XiaoMi-AI文件搜索系统
World File Search System移动信息
用于移动信息物理系统舰队反应式舰队维护支援规划的多智能体系统
摘要：提高移动信息物理系统车队的可用性和可靠性以及在车队层面面临意外事件时调整维护计划决策的能力是制造商和运营商面临的主要问题。在本研究中，作者提出了一种用于移动信息物理系统车队维护计划的反应式多智能体系统模型。为此，使用了 ANEMONA 多智能体设计方法。在该方法中，对智能体进行建模，然后描述它们的组织和交互视图。在静态和动态环境中进行数值实验。在静态环境中，将提出的多智能体系统与数学规划模型进行比较，以验证前者在满足车队可用性和可靠性预期方面的有效性。在动态环境中，模拟扰动用于说明所提出的多智能体系统的反应性。最后，提出了一种应用于法国庞巴迪运输公司列车维护的铁路运输应用。为此，所提出的多智能体系统集成在目前正在开发的名为“MainFleet”的决策支持系统的模型层中。
移动信息系统特刊... - Hindawi.com
传感器数据融合是将分布在不同地点的多个同类或不同类型的传感器所提供的局部数据资源综合起来，利用计算机技术对其进行分析，以消除多传感器信息之间可能存在的冗余和矛盾，使其相互补充，减少其不确定性，获得对测量对象的一致解释和描述，从而提高系统决策、规划和响应的快速性和正确性，使系统获得更充分的信息。信息融合出现在不同的信息层次上，包括数据级融合、特征级融合、决策级融合。多传感器数据融合技术形成于20世纪80年代，已成为研究热点。与单传感器信息相比，多传感器数据融合具有容错性、互补性、实时性、经济性等优点，因此逐渐得到推广和应用。