三相矢量下永磁同步电机占空比预测电流控制

针对永磁同步电机在传统模型预测控制下,存在单个控制周期计算复杂、稳态电流波动较大、开关频率不固定等问题,提出一种三相电压矢量下的永磁同步电机占空比预测电流控制策略。该策略运用三相电压矢量进行预测控制,仅经3次预测后,利用最优、次优电压矢量进行一次占空比计算,经转化后即可得出两电平逆变器单控制周期内三相开关时间,从而输出任意幅值、相角的期望电压矢量。仿真结果表明,该策略与经典双矢量和三矢量预测电流控制相比,其控制性能更优异且耗时更短。     

基于改进维纳滤波的自适应电力线通信降噪方法

针对电力载波通信过程中被传输信号受因负荷波动变化导致产生的噪声,且负荷噪声占比明显,进而影响通信质量的情况,文章提出一种基于改进维纳滤波的自适应电力通信降噪方法。该方法首先根据负荷波动规律,利用维纳滤波最小均方误差准则,求取最佳线性滤波器参数,即滤波器的输出信号与期望信号之差的均方值最小;再利用上一时间序列得到的信号,求取此刻滤波器得到信号梯度;最后将梯度值作为维纳滤波的阈值,作为下一期望信号的百分比,从而得到误差最小的真实信号。实验结果表明：文章改进滤波算法得到的信号准确率相对原始信号平均提高了28.3%。     

多级特征增强的图表示学习模型

针对图数据的表示学习在推荐系统、链接预测等图下游任务已展现出重要的研究价值。然而目前主流的方法存在一些缺陷：图卷积网络的固定传播模式限制节点表示的语义表达能力,以及编码器-解码器结构中的正则化重建阻碍学习节点间的差异化特征,这些都可能导致节点表示不能很好适应图下游任务。为此,基于互信息最大化理论提出一种多级特征增强的图表示学习模型,能以无监督的方式生成高质量的节点表示。模型使用提取器保留节点原始属性中的差异化特征,利用注意力聚合器维持编码空间中节点分布的局部相关性和全局差异性,应用深度图信息最大化策略统一全局编码规则。实验结果证明,在几个基准图数据集上该模型在直推式学习和归纳式学习下的编码表现均超过了所有的主流对比基线。     

考虑新能源不确定性边界的主动配电网优化调度

为促进配电网中新能源的充分消纳同时兼顾调度方案经济性,对新能源发电特性进行了分析,并构建了考虑新能源预测误差分布特性的潜在期望风险评估模型。在满足主动配电网中各个机组单位运行约束的前提下,建立了内嵌新能源不确定性边界优化的主动配电网优化调度模型,并提出了一种改进粒子群优化算法与分支定界算法相融合的双层混合优化算法,以有效地求解所建含变限积分的混合整数非线性规划模型。算例结果表明,与现有主动配电网确定性和鲁棒动态经济调度方法相比,所提基于最优新能源不确定边界方法可以合理权衡调度方案运行的经济性和潜在风险,取得更优的总成本。     

企业利润最大化的成本分配方法

提出了在多产品生产及成本导向价格的条件下,考虑需求的价格弹性使企业利润最大化的公共固定成本的分配方法．     

小规模团队的敏捷开发研究

敏捷开发是一种以人为核心、迭代、循序渐进的开发方法,是为了解决项目的复杂性,以最快最科学的方式实现需求的开发方式。软件团队中最常见的一种方式就是小规模团队开发,一般保持在3到5人。在大量的中小规模公司中,只要公司生产的产品需要软件支撑,都组建规模较小的团队进行专门的软件开发。本文通过对敏捷开发的介绍和对小规模团队敏捷开发的应用,介绍如何在开发人数不多的情况下进行高效率、有序的和科学的开发工作,有效地提高团队的生产力和价值。     

红海湾公司：资产管理制胜之道

随着信息化进程的推进,资产管理建设的重要性已日渐突出,尤其对一些资产密集型行业（如交通、能源等）企业而言,其核心竞争力已专注于实现资产效率最大化与成本最小化。成立于2004年的广东红海湾发电有限公司（以下简称红海湾公司）可以被视为借资产管理实现企业向精细化管理跨越提升的新领军者。     

基于Epanechnikov混合模型的中心化模糊模型

基于Epanechnikov混合模型提出了一种新的模糊模型——具有多维隶属度函数的规则中心化模糊模型.它容易设计:任何一个Epanechnikov混合模型都唯一对应着一个规则中心化的模糊模型,Epanechnikov混合模型的条件期望输出是规则中心化的模糊模型的去模糊化输出;它具有高度的可解释性:其规则后件恰好是其输出在规则中心的一阶Taylor级数展开;它采用了多维隶属度函数,考虑了输入数据各个分量之间的相关性,更符合实际问题.对两个典型实例的仿真实验表明,由Epanechnikov混合模型设计的规则中心化的模糊模型比其他模糊模型速度快、精度高、鲁棒性好.     

基于局部区域能量最小化模型的图像分割

在马尔可夫随机场(MRF)和概率理论的基础上,提出局部区域能量最小化模型,将传统基于像素的分割转化为基于区域的分割,能减小均匀区域中的误分类率。在该模型和MRF模型下,使用ICM算法、Gibbs采样算法、Metropolis采样算法对图像进行分割,结果表明该模型能取得更精确的分割结果,可有效拟制图像噪音和纹理对分割的影响。     

基于混合最小二乘支持向量机网络模型的非线性系统辨识

针对基于输入输出数据的非线性系统辨识问题,提出一种新的混合最小二乘支持向量机(LS-SVMs)网络模型及相应的学习算法.该算法将系统的辨识问题动态自适应的划分为若干子问题,将支持向量机(SVM)用于各子模块辨识;通过分析模型的统计学特性,给出基于整体框架优化的系统参数辨识方法.针对系统中参数相关联的特性,采用期望条件最大化(ECM)算法对其进行条件辨识,同时结合正则化理论和最小二乘法,保证各专家模块的结构风险最小化辨识原则.试验结果表明,该方法兼具良好的辨识精度和泛化性能.