路径相似度因子在DV-Hop改进中的应用

经典DV-Hop方法在非均匀分布网络中存在节点间距离估计误差较大以及节点定位精度低的问题。引入节点间多跳最短路径相似度因子的计算规则,用于在距离估计步骤中修正节点的每跳平均距离值,并在位置计算步骤中选择参与定位计算的信标节点;使用改进的模拟退火(SA)算法对节点初始位置进行优化。仿真表明,所述改进策略在随机生成的网络拓扑结构条件下,相对于经典DV-Hop算法平均可降低约20%的定位误差,相对于既有的先进改进方法平均可降低约4%的定位误差,表现出良好的定位性能。     

融合测距修正和哈里斯鹰优化的DV-Hop定位算法

针对传统DV-Hop定位算法在无线传感器网络节点定位时精度偏低的问题，本文提出了一种基于测距修正和哈里斯鹰优化算法的DV Hop改进算法。该算法采用多通信半径调整网络节点最小跳数，利用最小均方差和权重因子优化网络节点平均跳距，采用改进的哈里斯鹰算法替代最小二乘法进行位置计算，引入Tent混沌映射、精英群体制度和正余弦优化策略以避免算法过早陷入局部优化，通过最优解求解得到网络节点近似坐标值。仿真结果表明，在不同条件下，改进算法与传统DV-Hop算法和ABCDV-Hop算法相比能够具有更好的定位能力，节点定位误差平均下降20.13%和7.74%，定位精度较高。     

DV-Hop优化算法的性能分析与比较

DV-Hop算法是无线传感器网络中一种典型的非测距节点定位方法,在介绍基本DV-Hop算法原理的基础上,分析了其定位产生误差的原因。目前常见DV-Hop的优化算法主要是面向3个方面进行改进,分别为锚节点平均跳距的计算,未知节点平均跳距的估计,位置的优化求解。对基本的DV-Hop算法进行逐步分析,对常见的DV-Hop优化算法分类并对其理论分析比较,针对每一步骤的优化策略进行仿真实验,进而得到一种较好的优化策略,为后续的研究和改进提供指导。     

基于信号强度的改进室内定位算法

本文提出了一种基于信号强度（RSS）的改进无线传感器网络室内定位算法。相对于采用一条直线对距离与RSS之间的指数关系进行线性化的处理算法,所提出算法根据网络中移动定位节点与所有锚节点的位置关系对距离与RSS之间的指数关系进行分段线性化。仿真结果证明了本文所提改进算法,在定位均方误差方面,非常接近对应的克拉美罗界,抗噪声能力较强;在锚节点分布不规则的场景下,改进算法的性能具有明显优势。同时,仿真结果也证明了所提算法的正确性和有效性。     

基于蜣螂算法优化的 DV-Hop 定位算法

针对无线传感器网络中传统DV-Hop(distance vector-hop)算法定位误差大的问题,提出了一种基于蜣螂算法优化的DV-Hop定位算法。首先使用双通信半径的方式细化节点间跳数,并使用最小均方误差准则计算锚节点的平均跳距,将改进后的平均跳距的平均值当做每个未知节点的平均跳距,最后引入权重因子优化适应度函数,使用蜣螂优化算法代替三边测量法进行坐标计算。仿真结果表明,所提算法比经典DV-Hop算法平均定位误差提升了55.69%、59.61%和67.59%,误差方差提升了52.41%、45.58%和36.87%,具有良好的定位精度和较好的稳定性。     

基于移动信标的水下无线传感器网络定位算法

针对现有水下无线传感器网络定位算法定位精度不足且无法适应水下多变的网络拓扑的问题，提出一种基于移动信标的水下无线传感器网络定位算法。首先通过RSSI测距定位和DV-Hop算法获取未知节点的大致分布情况，其次以未知节点定位覆盖率作为目标函数，采用经过自适应惯性权重和柯西-t扰动策略优化的改进秃鹰搜索算法迭代求解信标节点移动的最优位置，最后信标节点移动到最优位置再对未知节点进行重新定位。仿真结果表明,与对比算法相比，移动信标节点定位算法能有效提高未知节点定位精度，在网络拓扑变化时也能保持较高的定位精度且定位效果稳定。     

基于测距修正和蜜獾优化的改进DV_Hop定位算法

针对传统DV_Hop算法在无线传感器网络中定位精度不足的问题,提出一种基于测距修正和蜜獾优化的改进DV_Hop定位算法。首先,通过多通信半径细化节点间最小跳数;其次,利用最小均方差准则与修正因子减少跳距误差;最后引入全局寻优性能优异的改进蜜獾算法代替最小二乘法计算未知节点坐标,进一步降低计算误差。经网络仿真验证,在不同条件下,优化算法较传统DV_Hop算法和改进算法（PDDV_Hop）定位误差平均下降16.62%、3.92%,能够有效地提高定位精度,且优化算法定位精度受锚节点数量影响较小,可在保证定位精度的前提下降低锚节点部署成本。     

采用RSSI模型的无线传感器网络协作定位算法

由于无线传感器网络定位成本较高,精度不能满足要求以及通信和计算开销过大等问题,提出一种针对定位各阶段实施误差抑制措施的接收信号强度指示(RSSI)测距的协作定位算法。测距阶段通过周期性测量获得模型动态参数,采用相对误差系数对RSSI测距进行校正,定位阶段则基于泰勒级数扩展线性最小二乘方法实现位置估计,采取残差加权法优化位置坐标,减小非视距(NLOS)的不利影响。引入协作定位,将符合要求的节点升级为参考节点参与定位计算,进一步提高定位覆盖率和精度。实验结果表明,所提算法精度接近基于真实坐标的泰勒级数扩展LS算法,相同条件下的精度远高于传统估计算法。节点最大定位误差为0.15,最小定位误差为0.08,网络节点平均定位误差为0.109,能够满足大规模无线传感器网络(WSN)的定位需求。     

伪随机码相关检测的MDS MAP定位算法

针对当前无线传感器网络超声波设备定位精度不高的问题,改进了伪随机码相关的MDS-MAP定位算法。首先利用伪随机码相关检测技术,对节点发射出的超声信号进行编码,有效地增加了节点的测距距离和测量精度。然后对于未能测量到距离的节点使用Euclidean和最短路径融合算法进行处理,然后使用MDS-MAP算法生成节点的相对坐标,最后利用平面转换模型获取节点的最终坐标位置。仿真实验结果表明改进算法在不同网络规模和测距误差条件下均能够获得更高的定位精度和较小的定位误差。     

基于改进蝙蝠优化算法的无线传感器网络定位研究

为解决传统DV-Hop算法在无线传感器网络中存在的定位误差大的问题,提出了一种基于改进蝙蝠优化算法的无线传感器网络(WSN)定位方法。首先,构建WSN协同定位模型,并将传统蝙蝠算法与元胞自动机进行融合取代DV-Hop算法中的最小二乘法来计算网络中未知节点的位置,提高算法的搜索能力;其次,引入小生境技术和个体灾变机制,避免算法陷入局部最优,提高全局搜索能力;最后,通过仿真实验进行性能对比分析。实验结果表明,所提算法在节点呈随机分布、C型分布和O型分布的情况下均能够有效实现对未知节点的准确定位,且定位精度和收敛速度均优于对比算法;所提算法的定位精度随锚节点总数、锚节点比例以及通信半径的增加而增加,随传感器测距误差增加而减小。     

改进的 YOLOv3 的红外目标检测算法

复杂背景下红外多目标图像及视频的检测是目标检测的热点也是难点,为了更准确地检测出复杂背景下的红外目标, 将 YOLOv3 算法进行改进,首先通过在算法的原有基础上增加特征尺度,提高对距离远且背景复杂的待测图像的识别精度,并 将 BN 网络层与卷积神经网络层融合计算得到最后的检测结果,将原来的 YOLOv3 算法与改进后的算法的结果进行分析对比 可得,改进后的算法能够将平均识别精度从 64%提高到 88%,将 mAP 从 51. 73 提高到 59. 28,验证了改进后的 YOLOv3 算法在 红外目标检测下具有更好的性能,更明显的优势。     

基于人工神经网络的日负荷预测方法的研究

基于人工神经网络原理,设计了一个三层的ＢＰ网络模型。充分利用了神经网络高度非线性建模能力,实现电力系统的短期负荷预测。文中对样本数据进行了预处理,以及在算法中引入附加冲量项,以提高训练速度。预测仿真结果证明使用人工神经网络方法进行短期负荷预测是可行的。     

基于改进粒子群算法的含DG配电网无功优化

含分布式电源(DG)配电网的无功优化是一个复杂的非线性优化问题,文中采用改进的粒子群算法(PSO)对配电网进行无功优化计算,建立以系统网损和电压平均偏离最小为目标函数,节点电压和电容器投切容量为约束条件的优化模型。在PSO中引入位置方差防止PSO陷入局部最优解,根据种群中粒子的适应度值对粒子进行变异处理,在保证算法收敛速度的基础上,改善算法性能。以含分布式电源的IEEE14节点配电系统为例进行无功优化分析,结果表明DG能增强电网运行的稳定性,所提算法具有较好的优化性能。     

基于无线MPLS的Ad hoc网络路由研究

通过对现有路由协议的研究发现,目前提出的Ad hoc网络路由协议繁多,大多只能提供尽力而为的服务,而不能保证服务质量。在Ad hoc网络中,由于节点故障或节点移动造成的链路故障,使网络拓扑不断变化,计算所得路由的生命周期很短,因此,自愈恢复技术在移动Ad hoc网络中显得尤为重要。文章基于WMPLS协议体系并结合Ad hoc网络的特点,提出了一种具有一定自愈恢复能力的QoS路由协议———LDSR,并对如何运用LDSR协议建立和恢复LSP的过程进行了详细地阐述。     

BP神经网络对驻极体麦克图像特征识别的研究

人工神经网络是特征识别的有力工具。在研究对驻极体麦克图像识别方法的基础上，本文提出了一种用改进的BP神经网络进行图像特征的识别和学习算法，并给出了动量系数和学习率的调整方法。对比传统方法测定的结果，使用改进的BP神经网络在识别不规则特征时：减少了输入信息冗余，网络结构相对简单；神经网络输出的各项指标明显提高了精度，对麦克图像特征的平均识别正确率达到92．7％；识别速度也满足在线实时检测的要求。理论分析和实验均表明该算法能实时有效地检测出驻极体麦克图像的特性。本文为研究图像不规则特征的识别提供了一种新的方法。     

基于改进层次分析法的配电网指标评估

在传统配电网评估体系的基础上,文中充分考虑分布式电源接入配电网后带来的环保效应,建立了考虑环保性的新能源配电网指标评估体系。针对传统层次分析法采用单一权重计算易导致赋权失准的问题,提出改进层次分析法。改进算法利用几何平均法、算数平均法、特征向量法以及最小二乘法分别计算权重并取平均值作为最终赋权。通过对某配电网的算例指标计算,验证了所提指标评估体系的合理性以及所提算法的有效性。     

基于网络跳距修正的DV-Hop定位算法

针对DV-Hop算法在网络拓扑结构不规则的环境中存在较大误差的问题,提出改进的DV-Hop算法,该算法通过引入全网平均每跳误差修正值获得未知节点到锚节点的有效距离,可避免后续计算过程中误差的累积。利用MATLAB7.5.0仿真平台对DV-Hop算法和改进算法进行仿真分析的结果表明,在没有增加通信开销的基础上,随着锚节点所占比例的增加,改进后的DV-Hop算法比原DV-Hop算法在定位精度、覆盖率及稳定性上都得到了大大提高。     

定向识别航拍绝缘子及其缺陷检测方法研究

针对现有绝缘子检测算法无法定向检测绝缘子及其缺陷的问题，提出了一种改进YOLOv5(you only look once v5,YOLOv5)算法的航拍绝缘子识别及其缺陷检测方法。通过定向标注航拍绝缘子图片，形成航拍绝缘子数据集和缺陷绝缘子数据集；在YOLOv5的主干特征提取网络引入轻量化注意力机制模块、在特征融合阶段使用改进的空间金字塔池化结构；通过改进YOLOv5网络的头部结构使其可以对绝缘子进行定向识别，并对损失函数添加角度损失分类。实验结果表明在检测时间由单张0.044 s到单张0.049 s并无显著增长的前提下，改进后的算法在测试集上的mAP(mean average precision)的值为95.00%,实现了定向识别绝缘子及其漏帽缺陷，还可应用到绝缘子视频流检测。为后续的绝缘子精确定位以及进一步故障检测打下良好基础。     

基于改进粒子群算法的小波神经网络在变压器 故障诊断中的应用

针对变压器故障征兆和故障类型的非线性特性,结合油中气体分析法,设计了一种改进粒子群算法的小波神经网络故障诊断模型。模型采用3层小波神经网络,并用一种改进粒子群算法对其进行训练。该算法在标准粒子群算法的基础上,通过引入遗传算法中的变异算子、惯性权重因子和高斯加权的全局极值,加快了小波神经网络训练速度,提高了其训练的精度。仿真实验证明这种改进粒子群算法的小波神经网络可以有效地运用到变压器故障诊断中,为变压器故障诊断提供了一条新途径。