基于事件触发机制的自主车辆队列协同控制

为应对通信过程存在的扰动以及减少自主车辆队列控制中的信息冗余、资源浪费,提出了一种基于事件触发机制的自主车辆队列协同控制算法,保证自主车辆队列的稳定运行。首先,针对有向通信拓扑结构下的自主车辆队列设计基于事件触发机制的协同控制算法,即使存在扰动约束,自主车辆也可以在该算法的控制下有效跟随领航车辆的速度,且与相邻车辆保持期望的安全距离。其次,通过设计Lyapunov函数以及分析Zeno行为,证明算法的有效性和安全性。最后,通过MATLAB仿真验证了控制算法的正确性。     

融合人眼特征与深度学习的疲劳驾驶检测模型

针对现有疲劳驾驶检测技术不能有效平衡准确性和实时性的问题,通过融合人眼特征与深度学习,构建一种新的疲劳驾驶检测模型。设计GP-VGG16网络进行眼部状态识别,通过将人工先验信息集成到轻量级深度网络中,提高眼部状态识别的准确性、稳定性和实时性。在此基础上,利用眼部特征-疲劳等级模型将疲劳状态划分为9个等级,定量估计驾驶员状态,同时基于少样本学习建立高效的自动标签生成网络,减少对大量无标签驾驶数据的语义标注。实验结果表明,该模型的准确率达到97.1%,运行速度达到39.96 frame/s,能够有效提高驾驶员疲劳状态识别的准确性与时效性。     

基于半监督学习标签传播-极端随机树算法的光伏阵列故障诊断及定位

对光伏阵列故障进行精确诊断和定位有助于提升光伏发电系统的可靠性。针对现有的诊断方法过度依赖大量有标签样本，难以同时兼顾故障类型诊断、故障定位及低成本等问题，将多传感器法与半监督学习算法相结合，构建了一种融合标签传播算法(label propagation,LP)和极端随机树(extra-trees,ET)的半监督学习算法LP-ET。为克服工程实际故障样本较少且往往缺失故障标签的问题，搭建了光伏阵列故障仿真模型获取样本，引入LP算法，基于少量含故障类型及定位信息的有标签故障样本，实现原始故障样本集全标注；继而引入ET模型，持续构建大量决策树形成极端随机树，采用多数投票机制(Bagging)获得故障类型及定位结果。实验结果表明，所提出的LP-ET模型可以在含有大比例未标注样本数据集情况下实现短路、断路、退化及遮阴故障的较高精度诊断，兼顾单组件及多组件故障，有效解决光伏阵列故障诊断及定位问题。     

融合空间聚类与结构特征的点集配准优化算法

在点集配准中，噪声、非刚性形变和误匹配的存在，产生了求解非线性最优空间变换困难的问题。针对这个问题引入局部约束条件，提出了一种采用局部空间聚类和邻域结构特征的点集配准优化算法(PR-SDCLS)。首先，利用点集空间距离矩阵构造运动一致性聚类子集和离群值聚类子集；然后，在运动一致性聚类子集中分别使用高斯混合模型拟合，并引入通过融合形状上下文特征描述子与加权空间距离获得考虑全局和局部特征的混合系数；最后，采用最大期望算法完成参数估计，实现了混合模型的非刚性点集配准模型；为了提高算法效率，模型变换采用再生核希尔伯特空间建模，并使用核近似策略。实验结果表明，该算法在涉及不同类型数据退化(变形、噪声、离群点、遮挡和旋转)的非刚性数据集上，面对大量异常值时具有良好的配准效果和鲁棒性，配准平均误差的均值在经典和先进的算法基础上降低了约42.0538%。     

基于特征增强和筛选机制的遥感电力目标检测

电力遥感目标检测对电网安全有着重要意义。针对电力遥感目标检测精度低的问题，提出了一种基于特征增强和筛选机制的YOLOv5目标检测算法。数据预处理方面，通过同态滤波和Retinex去雾算法进行数据增强，降低遥感影像大气折射和光照不均匀影响，增强目标特征；网络模型方面，将CBAM融合注意力模块添加到网络骨干层之前，通过k-means聚类特征增强和筛选机制，减少卷积核深度和网络参数；预测网络方面，将预测框中心坐标和真实框中心坐标之间的欧式距离作为代价函数添加到回归损失函数中。在google电力遥感数据集上进行对比实验，结果表明：检测平均精度均值可达83.7%,相比于基线算法以及其他检测算法，平均精度值提升了9%,速度提高了45.7%。     

基于TSO-MSMA算法在光伏系统MPPT中的研究

传统MPPT算法存在易陷入局部最优的问题，且目前采用的智能优化算法解决该类问题也有追踪精度不足、追踪速度慢等问题。为解决上述问题，该文提出一种基于金枪鱼算法（TSO）与改进黏菌觅食算法（MSMA）的混合优化算法。该方法通过早期金枪鱼算法的抛物线觅食策略来加快搜索速度，对黏菌觅食算法采用基于混沌映射的反向学习策略进行改进，达到扩大算法探索范围的目的，使之不易于陷入局部最优，并提高算法运算速度。将改进后的算法应用于光伏系统MPPT中，仿真实验结果表明：改进后算法相较于单独TSO与MSMA算法，在不同遮光条件下追踪速率有较大提升，精确度高于单独的TSO与MSMA算法，拥有更好的追踪速度与追踪精度。     

基于组合模型的短时交通流预测方法

准确、实时的交通流预测对交通规划、交通管理和交通控制具有重要意义.然而,由于道路网络拓扑结构约束和交通流随时间动态变化的空时相关特性,交通流预测仍然具有挑战性.为了同时捕获交通流的空间和时间相关性,提出一种将图卷积网络(GCN)和门控循环单元(GRU)相结合的组合模型方法.利用GCU能够灵活处理图结构数据的优点来捕捉各个路段的空间特征,继而发挥GRU在处理时间序列方面的优势挖掘交通流的内在时间规律,空时融合后得到最终预测结果.利用美国交通研究数据实验室的高速公路交通数据对该模型进行仿真验证,结果表明,所提出的GCN-GRU组合模型方法具有更高的预测精度,预测结果优于自回归积分滑动平均(ARIMA)模型和GRU模型等基准预测方法.     

一种用于电子设备的TEG系统设计与优化

传统路面集热发电方法只考虑了温度因素，为了优化传统路面集热系统对不同功耗电子仪器的适应性要求，采用车辙试验研究集热系统在车辙仪压力下的输出效率，并结合有限元分析研究沥青路面内部的温度场分布。实验结果表明，与传统路面集热系统方法相比，在70 ℃~80 ℃车辙仪作用下车辙试件的输出效率是静态下的2.8倍，且单位面积下车辙试件在4.5 h内收集的总能量为45.46 kJ，为传统实验方法的6~7倍。可见，路面集热实验需要考虑不同交通流量与环境温度的路面，所输出能量可满足不同功耗需求的电子测量设备，可用于电子设备数据采集等领域。     

基于环视多通道图像采集的桥墩病害检测

针对传统桥墩病害检测过程中的局限性，通过对桥墩病害的采集机制进行研究，提出了一种基于环形攀爬机器人的桥墩病害检测方法。设计了一种能够适配环形攀爬机器人的环视多通道桥墩病害图像采集系统。采集时先驱动机器人爬行至目标区域，之后通过上位机对核心板进行寻址并发送相应的指令，控制指定的摄像头进行图像的采集工作。为了实现传输过程中的速度匹配，采集到的数据会先暂时存放到SDRAM中，之后按以太网的传输格式对数据进行打包处理，通过捕捉摄像头输出的帧同步信号来判断每一帧图像的开始，并为其添加相应的对齐帧头，由此建立严格的时序电路，来确保采集过程中图像数据的有序传输。该系统可以快速实现对桥墩表面病害信息的采集，病害的检测精度可以达到0.3 mm～0.4 mm,能够满足大部分病害的检测要求。     

电力巡检中的无人机群路径规划算法

随着无人机技术的飞速发展, 无人机被广泛用于各种领域的巡检任务. 近年来, 电力网络的规模和长度都在快速增长, 无人机因其独特的性能和优势成为了电力巡检的首选, 无人机巡检不仅能保证安全性, 还能有效地提高巡检效率, 而路径规划是其在实际应用中的关键一步. 本文提出了一种新的混合元启发式方法, 用于解决电力巡检中带有多...