AODV自适应网关设计及仿真

Ad Hoc网络和有线网络的互联是网络发展的必然。为实现有线节点与无线节点间的通信,在采用AODV路由协议的Ad Hoc网络中通过添加网关节点的方式实现AODV协议无线网络的有线接入。在AODV路由协议中添加了网关节点,并结合实际网络场景进行了网关公告的自适应性能优化。对改进后的AODV路由协议在NS2中进行了仿真。仿真结果表明：实现了改进AODV协议无线节点与有线节点的通信,降低了网关引入的网络开销,可以灵活地响应网络拓扑变化。     

高压异步电机转子绕组故障诊断系统的研究

采用定子稳态电流与起动电流相结合的分析方法诊断异步电机转子绕组故障中 ,通过频率细化和自适应滤波技术 ,大大提高了基于电机稳态电流故障诊断的分辨能力和实用性 ;通过对电机定子起动电流时频分析 ,提出采用起动电流中特定频率分量诊断故障的新方法 ,大大提高了电机轻微故障时故障诊断的准确性。根据分析结果研制出了实用可靠的大型异步电机转子绕组故障诊断系统。     

一种基于遗传算法的图像区域合并分裂方法

在分析图像的区域分裂合并分割法与自适应遗传算法特点的基础上,提出了将自适应遗传算法应用于图像分割的思路与方法,论证了该方法的可行性,并给出了具体的算法流程。     

一种基于聚焦函数的标示牌中文本提取方法

在自然场景下各种标示牌一般背景比较清晰而且边框直线特征明显.针对这一特征,本文提出一种有效的标示牌中文本提取方法.首先利用Roberts算子进行边缘提取,提出基于自适应阈值进行二值图像处理,利用数学形态学中的腐蚀算子消除非直线因素的影响,突出直线特征;然后提出基于聚焦函数的投影方法,找到需要的文本区域,完成文本提取.本算法速度快,定位准确、容易实现,而且对倾斜的直线特征具有很好的兼容性.同时,可以处理各国文字信息,有很好的通用性.     

托链式链传动回转窑

介绍一种新型托链式链传动的工作原理、结构、自适应特征及其主要元件的设计.     

基于机器学习的自适应光伏超短期出力预测模型

由于当前国内对太阳辐射强度和云量信息的预报能力较低,气象数据的引入对光伏直接预测法的预测精度提高有限。为解决此问题,基于历史出力数据自身特征的挖掘来提高预测精度,提出一种具有自适应能力的光伏超短期出力预测模型。该模型首先利用已有历史出力数据的小波分析和特征分析结果训练支持向量机(support vector machine,SVM)分类器,通过已建立的SVM分类器利用前30 min的光伏出力数据预测之后15 min的出力曲线类型,最后结合曲线类型从自回归与滑动平均模型(auto-regressive and moving average model,ARMA)和神经网络模型(artificial neural network mode,ANN)中选取出合适的方法对光伏出力进行预测。对ARMA、ANN和自适应模型进行了对比实验,结果表明:所提的自适应预测模型在均方根误差(root mean square error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)和希尔不等系数(Theil inequality coefficient,TIC)上性能最好。     

改进人工免疫算法在水下机器人运动控制中的应用研究

基于生物免疫系统的生理特性,以免疫系统T细胞、B细胞与免疫应答为基础,引入了免疫算法,其结构简单,易于实现,但是由于忽略了免疫系统的记忆、自适应、细胞繁殖和自然死亡等复杂的机理行为,也不具有实时自调整的能力。结合梯度搜索方法和希尔函数,提出了一种基于Sigmoid非线性模型的自学习免疫控制算法。将该方法应用于水下机器人的运动控制系统进行仿真研究,结果表明了改进人工免疫算法的有效性。     

自适应Tent混沌搜索的人工蜂群算法

为了有效改善人工蜂群算法(artificial bee colony algorithm,ABC)的性能,结合Tent混沌优化算法,提出自适应Tent混沌搜索的人工蜂群算法.该算法使用Tent混沌以改善ABC的收敛性能,避免陷入局部最优解,首先应用Tent映射初始化种群,使得初始个体尽可能均匀分布,其次自适应调整混沌搜索空间,并以迄今为止搜索到的最优解产生Tent混沌序列,从而获得最优解.通过对6个复杂高维的基准函数寻优测试,仿真结果表明,该算法不仅加快了收敛速度,提高了寻优精度,与其他最近改进人工蜂群算法相比,其性能整体较优,尤其适合复杂的高维函数寻优.     

智能烤烟房的温湿度控制系统设计

设计了一种智能烤烟房温湿度控制系统.结合积分分离PID控制、模糊自适应控制等理论研究,提出了对温湿度采用积分分离PID和模糊控制相结合的控制算法.利用Matlab对不同的控制算法进行了仿真实验,结果证明该算法提高了传统PID算法的适应能力和控制精度.     

区域分割的自适应变异粒子群算法

为了提高粒子群算法（PSO）的收敛性及多样性,提出一种基于区域分割的自适应变异粒子群算法（RSVPSO）.算法采用区域分割的思想,利用粒子间信息交叉,使粒子搜索区间快速缩小;同时在迭代后期与自适应变异策略相结合,提高粒子跳出局部最优陷阱的能力和增强粒子多样性,达到寻优的目的.将所提出的算法应用于8个测试函数,并与精英免疫克隆选择的协同进化粒子群等算法进行比较,结果表明,新算法在收敛速度、搜索精度及寻优效率等方面有较大提高.