一种基于业务区分的随机接入方案

通过对移动通信系统关键技术的发展趋势和网络实时业务服务质量（QoS）需求的分析,提出了一种适用于时分－正交频分多址接入系统（TD-OFDMA）的简单高效的随机接入方案。在该方案中,网络终端利用特有的优先随机接入信道（FRRACH）对不同时延特性的业务采用不同的随机接入机制,从而有效地避免分组碰撞,保障实时业务的QoS需求。理论分析和仿真结果表明,该方案在成功接入概率、接入时延以及资源利用率等方面的性能较目前常用的随机接入方案有着较大的改善。     

精细搜索策略应用于质量交换网络综合

质量交换网络是化工过程系统的重要组成部分,其优化设计对降低污染排放具有重要意义。采用启发式算法优化质量交换网络时,存在难以兼顾全局搜索和局部搜索的问题。通过分析不同精度优化参数下的优化结果,揭示了该问题的成因,并提出一种精细搜索策略用于基础算法所得结构的深度优化。该策略包含两种方法,方法1采用具有个体回代与分化的高精度强制进化随机游走算法,可保留个体结构变异能力;方法2采用确定性方法依次对多维目标函数中的每个变量进行一维搜索,具有精度高收敛快的优点。将该策略应用于焦炉气脱硫和空气除氨算例,得到的结果分别为407308 USD·a^-1和127807 USD·a^-1,经济性优于现有文献中的结果,验证了本策略的有效性。     

基于过程模拟和随机森林模型的生物质制氢过程因素分析与预测

生物质可以替代化石燃料,减少温室气体排放,是一种有前途的可再生能源。生物质通过化学链气化制备氢气,碳化活化制备活性炭,两条工艺路线耦合可以联产绿色能源氢气和具有高附加值的活性炭,但是原材料选择和工艺参数优化成为规模化生产的主要障碍。在生物质联产氢气和活性炭工艺模型的基础上,建立高性能的随机森林预测模型,并探究生物质组分、工艺参数和过程产物对联产工艺的相对重要性。结果表明：生物质组分中的灰分、碳元素、氢元素的含量以及气体重整温度和水蒸气用量是准确预测氢气浓度和产量的重要影响因素。其中,重整温度、合成气中氢气浓度、水蒸气用量三个影响因素对氢气浓度的影响高达61%,活化剂用量、水蒸气用量两个因素对氢气产量的影响高达63%。此外,基于随机森林模型对生物质制氢过程中的因素进行分析和优化,可以实现氢气浓度达到96.8%(体积)。     

管材专用PPR的等温结晶动力学

研究了管材专用无规共聚聚丙烯(PPR)的结晶温度和等温结晶行为,利用Avrami方程对等温结晶过程和动力学进行了分析。结果表明:北欧化工公司的PPR1具有更高的结晶温度、结晶度以及更快的结晶速率。同一结晶温度条件下,国产PPR3的结晶度达到一半的时间略高于其他PPR。利用Hoffman-Lauritzen结晶动力学理论计算得到了PPR的成核常数和结晶生长时大分子在垂直于分子链方向的折叠表面自由能(σ_e),与其他试样相比,PPR1的σ_e最低,PPR3的σ_e最高,结晶速率最慢。通过偏光显微镜照片可以发现,PPR1的球晶尺寸最小,PPR3和PPR4的球晶较大,球晶尺寸比较接近。     

蒙特卡罗方法应用研究

介绍了蒙特卡罗(Monte Carlo)方法,即随机模拟方法,提出了任意分布随机数的产生原理及方法,并用算例说明蒙特卡罗方法的使用过程,同时用2χ拟和优度法验证了其合理性.     

浅谈步行街(区)的规划设计

文章主要阐述了城市步行街(区)在城市生活中的意义,概述了城市步行街(区)设计的原则。     

基于迟滞阈值分割的瓶口缺陷检测方法

随着工业机器人和现代化工业的快速发展,人们对工业机器人的性能要求越来越高,为了提高工业生产的效率和产品的质量,智能、高速、高精度是工业机器人的必备要求。国内基于机器视觉的智能啤酒瓶口缺陷检测方法中,高速、高精度仍是一个亟待解决的问题。为此,提出了一种基于随机圆拟合评估的四圆周定位法,大大提高了瓶口检测区域的定位精度,并提出了基于投影特征的分区域磁滞阈值分割的智能瓶口缺陷检测方法。对采集的488幅灰度图像进行测试,检测正确率为99.4%,检测平均速度为38 ms,算法的检测速度快,检测精度高,可以很好地应用到高速、高精度的现代化工业机器人中。     

基于变量选择与高斯过程回归的短期负荷预测

提高短期电力负荷预测精度是保障电网安全稳定运行的技术措施之一,通过选取影响负荷的最优输入变量集合,建立高斯过程回归(Gaussian process regression,GPR)短期负荷预测模型。负荷预测建模输入变量的选取对预测精度有很大影响,首先采用随机森林(random forest,RF)算法给出输入变量重要性评分(variable importance measure,VIM),并对各输入变量影响程度进行排序,基于序列前向搜索策略确定最优输入变量集合,避免人工经验选取的不足。其次针对共轭梯度(conjugate gradient,CG)法求解高斯过程回归模型超参数时易陷入局部最优解,且存在优化性能依赖于初值选取、迭代次数难以确定的问题,采用改进粒子群优化(particle swarm optimization,PSO)算法搜索模型超参数,形成优化高斯过程回归预测模型。最后,算例测试表明该模型的有效性。     

短时间尺度用电行为相关性分析网络模型

用电行为短时间尺度相关关系是用户精细化管理与智能配用电的重要决策基础。建立了针对短时间尺度用电行为相关性的网络化分析方法。首先,由描述短时间尺度用电功率序列间相关性的皮尔逊相关系数构造用电行为相关矩阵,为减小随机用电行为与测量误差等无序噪声信息对相关矩阵的影响,引入随机矩阵理论对相关矩阵进行去噪,并提出利用特征值谱熵的正则化修正方法。然后,基于相关矩阵构建了相关矩阵分阶与同级网络序列,提出了基于社团结构的相关性聚类方法与基于最小树的相关性等级结构挖掘方法;定义了量度用电相关性的拓扑指标,从而构造了用电行为相关性聚类分析与等级分析的网络模型,并就模型的典型应用场景进行了讨论。最后,通过实例数据验证了上述去噪方法、相关性分析网络模型及指标的有效性。     

基于RANSAC分割的点云数据K-近邻去噪算法研究

针对基于TOF深度相机的空间目标表面重建的点云源数据容易受到仪器本身、扫描环境、外界干扰等影响,而含有大量的无效点和噪声点,增加了计算负担且影响了重建质量等问题,提出了一种基于随机采样一致性背景分割的点云K 近邻去噪方法,以消除目标数据的异常值和无效点。首先,改进RANSAC算法,通过设置不同的阙值对原始点云进行背景分割,以确保准确提取待重建目标的主要特征。然后,通过K 近邻点云平均算法和双边滤波算法移除离群点,最后使用体素化网格方法实现点云大数据的下采样,简化了目标点云,保留了局部特征,加快了曲面重建速度。实验结果表明,该算法能够有效的剔除噪声点,准确率高,实时性好,满足应用的要求。