遗传算法在智能车控制器参数寻优中的应用

研究智能车控制器优化设计问题,由于控制器参数不准确,引起控制误差.为解决上述问题,根据智能车的运动学模型,设计出智能车轨迹跟踪控制律.采用遗传算法对控制律参数寻优,利用逆推(Backstepping)方法,在搜索空间里获得全局最优解.最后利用提出的遗传算法对控制律参数优化方法,通过智能车对圆周轨迹的跟踪仿真,证明了智能车在遗传算法对该控制律参数寻优下,能够实现对给定轨迹的全局渐近跟踪,获得了较好的控制效果.验证了遗传算法对智能车控制器参数寻优的可行性和有效性.     

基于MapXtreme的数字校园房管系统的开发

校园规模在不断地扩大,校园房屋管理规划部门对日益更新和迅速增加的建筑物房屋信息的管理与维护愈感困难,而现有的系统对空间数据与属性数据没有很好集成,更不利于图文信息的相互查询、检索和更新等。针对如上现实问题,应用MapInfo平台中的WebGIS技术,即MapXtreme技术,以及UML统一建模技术和SQL Server数据库等技术,成功地实现了数字校园房屋管理系统设计与开发,解决了房管部门面临的查询搜索更新校园建筑房屋信息时效率低下、管理与维护困难等实际问题。     

燃气轮机在线状态建模与仿真研究

关于燃气轮机在线监测优化问题,状态监测对于燃气轮机的安全运行起着至关重要的作用。为了实现对燃机状态监测和性能评估的优化,应对燃机机组热力性能诊断、各部件性能精确预测。根据单轴燃气轮机的工作特点,进行系统建模,通过牛顿迭代法确定燃机各部件的共同工作点,实现对各种运行状态的监测和评估,并针对某型燃机编制了状态监测和性能评估软件进行仿真。结果表明,运算收敛速度较快,得到的结果与型燃机运行数据趋势基本一致,满足燃气轮机在线状态监测的需要,可以投入工程应用。     

用正弦函数描述非线性惯性权重的微粒群算法

为改进标准微粒子群算法,提出了一种用Sin函数非线性描述惯性权重动态调整微粒群的方法。由于原算法存在早熟收敛和搜索效率低,提出改进基本微粒群算法的惯性权重参数,将微粒群算法中的惯性权重用正弦函数来描述,通过对粒子位置和速度进行自适应非线性调整,使算法在前期阶段具有较快的收敛速度,在算法后期局部搜索能力也不错,减少了微粒陷入局部极值的机会,使结果收敛于全局最优解,为了验证算法的有效性,采用Shaffer’s F6和Levy No.5函数进行测试,实验结果表明,新方法具有比较好的效果。     

双发模式下视三维SAR成像方法研究

在合成孔径雷达(SAR)成像优化过程中,由于受到地形环境噪声的影响,使成像模糊和信息丢失,利用阵列天线SAR(LA-SAR)进行成像是一个不错的解决方法。然而传统的单发模式要求有足够多的阵元以满足空间采样率的要求,工程实现的难度较大。为解决上述问题,提出了一种采用正负斜率线性调频信号的双发模式下视三维SAR成像新方法,可以大幅减少天线阵元的数目,提高雷达平台的空间利用率,有效降低工程实现的难度。分析校正了俯仰向的距离徙动因子,给出了双发模式下回波信号的处理方法。进行仿真的结果证明了改进的三维成像方法对成像优化的有效性。     

Simulation of smoke flow and longitudinal ventilation in tunnel fire

1 Introduction The tunnel is one of the important facilities of railroad and highway transportation, and also a throat of railroad and highway. With the development of transportation, there are more and more tunnels. Although the tunnel fire occurs seldo…     

Site occupations and ordering behaviour of O phase in Ti2AlNb—based intermetallics

1　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｏｒｔｈｏｒｈｏｍｂｉｃａｌｌｏｙｓａｒｅｏｆｇｒｅａｔｔｅｃｈ ｎｏｌｏｇ ｉｃａｌｉｎｔｅｒｅｓｔｉｎｈｉｇｈｔｅｍｐｅｒａｔｕｒｅａｐｐｌｉｃａｔｉｏｎｓｓｉｎｃｅｔｈｅｙｈａｖｅａｇｏｏｄｂａｌａｎｃｅａｍｏｎｇｓｔ     

基于机会约束的电动汽车充光储一体化充电站容量优化方法

针对电动汽车充电站建设运营成本高,土地利用率较低,功能单一的缺点,提出了电动汽车充光储一体化充电站的容量优化方法。考虑光伏出力及电动汽车充电负荷的不确定性,研究在不确定性环境下的容量配置问题,以保证优化方案的可靠性。基于机会约束规划,以建设运营成本最小为目标建立电动汽车充光储一体化充电站容量配置模型,通过序列运算理论将模型中含有随机变量的约束进行确定性转化,采用CPLEX作为模型的求解工具。算例验证了所提模型及方法的有效性。     

基于深度学习与不平衡样本集的输电线路故障分类

针对输电线路各类型故障样本间的数量不平衡会造成人工智能算法对故障中的少数类样本识别精度不足的问题,提出了一种基于Borderline-SMOTE（BSMOTE）算法与卷积神经网络（CNN）相结合的输电线路故障分类方法。该方法首先利用BSMOTE算法对位于分类边界上的少数类样本进行过采样合成处理,改善样本间的不平衡度,然后将所提取的一维故障电流信号样本重构成二维灰度图像数据形式,并在Pytorch深度学习框架下搭建了CNN网络模型,利用模型的自主学习能力对灰度图像进行特征自提取与辨识,减少传统人工设计特征提取的工序,完成对输电线路故障类型的分类。实验结果表明该模型能够提高对少数类故障样本的识别能力,准确地判断故障类型,并对噪音具有较强的抗干扰能力。     

考虑客户画像和能量枢纽的配电网多目标抢修重构模型

随着大规模风电以及能量枢纽接入配电网,配电网故障后抢修重构面临新挑战,提出一种考虑客户画像和能量枢纽的配电网多目标多故障抢修重构模型。通过对配电网用电客户多因素精准画像,确定权重,建立兼顾客户画像和能量枢纽的配电网多目标抢修重构模型,提出一种改进NSGA-II算法以适应对模型求解,从而获得Pareto解集,并利用模糊最大满意度进行决策。算例仿真表明所提模型正确有效,与传统模型相比更加精细而客观。