摘要：双向DC-DC变换器是电动汽车的关键电压变换部件,提高其动态负载下的响应速度与鲁棒性对电动汽车低压供电系统有重要意义。提出一种基于模糊时变权重的MPC(model predictive control)控制方法。基于状态空间平均法建立变换器动态模型。基于MPC原理搭建变换器MPC模型,实现对电压的跟踪控制;在分析权重对动态负载下电压跟踪性能的影响的基础上,设计权重模糊调节器,实现权重的在线调节。基于HM-cSPACE搭建实验平台验证所提方法的准确性。在Matlab/Simulink环境下与PI控制和传统MPC控制进行对比,结果表明:在负载变化时采用时变权重MPC控制的变换器有更好的动态性能和鲁棒性,超调量降低26.1%。该方法对提高双向DC-DC变换器动态负载下的优化控制具有重要意义。

摘要：网络中云服务存储量的几何式快速增长使得云服务决策越加困难,为满足用户特殊需要并提供充足的决策依据,提出并行TOPSIS时变权重模糊云服务多准则决策算法.在并行TOPSIS改进中采用熵权重赋值形式赋予云服务相应的准则权重,使得权重的选择变得简单易行,并由此发展出时变权重提出改进TOPSIS评估机制,使用时变权重能够更好的对不同时间段的云服务质量(QoS)信息进行重要性区分,使得决策机制更加合理可信.然后基于分时模糊TOPSIS多准则决策机制,设计云服务选择的并行化融合决策框架,使得算法更趋近于工程应用.仿真结果显示,所提云服务决策算法可更有效的对QoS信息影响进行抑制,从而有效提高云服务调用的成功率.

摘要：云服务数量的快速增长给云服务选择决策带来了挑战。为协助决策者在进行云服务选择时提供决策依据,更好地满足用户使用需求,提出一种并行模糊TOPSIS时变权重二次量化云服务推荐算法。首先,基于熵的权重赋值方法确定准则权重,解决了准则权重不好选取的问题,并采用时变权重方法作为补充设计一种新的模糊TOPSIS评估方案,时变权重的引入可以对不同时期QoS等信息的重要性进行二次量化区分,有助于提高融合决策的合理性。其次,基于时间段的模糊TOPSIS多准则融合决策信息,提出一种可并行云服务选择框架,有利于算法的实际推广应用。实验结果表明,该算法能够有效抑制不良QoS信息影响,提高服务调用成功率保证诚信服务的互操作性。

摘要：为了提高自适应巡航控制(adaptive cruise control,ACC)系统的性能,文章提出了一种ACC系统自适应权重多目标优化策略。考虑到相对车速、驾驶员风格以及路面附着条件,提出了时变车间时距(variable time headway,VTH)策略;使用模糊控制方法设计了时变权重策略,在模型预测控制框架下设计了增量式自适应模型预测控制(model predictive control,MPC)器,并引入了松弛因子处理系统约束;在AMESim&Simulink联合仿真平台上搭建了纯电动车模型,进行了控制策略仿真和实车试验。研究结果表明,该策略有效提高了系统的鲁棒性,对于复杂行驶路况的适应性较好。