免疫协同微粒群进化算法的永磁同步电机多参数辨识模型方法

针对永磁同步电机多参数辨识问题,提出一种基于免疫协同微粒群进化(Immune co-evolution particle swarm optimization, ICPSO) 算 法的永磁同步电机(Permanent magnet synchronous motor, PMSM) 多参数辨识方法.算法由记忆种群与若干个普通种群构成, 在进化过程中普通种群中优秀个体进入记忆库种群.普通种群内部通过精英粒子 保留、免疫网络以及柯西变异等混合策略共同产生新个体,个体极值采用小波学习 加快收敛速度,免疫克隆选择算法对记忆库进行精细搜索,迁移机制实现了整个种群 的信息共享与协同进化.永磁同步电机参数辨识结果表明该方法不需要知道电 机设计参数先验知识,能够有效地辨识电机电阻、 dq轴电感与转子磁链,且能有效追踪该参数变化值.     

弱连接多子群分子动理论优化算法

针对分子动理论优化算法拓扑结构与"群集"现象的不足,提出了一种弱连接多子群分子动理论优化算法.该算法分为上下两层,下层由一系列分子子群执行启发式快速搜索,以提高算法的收敛速度;上层中的混沌扰动子群基于混沌扰动机制,以便停滞状态的分子子群能跳出局部极值;上层中的免疫局部学习子群选取下层中的部分优秀个体进行局部学习,以实现精细化搜索而提高算法的收敛精度.仿真结果表明,该算法在寻优精度、收敛速度以及求解偏移函数等方面均有良好的性能.     

基于嵌入式Linux系统的启动引导技术研究

嵌入式Linux操作系统在嵌入式系统设计中的应用日益广泛,针对不同的硬件架构,操作系统的引导加载是必不可少的重要环节。本文在比较了嵌入式系统中与通用PC中启动加载异同的基础上,详细介绍了在嵌入式Linux系统中板级支持包的概念、主要任务、结构框架以及Boot Loader软件设计等技术。     

基于ZigBee的无线抄表系统的集中器设计

采用GPRS网络和ZigBee无线通信技术,构建了一种无线抄表系统,设计了基于ZigBee无线通信的集中器.该集中器避免了长距离布线和复杂的线路干扰,可以快速抄读电表实时数据,数据传输可靠.     

MD5算法在消除重复网页算法中的应用

Internet用户通过常用搜索引擎获取Web信息时,往往得到了大量的重复网页信息,从而导致搜索效率不高。本文利用MD5算法成熟及可移植性好的特点,提出了一种基于MD5的消除重复网页的算法,实验证明该算法能有效的去除重复网页,时间和空间的复杂度不高,具有较强的实用价值。     

B—P网络泛化性能的改善

在神经网络的训练过程中存在“过度吻合”的现象,即训练样本的误差已达到非常小的一个值,但是非训练样本的误差非常大,造成神经网络的泛化性能不好。本文说明了泛化性能与隐层节点数的关系,并提出了通过改变性能函数来改善B－P网络的泛化性能的方法。     

改进遗传优化的贝叶斯网络结构学习

针对贝叶斯网络结构学习提出了一种改进的遗传算法,和传统遗传算法相比,该改进算法针对贝叶斯网络结构学习问题增加了优化变异和修正非法图两个新的算子。新算子不但保持了贝叶斯网络学习的多样性和正确性,而且还能保证算法快速搜索到全局最优的网络结构。将该改进遗传算法用于贝叶斯网络结构学习的仿真结果表明,和传统K2算法、GS／GES算法、遗传算法和粒子群算法等算法相比,该算法具有更好的全局搜索能力和收敛速度。     

基于双模态自适应小波粒子群的永磁同步电机多参数识别与温度监测方法

提出了一种双模态自适应小波粒子群（Binary-modal adaptive wavelet particle swarm optimization,BAWPSO）的永磁同步电机（Permanent magnet synchronous motor,PMSM）多参数识别与温度监测方法.为了提高算法动态寻优性能,群体被划分为正向学习和反向学习两种模态;对处于不同模态的粒子分别采用正向学习策略与反向学习策略协同求解,扩大了解的搜索空间;同时对粒子个体极值采用自适应小波算子增强学习以提高收敛精度.永磁同步电机参数辨识结果表明所 提方法能够有效地辨识电机电阻,dq轴电感与转子磁链等参数,且能有效追踪系统参数变化值.在辨识出电机定子绕阻值后,根据金属阻值与温度之间的线性 原理间接计算定转子温度,从而实现永磁同步电机系统温度在线监测.     

密度分布函数在聚类算法中的应用

深入分析了传统的基于密度的聚类方法的特点和存在的问题及讨论了基于密度聚类算法研究现状,提出了一种改进的基于密度分布函数的聚类算法.使用K最近邻（KNN）的思想度量密度以寻找当前密度最大点,即中心点.并使用区域比例,将类从中心点开始扩展,每次扩展的同时引入半径比例因子以发现核心点.再从该核心点的KNN扩展类,直至密度下降到中心点密度的给定比率时结束.给出了数个算法实例并与基于网格的共享近邻聚类（GNN）算法在聚类准确率和效率上进行了试验比较,试验表明该算法极大降低了基于密度聚类算法对参数的敏感性、改善了对高维密度分布不均数据集的聚类效果、提高了聚类准确率和效率.     

时变时滞离散广义Markov 跳变系统的鲁棒稳定性

研究一类具有区间时变时滞的离散不确定广义Markov跳变系统的时滞相关鲁棒稳定性问题.通过将Jensen不等式与一个新的定界不等式相结合,得到了一个新的稳定性判据,该判据中仅含有Lyapunov变量,具有较小的计算负担.进而,基于凸组合方法得到了另一个新的稳定性判据,该判据引入了一些自由矩阵变量,具有较小的保守性.数值算例表明了所提出方法的有效性.