摘要：针对现有机械臂动态目标抓取方法轨迹规划困难、实时性不足、难以实现六自由度抓取等问题,提出一种基于深度强化学习(deep reinforcement learning,DRL)的机械臂动态目标抓取方法。进行马尔可夫决策过程(Markov decision process,MDP)建模,设计状态空间、动作空间以及奖励函数,实现机械臂对动态目标的六自由度抓取。基于Pybullet构建机械臂动态目标抓取仿真试验环境,对该方法进行训练,将训练得到的策略在新颖场景进行测试,并与经典规划控制的动态目标抓取方法进行对比。仿真结果表明:该方法能实现机械臂对动态目标的六自由度抓取,在抓取成功率和速度上具有优势。

摘要：冷链物流的需求预测对于调节我国目前的市场结构、平衡供求关系、优化物流资源配置等方面具有十分重要的现实意义.以2011-2020年山西省主要农产品产量作为原始数据,利用传统灰色预测模型和灰色残差马尔科夫模型设计拟合分组试验,并对两种模型的预测效果进行对比.试验结果表明,灰色残差马尔科夫模型的预测结果相比于传统灰色预测模型更加精准,因此选择灰色残差马尔科夫模型预测山西省2021-2027年度冷链物流需求.预测结果显示,2021-2027年山西省农产品的冷链需求年平均增长6.12%,增速比较缓慢,有很大的进步空间.该预测结果对山西省冷链运输发展的相关规划和建设有一定的借鉴作用.

摘要：针对“双碳”目标下电源装机结构难以预测的问题,提出一种基于傅里叶级数残差修正的灰色-马尔科夫电源结构预测方法。首先,考虑到电源装机总量历史数据较少,采用灰色模型进行预测,同时由于灰色模型预测精度受残差影响较大,进一步采用傅里叶级数对灰色模型的预测残差进行修正。其次,鉴于电源装机结构蕴含内部演化规律,提出基于误差优化马尔科夫链的电源装机预测模型。再次,结合“双碳”政策相关影响因素,设计多元情景进行电源装机结构预测分析。基于上述模型,选取2006-2021年历史电力装机结构数据进行计算分析,结果表明:①所提出的傅里叶级数残差修正的灰色-马尔科夫预测模型具有良好的预测精度,可为电源结构预测研究提供方法支撑。②不同情景下的电源结构预测结果可以为“双碳”目标下的电源结构规划提供决策支持。

摘要：异常节点监影响通信网络路由性能,其敏感信息有利于发现网络攻击行为。为此,针对通信网络异常节点及其敏感信息监测,提出基于马尔可夫聚类改进的通信网络异常节点敏感信息监测方法。算法基于网络采集并预处理的流数据建立能够表征网络状态的邻接矩阵;然后在分析敏感词距离及敏感信息敏感度基础上,对邻接矩阵进行马尔可夫聚类处理,根据核心聚类节点在聚类前后的结构差异,实现通信网络中的敏感信息的自动监测。实验结果验证了算法在监测识别敏感信息方面的有效性和准确率。

摘要：根据公路桥梁荷载的特点,采用新维改进灰色马尔科夫模型进行公路桥梁荷载预测。通过实例预测结果和实测结果比较可知,应用该预测模型对桥梁荷载进行预测,其预测精度、准确度较高,本荷载预测模型可以直接应用于桥梁结构设计和耐久性研究。

摘要：针对网络风险实时分析的迫切需求,研究并设计了适用于实时风险概率预测的马尔科夫时变模型,提出了一种网络安全实时风险概率预测方法。该方法鲁棒性较强,能够反应波动数据变化规律,起到了进行实时风险分析的作用。用DRAPA2000数据集进行了仿真,结果表明该方法具有较高的实时性和准确性。

摘要：可靠性在核电汽轮机数字电液控制系统(Digital electro-hydraulic control system, DEH)质量中至关重要;从提升系统可靠性的角度出发,分析了核电DEH的工作原理,设计了基于异构处理器的核电DEH系统,给出了DEH的系统架构、硬件构成及双余度设计方案;基于马尔科夫过程理论建立了双余度核电DEH的可靠度函数模型,结合可靠性框图及双余度系统状态转移图对核电DEH做了失效分类;引入失效率、维修率、共因失效因子与诊断覆盖率等参数,建立了状态转移方程,分析了系统在不同生命周期基于马尔科夫模型的可靠度;通过一个实例检验了双余度核电DEH的可靠性,为工程设计人员提供了指导与参考。

摘要：在多云服务商激烈竞争的市场中,用户数量的不断增加导致云服务商的边际成本发生变化。云服务商要考虑如何合理地设计最佳的定价策略,以击败其他云服务商并获得最大化利润。本文提出基于马尔科夫和Stackelberg博弈的方法设计最佳定价策略。首先,将竞争环境中的定价问题建模为Stackelberg博弈模型;其次,利用马尔科夫模型预测下一时刻云服务商采取某种决策的概率;最后,探究决策的转移矩阵的列向量与价格增量的关系。实验表明,本文方法行之有效,能够合理测算云服务的价格运行区间。

摘要：为准确获得目标图像,提出一种自动权值的马尔科夫彩色图像纹理分割方法。在HSV颜色空间中以颜色直方图作为颜色特征,设计Gabor滤波器提取图像纹理特征,对马尔科夫算法进行研究,设计自动权值算法。实验证明,该方法能有效降低算法复杂度,减少了分割过程中人为设置参数的主观性,较好地屏蔽图像噪声影响,可以很好地提取出目标图像。

摘要：研究了一类具有离散和分布时滞的随机马尔科夫跳变神经网络的状态估计问题。基于伊藤引理、Lyapunov-Krasovskii泛函等理论,通过积分不等式方法得到时滞神经网络全局渐近均方稳定条件,再以线性矩阵不等式为求解工具,设计出状态估计器,最后通过数值例子对所提方法的有效性进行验证。