。在为人们带来便利的同时,网络的运行质量也影响着我们生活的方方面面。保证网络的运行质量,对当前的网络态势给出合理的判断,同时对未来时刻的网络态势给出合理的预测,是当前网络管理中研究的重点。基于网络运行数据的网络运行态势感知技术则是解决这一问题的关键。而网络运行数据具有多源、海量、复杂、不确定性和模糊性的特点,因此网络运行态势感知实质上是分析复杂数据的过程。将模糊理论和神经网络技术相结合,可以使模糊逻辑推理系统借助神经网络强大的并行计算能力大大地提高其模糊推理能力。同时在神经网络上引入了模糊理论后,可以使神经网络自适应地处理模糊信息。因此本文基于模糊神经网络进行网络运行态势感知,其主要研究内容有如下几个方面:1、确定了网络运行质量指标评价体系。本文依据指标评定的全面性、可测性、独立性和真实性原则,综合网络性能和网络流量两个方面的指标,并分别选取网络层和应用层的协议流量指标,从网络性能和业务质量两个方面反映网络的运行质量。此外,本文在确定指标的过程中,充分考虑了指标的可测性。2、提出了CSA-模糊神经网络。结合网络运行态势感知的目标和需求,同时考虑到网络运行数据大都具有模糊性,本文将模糊逻辑推理系统和神经网络相结合,提出基于CSA-模糊神经网络结构的网络运行态势感知模型。将CSA-模糊神经网络和传统的模糊神经网络进行对比,实验证明,本文提出的模糊神经网络模型具有更快的训练速度。3、改进了模糊神经网络学习算法。遗传算法容易受交叉概率和变异概率的影响导致局部搜索能力太差,模拟退火算法能够控制合适的降温速率来保证局部搜索能力。本文对两种算法分别进行改进,并将改进后的算法结合,提出AUGAMTSA混合算法。算法的改进有三个方面:第一,采用混合温度下降函数,使算法在搜索初期有较快的收敛速率,在搜索后期温度下降慢,算法拥有好的局部搜索能力。第二,在生成初始种群的过程中加入距离D作为约束条件,产生在解空间均匀分布的初始个体,有利于算法的全局搜索。第三,采用两种编码方式,使算法能够自适应地调节网络结构。并在适应度函数中引入节点个数,个体适应度的大小由误差损失和节点个数共同作用。并对改进算法的收敛效率进行仿真验证,结果表明,该算法的收敛速率和收敛效果表现更优。4、收集真实的网络运行数据,对数据进行预处理和模糊处理。采用提出的CSA-模糊神经网络和改进的AUGA-MTSA训练算法进行训练,找到最优的参数,最终确定网络运行态势感知模型。并对该模型的态势预测准确率进行比较验证,实验证明,本模型在训练过程中收敛效果更好,在测试过程中的态势预测准确率更高。最后搭建网络态势感知系统,采用确定的态势感知模型完成网络运行态势的实时评估,通过可视化的评估结果能够对系统中业务应用模块进行指导。
孙盟[6]（2021）在《基于模糊自适应策略下的多电机同步控制优化》文中指出在目前科学发展繁盛期,对各种产品质量与产量的要求不断提高。多电机同步控制协调技术已经广泛应用于各种工业场合中,在包装机械行业中,针对产品的好坏,多电机同步控制协调技术起了决定性的作用。信封机是由多个部分模块组成的自动化机器,每个功能模块分别靠不同电机驱动,各个部分模块相互协调运动完成信封机的整体工作,本论文以优化信封机同步控制为目的,分析单台永磁同步电机速度控制系统并提出一种经过灾变遗传优化的模糊PID控制策略,提升单电机的响应速度与响应精度。为了进一步提升多电机同步控制性能,模拟信封机单元模块以四台永磁同步电机同步控制系统为对象,提出一种改进型偏差耦合速度补偿结构,具体研究成果主要包括以下内容:首先,对信封机工作状态进行分析,剖析永磁同步电机内部构造并转化成数学模型,按照数学模型研究控制方法,选择空间矢量脉宽调制技术达成电机速度控制目的,并且综合以上方法策略搭建永磁同步电机控制系统的Simuink仿真模型。分析常见的电机控制策略,将灾变遗传模糊PID控制方法,替换原始PID控制策略,针对原始模糊控制方法存在的不足,运用灾变遗传算法优化模糊控制器中的模糊规则,针对原始遗传算法面对非线性、复杂问题时具有陷入局部最优解、“早熟”等缺点,添加了灾变操作。并且通过仿真证明控制方法的可行性与有效性。针对现有的多电机同步控制方法进行结构分析,提出一种新型速度补偿器,用Simulink软件对各个同步控制策略进行仿真比较,验证改进型偏差耦合速度补偿器的可行性与优化性能。最后,将基于灾变遗传模糊PID的永磁同步电机按照改进型偏差耦合的同步控制连接方法搭建四电机并联仿真模型,仿真结果表明:各个电机间同步误差减小,更快达到速度同步,提升了信封机的同步控制性能。
卫敏[7]（2020）在《电弧炉电极调节器智能控制及远程监控》文中研究表明在当今工业炼钢过程中,电弧炉越来越受到欢迎。电弧炉电极控制器是工业炼钢过程中最核心的部分,有效的电极控制器可以提高电弧炉生产率、减少电极消耗和出钢时间。研究一种新型的电极控制算法是非常有必要的。本设计以电弧炉电极调节器为研究对象,建立了电弧炉阻抗模型、供电系统模型、液压系统模型及电弧炉电极调节系统模型,通过simulink来进行仿真,得到了弧流与弧长之间的非线性曲线图,然后通过最小二乘法对其曲线进行拟合,得到弧流与弧长的关系表达式,最后根据实际运行参数对液压调节系统中的比例阀、液压缸等给出了具体的传递函数,为了与实际电弧炉工作尽可能相似,在仿真过程中加入了白噪声和干扰来模拟电弧的时变性、随机性,从而更好的建立电弧炉模型。在交流电弧炉模型建立的基础上,分析了现有的电极调节系统的控制算法,总结出这些算法的优缺点,对于非线性时变性的电弧炉来说,控制效果不太好。本文针对这种复杂的时变系统,采用了遗传模糊逻辑控制器（GFLC）算法来进行电极控制,该算法是利用遗传算法来构造模糊逻辑控制器的双层迭代进化算法,设计了一种新型的编码方式克服了非线性不好控的问题,使得控制性能更加高效。与传统PID控制算法相比,GFLC通过选择逻辑规则和调整隶属函数来实时快速控制电极调节参数,从而节约电能,提升炼钢效率。本文在某钢厂120吨的电弧炉的背景下,采用了西门子S7-1500系列的PLC来设计电弧炉计算机控制系统,从而实现电弧炉电极调节过程。在分析了电弧炉每个功能模块后,使用博途软件来对整个电弧炉进行PLC的程序控制,然后采用WinCC来编辑上位机界面,可以快速的采集到实时的弧流弧压等数据。因其炼钢环境恶劣,工作人员一直在现场操作也不是长久之计,设计了一种基于WEB的电弧炉远程监控系统,便于工作人员不在现场也能实时监控炼钢过程,从而达到智能化。比如,当炼钢过程中发生电极短路等各种故障时,远程监控系统会提示报警信息,使工作人员能够快速的操控紧急情况。
赵艳[8]（2020）在《高血压疾病管理的风险预测与控制决策研究》文中研究表明近年来,以高血压、糖尿病和恶性肿瘤等为主的慢性病患病率、死亡率在全球逐年上升,并有向年轻化发展的趋势。其中,高血压在各慢性病中是导致死亡第1位、负担第3位的疾病。2018年中国高血压大会指出:2012年我国18岁以上成人高血压患病率已为23.2%,患病人数已达2.45亿,与2002年相比较,快速增加了20%。尽管如此,我国的高血压预防和控制水平却还很低,存在着“三低”现象,即知晓率低、治疗率低和控制率低。高血压已成为我国居民致死致残的头号杀手,严重地影响着居民的生活质量及国民经济的发展,给社会、家庭及个人带来了沉重的负担。因此,如何深入开展高血压疾病管理的影响因素分析,科学预测其发生风险,并对其进行有效的控制决策,已成为一项我国亟待解决的重大课题。本文围绕着高血压疾病的影响因素分析、风险预测及其控制决策,进行了深入的研究。鉴于高血压疾病具有起病时间长,缺乏明确病因证据,病情迁延不愈等特点。首先,在查阅了大量国内外相关研究文献的基础上,分析了国内外专家学者关于高血压疾病的成因影响、预测及其控制研究现状,拟定了本文的主要研究目标、内容、方法和技术路线。其次,依据上海瑞金医院及34家医联医院近十年的高血压疾病患者数十万条门诊及住院数据,阐述了高血压疾病的级别划分及其主要的临床识别方法;运用数据组织切分、数据集市构建等原理,提取了高血压疾病发生发展的可能影响因素;运用德尔菲法确定了高血压疾病的重要影响因素;运用层次结构模型确定了各重要影响因素之间的聚类关系,构建了相应的因素层次结构;运用三角模糊层次分析法确定了各重要影响因素的权重及其排序,为聚焦于高血压疾病管理的风险预测与主要影响因素的控制决策奠定了基础。然后,依据已确定的高血压疾病管理重要影响因素,运用预分析及Logistic回归模型,建立了高血压疾病管理的风险预测模型,进一步凝练了高血压疾病管理的主要影响因素,以尽早知晓高血压的发生,提高高血压疾病管理的知晓率;并运用CART分类回归树原理,进行了原发性和继发性高血压的分类研究,以开展针对性的治疗,有效提高高血压疾病管理的治疗率。进而,对高血压疾病管理的重要影响因素进行了详尽的控制分析。鉴于可量化的高血压疾病影响因素众多,因素之间的相互联系、参考值范围上下指标的制约关系等所形成的多目标决策问题,基于主要目标法、分层序列法与目标规划法原理,将其融合,创建了高血压疾病管理的多目标控制决策模型,对主要影响因素进行了控制决策研究,提高了高血压疾病管理的控制率。最后,基于高血压疾病的因素分析、风险预测及控制决策研究,结合上海市科委的《基于区域医疗大数据的高血压患病趋势分析系统示范应用》课题研究,按照《国家慢性病综合防控示范区建设管理办法》提出的要求,结合信息技术,研发了基于互联网运行的高血压疾病管理信息系统平台,用于高血压疾病患者的档案管理、诊断与评估等支持,取得了良好的应用效果。本研究立足于学科特点,将仅局限于成因分析和治疗范畴的高血压疾病管理研究,拓展为了对高血压疾病管理的风险预测及其控制决策研究,创新了高血压疾病管理研究的视角;运用数据集市构建原理、三角模糊层次分析法、Logistic回归模型、多目标决策模型,创建了完整的高血压疾病管理研究过程,逐步明确了高血压疾病发生发展的病因证据,得出了新的结论;融主要目标法、分层序列法与目标规划法原理为一体,改进了多目标控制决策模型的构建方法。本研究过程、方法与结论对提高我国高血压疾病管理的知晓率、治疗率和控制率,改善患者生活质量,提高社会医疗水平,有着重要的现实意义,对其它慢性病的管理研究,具有一定的借鉴作用和参考价值。
张梦媛[9]（2020）在《基于客户需求分组的快递车辆路径优化研究》文中研究表明随着现代物流业和电子商务的高速发展,我国快递配送需求增长迅速,客户需求呈现出多样化、细分化、个性化的发展趋势,同时客户对快递配送服务提出了更高的要求。制定合理的配送方案,提供精准快速专业的配送服务,对快递服务的速度、成本和效益有很大的影响。在满足客户需求的情况下合理安排配送路径,为每一位顾客提供适当的服务,有助于提高快递配送服务水平、提高客户满意度、提高快递企业的市场竞争力。本文的主要研究工作包括:（1）系统地介绍了基本车辆路径问题和基于客户需求的车辆路径问题的国内外学者的研究现状,对比分析了车辆路径问题的类型和求解算法,归纳研究了使用较普遍的五种碳排放测算模型。（2）提出了一种基于客户需求分组的两阶段车辆路径优化方法,在考虑客户需求属性和客户满意度的基础上,规划合理的车辆路径方案。第一阶段,通过分析快递客户的主要特征因素,从客户属性和快件属性两个层面选择了影响快递配送服务质量的五个因素作为客户分组的决策指标,分别对其中的定量指标和定性指标进行数据处理,计算决策指标权重,建立相似度矩阵,然后采用模糊聚类方法对客户进行合理分组。第二阶段,选择对客户满意度影响较大的时间满意度和货物完好满意度两个因素建立客户满意度模型,然后将合适的碳排放测算模型和客户满意度模型引入传统的快递车辆路径模型中,考虑时变网络的影响,建立以运输成本最低、碳排放成本最少、客户满意度最高为目标函数的快递车辆路径模型,并采用遗传算法完成组内车辆路径规划。（3）本文以北京市海淀区的数据作为实例分析的数据,对比分组情况和未分组情况下的最优路径的算法求解时间、运输总成本和客户需求相似度,发现分组后算法求解效率提高、总成本略有增加、客户需求属性相似度较高,验证了本文的分组模型和算法的合理性。同时,对比考虑客户满意度情况下和仅考虑成本最小情况下的最优路径的总成本和平均客户满意度,发现虽然总成本有一定程度增加,但客户满意度也有明显的提升,验证了本文的车辆路径模型和求解算法的有效性。实验结果表明,本文所提出的基于客户需求分组的快递车辆路径优化方法,可以有效地提高客户满意度,有助于企业针对不同客户需求安排配送方案,提高配送服务质量,实现企业和客户双赢。
车欣[10]（2020）在《工业控制系统漏洞挖掘技术研究》文中研究指明工业可编程逻辑控制器广泛应用于工业生产中,一旦攻击者利用其存在的漏洞攻击成功,轻则会造成生产中断给企业带来经济损失,严重地还会造成人员伤亡。因此,如何快速挖掘工业可编程逻辑控制器存在的漏洞,提高其安全性,正逐渐成为安全研究人员的研究热点。为了更加快速的挖掘工业可编程逻辑控制器存在的漏洞,本文提出了一种基于工控协议模糊测试的工控漏洞挖掘方法,通过向被测PLC发送经过专门构造的畸形数据包来挖掘PLC存在的漏洞。具体内容包括:（1）构建了工控协议描述模型。为了统一描述工控协议,以便于之后对私有协议结构解析的研究,本文构建了一个五元组来描述工控协议中各字段的属性以及相邻字节间的关系等。（2）设计了基于遗传算法的公有协议模糊测试方法。在进行公有协议模糊测试时,本文以Modbus TCP协议为例,针对协议模糊测试存在生成测试用例冗余度高和无法根据被测PLC的反馈来调整模糊测试用例生成等问题,本文通过深入解析Modbus TCP协议结构,提出了Modbus TCP协议字段取值规则,用以在遗传算法生成测试用例时指导各字段取值范围,从而减少生成无效测试用例的数量,达到降低冗余度的目的。其次,建立了测试用例队列,用以保存已经发送的模糊测试用例和在收到该测试用例后被测PLC响应报文中的异常码,并在遗传算法中计算个体适应度时,从个体与种子队列中种子的相似度以及该种子的异常码两方面来进行计算,从而实现根据被测PLC的反馈来调整模糊测试用例生成的目标。（3）设计了基于信息论的私有协议结构解析方法。针对现有工具无法对未知结构的私有协议进行结构解析这一问题,本文从信息论的角度出发,通过引入信息论中信息熵、互信息和联合熵,结合本文提出的互信息率和相邻两个字节不属于同一个字段的三个判定条件来进行私有协议的结构解析,从而提高了协议模糊测试系统的适用性。（4）设计了基于遗传算法的私有协议模糊测试方法。在完成私有协议结构解析的基础上,通过遗传算法来生成私有协议模糊测试用例。通过计算生成测试用例和初始种群中各数据包的相似度,再根据构造的适应度函数来计算该测试用例的适应度值,以挑选出尽可能满足私有协议格式且变异程度高的测试用例。（5）设计与实现提出的工控协议模糊测试方法,并进行实验验证。在进行公有协议模糊测试实验中,本文使用所提出的方法对支持Modbus TCP协议的两款PLC进行模糊测试,最后挖掘到了两个0-day的拒绝服务漏洞;在进行私有协议结构解析实验中,本文使用所提出方法首先分别对Modbus TCP协议数据集和S7Comm协议数据集进行结构解析,通过解析结果验证了方法的有效性,之后再对一种未知结构的私有协议进行结构解析。在进行私有协议模糊测试实验中,基于对该私有协议结构解析的结果,本文对支持该私有协议的两款PLC进行模糊测试,最后挖掘到两个拒绝服务漏洞,其中一个是0-day漏洞。实验结果证明了本文所提出的方法可有效提高对支持公有协议或未知结构的私有协议的PLC的漏洞挖掘效率。
二、遗传模糊系统的研究概述（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、遗传模糊系统的研究概述（论文提纲范文）
（1）基于模糊逻辑和强化学习的交通信号优化方法设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 模糊控制方法 |
| 1.2.2 演化算法 |
| 1.2.3 强化学习方法 |
| 1.3 论文主要工作 |
| 1.4 论文结构框架 |
| 第二章 背景知识介绍 |
| 2.1 模糊控制 |
| 2.1.1 模糊控制理论概述 |
| 2.1.2 模糊控制基本原理 |
| 2.2 遗传算法 |
| 2.2.1 遗传算法理论概述 |
| 2.2.2 遗传算法基本原理 |
| 2.3 强化学习 |
| 2.3.1 强化学习理论概述 |
| 2.3.2 强化学习基本原理 |
| 2.3.3 强化学习关键要素 |
| 2.3.4 强化学习主要算法 |
| 2.4 Sumo仿真软件 |
| 2.5 本章小结 |
| 第二章 单交叉口交通信号模糊控制方法的设计与实现 |
| 3.1 单交叉口交通信号灯控制问题 |
| 3.2 模糊控制算法 |
| 3.3 模糊控制系统设计与实现 |
| 3.4 仿真及实验结果分析 |
| 3.5 本章小结 |
| 第四章 单交叉口交通信号的遗传模糊控制方法的设计与实现 |
| 4.1 遗传算法优化模糊控制系统 |
| 4.2 染色体编码和初始种群产生 |
| 4.3 个体的评价 |
| 4.4 选择 |
| 4.5 交叉 |
| 4.6 变异 |
| 4.7 仿真及实验结果分析 |
| 4.8 本章小结 |
| 第五章 单交叉口交通信号强化学习控制方法的实现 |
| 5.1 3DQN算法 |
| 5.1.1 卷积神经网络CNN |
| 5.1.2 Dueling DQN |
| 5.1.3 Target Network |
| 5.1.4 Double DQN |
| 5.2 强化学习方法控制交通信号灯 |
| 5.3 仿真及实验结果分析 |
| 5.4 本章小结 |
| 第六章 交通信号灯控制仿真系统的设计与实现 |
| 6.1 需求分析及系统设计 |
| 6.1.1 交通元素管理功能 |
| 6.1.2 交通信号灯控制方案仿真功能 |
| 6.1.3 用户管理功能 |
| 6.1.4 用户界面可视化功能 |
| 6.1.5 数据存储 |
| 6.1.6 性能需求 |
| 6.2 系统实现 |
| 6.2.1 用户管理模块的实现 |
| 6.2.2 交通信号灯控制方案仿真模块实现 |
| 6.2.3 交通元素管理模块实现 |
| 6.3 系统测试 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文总结 |
| 7.2 论文展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（2）基于FPGA的无刷直流电机转速控制系统设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状及发展趋势 |
| 1.3 论文主要内容及结构 |
| 第2章 无刷直流电机机理分析 |
| 2.1 结构分析 |
| 2.1.1 电机本体 |
| 2.1.2 转子位置检测机构 |
| 2.1.3 电子换相电路 |
| 2.2 驱动方式 |
| 2.3 工作机理 |
| 2.4 数学模型 |
| 2.5 本章小结 |
| 第3章 基于遗传优化的模糊PID控制算法研究 |
| 3.1 PID控制算法 |
| 3.1.1 PID控制模型 |
| 3.1.2 增量式PID控制 |
| 3.2 模糊PID控制算法 |
| 3.2.1 模糊控制原理 |
| 3.2.2 模糊控制结构 |
| 3.2.3 模糊控制设计步骤 |
| 3.2.4 模糊PID控制策略参数整定原则 |
| 3.3 基于遗传优化的模糊PID控制算法 |
| 3.3.1 遗传算法概述 |
| 3.3.2 算法设计 |
| 3.4 仿真设计 |
| 3.5 本章小结 |
| 第4章 系统FPGA设计 |
| 4.1 FPGA开发流程 |
| 4.2 系统框架描述 |
| 4.3 主控模块 |
| 4.4 基于Nios II遗传算法优化的模糊控制模块 |
| 4.5 数字PID控制模块 |
| 4.6 速度计算模块 |
| 4.7 PWM模块 |
| 4.8 故障报警模块 |
| 4.9 本章小结 |
| 第5章 系统测试平台设计与搭建 |
| 5.1 系统结构设计 |
| 5.1.1 FPGA特点 |
| 5.1.2 FPGA的选型 |
| 5.2 硬件电路设计 |
| 5.3 Nios II平台搭建 |
| 5.4 本章小结 |
| 第6章 系统测试与结果分析 |
| 6.1 系统测试 |
| 6.2 结果分析 |
| 第7章 总结与展望 |
| 7.1 论文总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士学位期间研究成果 |
（3）基于耦合DNA-GA-P系统的聚类分析研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号表示和英文缩写清单 |
| 符号表示目录 |
| 英文缩写目录 |
| 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 P系统的研究现状 |
| 1.2.2 DNA遗传算法的研究现状 |
| 1.2.3 聚类分析的研究现状 |
| 1.2.4 基于DNA遗传算法和P系统的聚类问题研究现状 |
| 1.3 理论概述 |
| 1.3.1 DNA遗传算法 |
| 1.3.2 P系统 |
| 1.3.3 聚类分析 |
| 1.4 研究的创新点 |
| 1.5 论文主要研究内容与组织框架 |
| 1.5.1 研究内容 |
| 1.5.2 论文的组织结构 |
| 第2章 耦合DNA-GA-P系统(CDP) |
| 2.1 问题提出 |
| 2.2 耦合DNA-GA-P系统构建 |
| 2.3 四种扩展的耦合DNA-GA-P系统 |
| 2.3.1 具有定向交流与概率进化规则的耦合DNA-GA类细胞P系统(DPCDP) |
| 2.3.2 带有膜分裂/膜溶解规则的耦合DNA-GA类组织P系统(DDCDP) |
| 2.3.3 基于链式拓扑结构的耦合DNA-GA-P系统(CHCDP) |
| 2.3.4 基于自组装思想的耦合DNA-GA种群P系统(SACDP) |
| 2.4 耦合DNA-GA-P系统的收敛性分析 |
| 2.5 耦合DNA-GA-P系统分析 |
| 2.5.1 DPCDP系统分析 |
| 2.5.2 CHCDP系统分析 |
| 第3章 基于DPCDP系统的模糊C均值聚类算法 |
| 3.1 引入权重均值距离的FCM(WMFCM) |
| 3.1.1 WMFCM算法提出 |
| 3.1.2 实验评价指标 |
| 3.1.3 WMFCM算法性能分析 |
| 3.2 基于DPCDP系统的WMFCM算法实现(WMFCM-DPCDP) |
| 3.2.1 系统基本框架 |
| 3.2.2 细胞1中的进化规则 |
| 3.2.3 细胞2中的进化规则 |
| 3.2.4 细胞3中的进化规则 |
| 3.2.5 不同细胞之间的交流规则 |
| 3.2.6 迭代停止规则 |
| 3.2.7 算法复杂度分析 |
| 3.3 实验分析 |
| 3.3.1 实验数据集 |
| 3.3.2 实验设置 |
| 3.3.3 实验结果分析 |
| 3.3.4 T假设检验 |
| 第4章 基于DDCDP系统的密度峰值聚类算法 |
| 4.1 算法基础 |
| 4.2 引入K近邻和香农熵思想的DPC算法 |
| 4.2.1 当前算法不足 |
| 4.2.2 改进措施 |
| 4.3 基于DDCDP系统的KSDPC算法实现(KSDPC-DDCDP) |
| 4.3.1 系统基本框架 |
| 4.3.2 系统进化规则 |
| 4.3.3 KSDPC-DDCDP算法流程 |
| 4.3.4 算法复杂度分析 |
| 4.4 实验分析 |
| 4.4.1 实验数据集 |
| 4.4.2 实验设置 |
| 4.4.3 实验结果分析 |
| 第5章 基于CHCDP系统的集成模糊K-modes算法 |
| 5.1 算法基础 |
| 5.2 基于核直观权重模糊K-modes算法(KIWFKM) |
| 5.2.1 KIWFKM算法 |
| 5.2.2 算法复杂度分析 |
| 5.2.3 KIWFKM算法性能分析 |
| 5.3 基于CHCDP系统集成FKM算法实现(CFKM-CHCDP) |
| 5.3.1 CHCDP系统结构 |
| 5.3.2 反应链式-超图子系统 |
| 5.3.3 局部交流P系统 |
| 5.3.4 一致性子系统 |
| 5.4 实验分析 |
| 5.4.1 实验数据集 |
| 5.4.2 实验设置 |
| 5.4.3 实验分析 |
| 5.4.4 T假设检验 |
| 第6章 基于SACDP系统的自权重多视图谱聚类(KGWMC-SACDP) |
| 6.1 算法基础 |
| 6.2 SACDP系统基本框架 |
| 6.3 基于KNN和图结构的自权重多视图集成谱聚类 |
| 6.3.1 目标函数 |
| 6.3.2 迭代进化算法 |
| 6.4 KGWMC-SACDP算法分析 |
| 6.4.1 聚类实现 |
| 6.4.2 复杂性分析 |
| 6.4.3 收敛性分析 |
| 6.5 实验分析 |
| 6.5.1 实验数据集 |
| 6.5.2 实验设置 |
| 6.5.3 实验结果分析 |
| 6.5.4 T假设检验 |
| 第7章 耦合算法在两类实际问题中的应用研究 |
| 7.1 耦合WMFCM-DPCDP算法在图像分割中的应用 |
| 7.1.1 图像分割问题 |
| 7.1.2 基于聚类分析的图像分割技术 |
| 7.1.3 实验对比与分析 |
| 7.2 耦合KGWMC-SACDP算法在文本聚类中的应用 |
| 7.2.1 文本聚类方法 |
| 7.2.2 实验数据集 |
| 7.2.3 实验对比与分析 |
| 第8章 结论与展望 |
| 8.1 结论 |
| 8.2 进一步的研究工作 |
| 参考文献 |
| 攻读博士学位期间论文成果 |
| 攻读博士学位期间项目成果 |
| 攻读博士学位期间获奖成果 |
| 致谢 |
（4）基于改进遗传算法的柔性作业车间调度问题的研究（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 柔性作业车间调度的特点 |
| 1.3 研究现状 |
| 1.3.1 模糊柔性作业车间调度的研究现状 |
| 1.3.2 多目标柔性作业车间调度的研究现状 |
| 1.4 主要研究内容与框架 |
| 第二章 柔性作业车间调度问题相关理论 |
| 2.1 柔性作业车间调度 |
| 2.1.1 柔性作业车间调度问题的描述 |
| 2.1.2 柔性作业车间调度的数学模型 |
| 2.1.3 柔性作业车间调度的分类 |
| 2.1.4 柔性作业车间调度的析取图 |
| 2.1.5 柔性作业车间调度问题的研究方法 |
| 2.2 模糊柔性作业车间调度问题 |
| 2.2.1 FFJSP的描述 |
| 2.2.2 FFJSP的数学模型 |
| 2.3 多目标柔性作业车间调度问题 |
| 2.3.1 MOFJSP的描述 |
| 2.3.2 MOFJSP的评价指标 |
| 2.4 小结 |
| 第三章 基于双层编码GA求解模糊柔性作业车间调度 |
| 3.1 引言 |
| 3.2 遗传算法的理论 |
| 3.2.1 遗传算法的提出 |
| 3.2.2 遗传算法的基本思想 |
| 3.2.3 遗传操作的基本流程 |
| 3.3 双层GA求解FFJSP的算法设计 |
| 3.3.1 双层编码和解码 |
| 3.3.2 适应度值 |
| 3.3.3 选择操作 |
| 3.3.4 交叉操作 |
| 3.3.5 变异操作 |
| 3.3.6 流程图 |
| 3.4 仿真验证与分析 |
| 第四章 改进NSGA-Ⅱ算法求解多目标柔性作业车间调度 |
| 4.1 引言 |
| 4.2 NSGA-Ⅱ算法的提出 |
| 4.3 NSGA-Ⅱ算法的基本理论 |
| 4.3.1 非支配解排序 |
| 4.3.2 拥挤距离 |
| 4.3.3 精英保留策略和小生境技术 |
| 4.3.4 锦标赛选择法 |
| 4.3.5 基本算法流程 |
| 4.4 改进NSGA-Ⅱ算法 |
| 4.4.1 染色体编码和解码 |
| 4.4.2 Pareto排序 |
| 4.4.3 精英选择策略 |
| 4.4.4 交叉操作 |
| 4.4.5 变异操作 |
| 4.4.6 流程图 |
| 4.5 仿真验证与分析 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录A 攻读硕士学位期间学术成果 |
（5）基于模糊神经网络的网络运行态势感知研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究历史和现状 |
| 1.2.1 网络态势感知研究现状 |
| 1.2.2 模糊神经网络研究现状 |
| 1.3 本文的主要贡献和创新 |
| 1.4 本论文的结构安排 |
| 第二章 论文相关领域基础知识 |
| 2.1 网络态势感知概述 |
| 2.1.1 网络态势评估方法 |
| 2.1.2 态势分析 |
| 2.2 模糊理论概述 |
| 2.2.1 模糊逻辑推理系统 |
| 2.2.2 T-S模糊模型 |
| 2.3 模糊神经网络概述 |
| 2.3.1 模糊逻辑系统和神经网络的结合 |
| 2.3.2 模糊神经网络结构概述 |
| 2.4 模糊神经网络学习算法概述 |
| 2.4.1 模拟退火算法(SA) |
| 2.4.2 遗传算法(GA) |
| 2.5 本章小结 |
| 第三章 网络运行态势感知总体方案设计 |
| 3.1 网络运行态势感知系统设计 |
| 3.2 网络运行态势方案设计 |
| 3.3 网络运行态势指标的构建 |
| 3.3.1 网络态势指标简介 |
| 3.3.2 构建网络运行态势指标体系 |
| 3.3.3 指标数据的整理 |
| 3.4 数据的模糊化处理 |
| 3.4.1 态势特征的提取 |
| 3.4.2 模糊划分 |
| 3.5 本章小结 |
| 第四章 态势感知模糊神经网络的设计 |
| 4.1 模糊神经网络结构设计 |
| 4.1.1 需求分析 |
| 4.1.2 CSA-模糊神经网络 |
| 4.2 模糊神经网络学习算法的设计及实现 |
| 4.2.1 混合温度模拟退火算法(MTSA) |
| 4.2.2 自适应均匀分布遗传算法(AUGA) |
| 4.2.3 AUGA-MTSA算法 |
| 4.3 实验验证分析 |
| 4.3.1 CSA-模糊神经网络结构对比分析 |
| 4.3.2 CSA-模糊神经网络算法对比分析 |
| 4.4 本章小结 |
| 第五章 网络运行态势感知系统实现与仿真分析 |
| 5.1 网络运行数据的收集和处理 |
| 5.1.1 数据的采集和预处理 |
| 5.1.2 网络数据的模糊化处理 |
| 5.2 基于CSA-模糊神经网络结构的网络运行态势感知仿真 |
| 5.3 基于CSA-模糊神经网络的网络运行态势感知算法仿真 |
| 5.3.1 混合温度模拟退火算法(MTSA)仿真 |
| 5.3.2 遗传算法(GA)参数对态势感知性能的影响 |
| 5.3.3 自适应均匀分布遗传算法(AUGA)仿真 |
| 5.3.4 AUGA-MTSA算法仿真 |
| 5.4 网络运行态势感知仿真结果分析 |
| 5.5 网络运行态势感知系统的应用 |
| 5.6 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的研究成果 |
（6）基于模糊自适应策略下的多电机同步控制优化（论文提纲范文）
| 摘要 |
| Absract |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.1.1 课题的研究背景 |
| 1.1.2 课题的意义 |
| 1.2 发展历程和国内外研究现状 |
| 1.3 课题的研究内容及方法 |
| 1.3.1 课题的研究内容 |
| 1.3.2 课题的研究方法 |
| 1.4 本章小结 |
| 第二章 永磁同步电机的建模以及控制原理的分析 |
| 2.1 永磁同步电机的结构与特征 |
| 2.2 永磁同步电机的数学模型 |
| 2.2.1 永磁同步电机在ABC坐标下的基本方程 |
| 2.2.2 坐标变换 |
| 2.2.3 三相静止坐标系与两相静止坐标系相互转换 |
| 2.2.4 两相静止坐标系转为两相旋转坐标系 |
| 2.3 永磁同步电机的矢量控制 |
| 2.3.1 永磁同步电机的控制原理 |
| 2.3.2 永磁同步电机的矢量控制的控制方法 |
| 2.4 SVPWM技术 |
| 2.4.1 SVPWM的定义及原理 |
| 2.4.2 永磁同步电机矢量控制仿真模型 |
| 2.5 本章小结 |
| 第三章 永磁同步电机的模糊PID控制 |
| 3.1 传统PID控制原理 |
| 3.2 模糊PID控制器 |
| 3.2.1 模糊控制理论 |
| 3.2.2 模糊控制器的结构 |
| 3.2.3 模糊PID的设计 |
| 3.3 永磁同步电机模糊PID控制系统仿真 |
| 3.3.1 永磁同步电机模糊PID控制系统模型 |
| 3.3.2 Matlab下永磁同步电机模糊PID控制系统仿真模型 |
| 3.3.3 仿真结果与分析 |
| 3.4 本章小结 |
| 第四章 永磁同步电机的灾变遗传模糊PID控制 |
| 4.1 遗传算法理论基础 |
| 4.1.1 遗传算法的概述 |
| 4.1.2 遗传算法的原理 |
| 4.2 灾变型遗传算法 |
| 4.2.1 灾变操作 |
| 4.2.2 灾变遗传算法性能计算 |
| 4.2.3 灾变遗传模糊PID控制器设计 |
| 4.3 本章小结 |
| 第五章 多电机同步控制系统设计 |
| 5.1 多电机同步控制结构分析 |
| 5.1.1 并行同步控制 |
| 5.1.2 主从控制 |
| 5.1.3 交叉耦合控制 |
| 5.1.4 偏差耦合控制 |
| 5.2 改进的偏差耦合控制 |
| 5.3 多电机同步控制系统仿真 |
| 5.3.1 并行同步控制仿真 |
| 5.3.2 主从同步控制仿真 |
| 5.3.3 偏差耦合控制 |
| 5.3.4 改进型偏差耦合控制 |
| 5.4 基于灾变遗传模糊PMSM多电机控制仿真 |
| 5.5 本章小结 |
| 总结与展望 |
| 全文总结 |
| 工作展望 |
| 参考文献 |
| 致谢 |
（7）电弧炉电极调节器智能控制及远程监控（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 国外研究进展 |
| 1.2.2 国内研究进展 |
| 1.2.3 电极控制策略的介绍 |
| 1.3 研究内容 |
| 1.4 论文结构安排 |
| 1.5 本章小结 |
| 2 电弧炉系统模型的建立 |
| 2.1 电弧炉工业炼钢工作原理 |
| 2.2 电弧炉工业炼钢设备的组成 |
| 2.2.1 液压调节系统介绍 |
| 2.2.2 电弧炉本体 |
| 2.2.3 主电路设备 |
| 2.3 交流电弧的模型建立 |
| 2.3.1 交流电弧的阻抗模型 |
| 2.3.2 交流电弧模型的验证 |
| 2.3.3 最小二乘法曲线拟合 |
| 2.3.4 电极调节系统模型的建立 |
| 2.4 电弧炉电气运行参数及工作点的选择 |
| 2.5 本章小结 |
| 3 电弧炉电极调节系统控制算法的研究 |
| 3.1 模糊逻辑控制器 |
| 3.2 遗传模糊逻辑控制器 |
| 3.2.1 遗传模糊逻辑控制器分析 |
| 3.2.2 遗传优化逻辑规则和隶属函数 |
| 3.3 改进的遗传算法模糊逻辑控制器 |
| 3.3.1 逻辑规则的编码方式 |
| 3.3.2 隶属函数的编码方式 |
| 3.3.3 遗传算子 |
| 3.3.4 迭代进化算法 |
| 3.4 算法的仿真研究 |
| 3.4.1 仿真分析 |
| 3.4.2 仿真结果 |
| 3.5 本章小结 |
| 4 电弧炉计算机控制系统的实现 |
| 4.1 计算机控制系统的结构 |
| 4.2 系统的配置与功能 |
| 4.3 电极调节PLC设计 |
| 4.3.1 现场电极调节系统设计框架 |
| 4.3.2 现场电极调节系统控制算法设计 |
| 4.3.3 电极调节PLC程序思路 |
| 4.4 电极调节系统程序仿真 |
| 4.5 电极调节系统监控界面设计 |
| 4.6 本章小结 |
| 5 电弧炉远程监控系统设计 |
| 5.1 远程监控系统概述 |
| 5.2 HINET智能网关介绍 |
| 5.3 基于工业网关的远程监控系统 |
| 5.3.1 远程监控系统结构设计 |
| 5.3.2 远程监控系统功能 |
| 5.3.3 远程监控系统程序框架设计 |
| 5.4 远程监控系统通讯协议 |
| 5.4.1 通讯协议的选择 |
| 5.4.2 MQTT协议通讯的实现 |
| 5.4.3 数据通讯的实现 |
| 5.5 远程监控系统的实现 |
| 5.5.1 开发环境及后端设计 |
| 5.5.2 系统前界面设计 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
（8）高血压疾病管理的风险预测与控制决策研究（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 解决的主要问题 |
| 1.3 研究目标及内容 |
| 1.3.1 主要研究目标 |
| 1.3.2 主要研究内容 |
| 1.4 主要创新点 |
| 1.5 研究技术路线 |
| 本章小结 |
| 第2章 国内外研究现状分析 |
| 2.1 高血压疾病的定义与成因分析 |
| 2.1.1 高血压疾病的标准定义 |
| 2.1.2 高血压疾病的成因分析 |
| 2.2 高血压疾病的管理与控制研究 |
| 2.2.1 高血压疾病的管理 |
| 2.2.2 高血压疾病的控制 |
| 2.3 风险预测与控制决策主要方法 |
| 2.3.1 数据处理方法 |
| 2.3.2 风险预测方法 |
| 2.3.3 控制决策方法 |
| 2.4 国内外研究现状综合述评 |
| 本章小结 |
| 第3章 高血压疾病影响因素的权重确定 |
| 3.1 高血压疾病临床症状识别 |
| 3.1.1 高血压疾病的级别划分 |
| 3.1.2 高血压疾病的临床表现 |
| 3.1.3 高血压疾病的临床检查 |
| 3.2 高血压重要影响因素遴选 |
| 3.2.1 临床数据集市构建 |
| 3.2.2 德尔菲法应用原理 |
| 3.2.3 重要影响因素遴选 |
| 3.3 影响因素层次结构的构建 |
| 3.3.1 系统结构可达矩阵生成 |
| 3.3.2 M矩阵的层次结构确定 |
| 3.3.3 影响因素可达矩阵构建 |
| 3.3.4 影响因素层次结构求取 |
| 3.4 模糊层次分析法应用原理 |
| 3.4.1 模糊集及其隶属函数 |
| 3.4.2 模糊集合的基本性质 |
| 3.4.3 三角模糊层次分析法 |
| 3.5 重要影响因素的权重确定 |
| 3.5.1 模糊判断矩阵构建 |
| 3.5.2 模糊判断矩阵计算 |
| 3.5.3 影响因素权重求取 |
| 本章小结 |
| 第4章 高血压疾病管理的风险预测 |
| 4.1 Logistic回归运用原理分析 |
| 4.1.1 多重线性回归分析 |
| 4.1.2 二元Logistic回归分析 |
| 4.1.3 Logistic模型的适用条件 |
| 4.2 数据抽取原理与数据结构构成 |
| 4.2.1 数据抽取原理 |
| 4.2.2 数据结构构成 |
| 4.3 风险预测模型的构建及应用 |
| 4.3.1 风险预测的预分析 |
| 4.3.2 风险预测模型的构建 |
| 4.3.3 预测模型的应用分析 |
| 4.3.4 检验组对模型的检验 |
| 4.4 高血压疾病管理的分类预测 |
| 4.4.1 CART分类回归树原理 |
| 4.4.2 高血压的CART分类 |
| 4.5 高血压疾病诊断与分层支持 |
| 本章小结 |
| 第5章 高血压疾病管理的控制决策 |
| 5.1 重要影响因素的控制分析 |
| 5.1.1 个体因素的控制分析 |
| 5.1.2 环境因素的控制分析 |
| 5.1.3 其他疾病的控制分析 |
| 5.1.4 指标异常的控制分析 |
| 5.1.5 交叉因素的控制分析 |
| 5.2 多目标规划模型决策原理 |
| 5.2.1 多目标规划模型的概念 |
| 5.2.2 目标规划模型决策程序 |
| 5.3 影响因素的模型控制决策 |
| 5.3.1 影响因素控制决策建模 |
| 5.3.2 决策模型初始解的求取 |
| 5.3.3 决策模型解的计算过程 |
| 5.3.4 控制决策指标值的分析 |
| 5.4 高血压疾病管理与控制支持 |
| 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
| 致谢 |
（9）基于客户需求分组的快递车辆路径优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基本车辆路径问题研究现状 |
| 1.2.2 基于客户需求的车辆路径问题研究现状 |
| 1.2.3 研究现状总结 |
| 1.3 研究方法及内容 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 创新点 |
| 1.3.4 技术路线图 |
| 1.4 本章小结 |
| 第二章 快递配送和车辆路径问题基本概述 |
| 2.1 快递服务和配送概述 |
| 2.1.1 快递服务的基本概念 |
| 2.1.2 快递服务的基本特征 |
| 2.1.3 配送的基本概念 |
| 2.1.4 研究配送路径优化问题的意义 |
| 2.2 车辆路径问题概述 |
| 2.2.1 车辆路径问题的基本概念 |
| 2.2.2 车辆路径问题基本要素 |
| 2.2.3 车辆路径问题分类 |
| 2.2.4 车辆路径问题求解算法 |
| 2.3 碳排放测算 |
| 2.3.1 碳排放的基本概念 |
| 2.3.2 影响车辆碳排放的因素 |
| 2.3.3 碳排放的测算模型 |
| 2.4 本章小结 |
| 第三章 基于客户需求分组的快递车辆路径问题模型构建 |
| 3.1 模糊聚类方法 |
| 3.2 客户分组 |
| 3.2.1 客户分组指标的选择 |
| 3.2.2 数据处理 |
| 3.2.3 计算决策指标权重 |
| 3.2.4 计算相似度矩阵 |
| 3.3 基于客户需求分组的快递车辆路径模型构建 |
| 3.3.1 客户满意度模型构建 |
| 3.3.2 碳排放模型构建 |
| 3.3.3 时变网络影响 |
| 3.3.4 基于客户需求分组的快递车辆路径模型构建 |
| 3.4 本章小结 |
| 第四章 基于客户需求分组的快递车辆路径问题算法设计 |
| 4.1 客户分组聚类算法设计 |
| 4.1.1 确定聚类方法 |
| 4.1.2 客户组聚类终止条件判定 |
| 4.1.3 聚类算法步骤 |
| 4.2 基于客户满意度的快递车辆路径问题遗传算法设计 |
| 4.2.1 编码方式 |
| 4.2.2 生成初始种群 |
| 4.2.3 归一化处理 |
| 4.2.4 计算适应度值 |
| 4.2.5 选择算子 |
| 4.2.6 交叉变异操作 |
| 4.2.7 终止条件 |
| 4.2.8 算法流程 |
| 4.3 本章小结 |
| 第五章 案例分析 |
| 5.1 案例说明 |
| 5.2 客户分组 |
| 5.2.1 数据处理以及确定聚类指标的权重 |
| 5.2.2 计算相似度矩阵 |
| 5.2.3 客户聚类 |
| 5.3 组内车辆路径规划 |
| 5.3.1 时间网络设置 |
| 5.3.2 参数设置 |
| 5.3.3 运算结果 |
| 5.4 分组效果分析 |
| 5.5 考虑客户满意度效果分析 |
| 5.6 实验结论 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文主要研究工作总结 |
| 6.2 研究问题的不足和展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（10）工业控制系统漏洞挖掘技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 论文主要工作 |
| 1.4 论文组织结构 |
| 第二章 相关知识和技术概述 |
| 2.1 工控系统概述 |
| 2.2 工控网络协议及脆弱性分析 |
| 2.2.1 Modbus协议概述 |
| 2.2.2 Modbus TCP协议脆弱性分析 |
| 2.3 模糊测试技术概述 |
| 2.4 Peach概述 |
| 2.4.1 Peach简介 |
| 2.4.2 Peach工作流程 |
| 2.4.3 Peach Pit配置文件简介 |
| 2.5 遗传算法概述 |
| 2.5.1 遗传算法简介 |
| 2.5.2 遗传算法计算过程 |
| 2.6 本章总结 |
| 第三章 工控网络协议模糊测试方法 |
| 3.1 工控网络协议描述模型构建 |
| 3.2 公有协议模糊测试方法 |
| 3.2.1 Modbus TCP协议解析 |
| 3.2.2 基于遗传算法的Modbus TCP协议模糊测试用例生成方法 |
| 3.3 私有协议结构解析方法 |
| 3.3.1 信息熵 |
| 3.3.2 互信息 |
| 3.3.3 联合熵 |
| 3.3.4 互信息率 |
| 3.3.5 协议结构解析 |
| 3.4 私有协议模糊测试方法 |
| 3.4.1 基于遗传算法的私有协议模糊测试用例生成方法 |
| 3.4.2 字节变异 |
| 3.5 本章总结 |
| 第四章 设计与实现 |
| 4.1 工控协议模糊测试系统架构设计 |
| 4.2 公有协议模糊测试用例生成模块 |
| 4.3 私有协议结构解析模块 |
| 4.4 私有协议模糊测试用例生成模块 |
| 4.5 本章总结 |
| 第五章 系统测试与结果验证 |
| 5.1 实验环境 |
| 5.2 公有协议模糊测试实验 |
| 5.2.1 实验效果验证 |
| 5.2.2 同类工具比较 |
| 5.3 私有协议结构解析实验 |
| 5.3.1 私有协议结构解析方法有效性验证实验 |
| 5.3.2 私有协议结构解析 |
| 5.4 私有协议模糊测试实验 |
| 5.5 本章总结 |
| 第六章 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
四、遗传模糊系统的研究概述（论文参考文献）
- [1]基于模糊逻辑和强化学习的交通信号优化方法设计与实现[D]. 刘佳佳. 北京邮电大学, 2021(01)
- [2]基于FPGA的无刷直流电机转速控制系统设计与实现[D]. 卿金晖. 长春工业大学, 2021(08)
- [3]基于耦合DNA-GA-P系统的聚类分析研究[D]. 姜珍妮. 山东师范大学, 2021(10)
- [4]基于改进遗传算法的柔性作业车间调度问题的研究[D]. 李丹. 昆明理工大学, 2021(01)
- [5]基于模糊神经网络的网络运行态势感知研究[D]. 何文雯. 电子科技大学, 2021(01)
- [6]基于模糊自适应策略下的多电机同步控制优化[D]. 孙盟. 兰州理工大学, 2021(01)
- [7]电弧炉电极调节器智能控制及远程监控[D]. 卫敏. 西安理工大学, 2020(01)
- [8]高血压疾病管理的风险预测与控制决策研究[D]. 赵艳. 东华大学, 2020(01)
- [9]基于客户需求分组的快递车辆路径优化研究[D]. 张梦媛. 北京邮电大学, 2020(05)
- [10]工业控制系统漏洞挖掘技术研究[D]. 车欣. 西安电子科技大学, 2020(05)