基于贝叶斯网络的电源监控系统设计

对电源工作状态进行实时高效的监控,对电源设备使用安全性能尤为重要,同时也为一些隐患故障提供了有效的预防。提出了一种基于贝叶斯网络的无线传感技术,作为数据信息采集/处理终端,设计了一套完整的电源监控系统,可以简化电路设计、提高实时响应以及预防故障的准确性。     

虚拟局域网技术在智能电网中的应用研究

智能电网运行过程的管理需要海量的数据。如何快速可靠地传输、处理和存储这些数据成为有效管理智能电网的必要课题。在分析智能电网管理基本特性的基础上,设计了三层交换的虚拟局域网(VLAN),将分布式智能电网数据管理体系有效划分为不受地理位置限制而逻辑通信单元清晰的子系统,可以有效减少网络的拥堵,提高智能电网数据处理的效率。     

基于多时段综合相似日的光伏发电功率预测

由于历史数据和天气因素对光伏出力预测的影响较大,提出了一种日特征相似度与形状相似度相结合的方法,分时段地预测光伏发电功率。该方法首先采用欧式距离法对气象类型进行细分,然后在不同时间段中分别利用两种相似日选取算法选取历史相似日,再利用其对应时段的历史功率值及气象数据,采用BP神经网络对预测日相应时段的功率进行预测,结果表明该方法的预测精度有明显提高。     

基于RSSI的改进质心定位算法

为提高无线传感器网络三角形质心定位算法的精度,提出一种基于RSSI的改进质心定位算法.首先,分析传统基于RSSI的三角形质心定位模型,发现单个锚节点测距误差较大会导致盲节点的定位精度受到影响,因此采用4点进行定位来降低单个锚节点权重;其次,改进的质心定位算法选择根轴相交组成的区域作为定位参考区域,将该区域的质心位置作为待测盲节点位置;最后,采用仿真实验对比算法的精确度和稳定性,实验结果表明,相比于传统算法,改进算法定位精度更高,而且定位误差波动更小.     

基于5G无线传感网络的智慧管廊综合监控系统设计

地下综合管廊是城市地下管线之家,保障其安全运营对城市的发展具有重要意义.基于第五代移动通信(5G)无线传感网络技术,设计了智慧管廊综合监控系统.该系统运用无线传感网络实现对地下管廊的全面实时监控,有效的降低了管廊的安全隐患.同时,建立了统一信息管理平台,将传感设备数字化与视频监控系统相结合,实现管廊运营数据精确化显示以及协同报警的可视化操作.此外,通过管廊信息产生的大数据与城市管理的有效融合,实现了产业价值链的延伸,助推智慧化城市管理水平.     

综合模块化航空电子多约束分区调度方法

在综合模块化航空电子系统(integrated modular avionics, IMA)中,采用严格的空间和时间分区管理(partitioning)保证同一个模块上运行的不同应用可以共享处理资源.根据系统硬件资源和应用的要求,定义分区的多类型约束条件,使得分区到在各个模块上的分配和时分访问调度成为复杂的组合优化问题.通过将分区分配的预处理与满足性模理论(satisfiability modulo theories,SMT)求解调度表的方法相互结合,可以减少断言式和分区调度时刻变量的数量,提高求解效率;其中,预处理过程采用最大独立团算法,随后将剩余的分区约束条件转换成SMT工具可识别的逻辑表达式,形式化求解得到各个分区的调度时刻.通过规模不同的算例,验证了该方法可行性,并说明预处理过程对于快速判断满足性要求和缩短求解时间的好处.     

无线网络中文件缓存命中率和能耗的联合优化

任何一个缓存问题的重要目标都是减少网络中的流量,但在内容中心网络中能量的消耗是一个不得不考虑的因素,包含缓存能量消耗和传输能量消耗.提出了传统的缓存效率衡量指标,例如命中率,和能量消耗之间存在一定的对立关系.提出一种既可以提高命中率又考虑到减少能量消耗的新的缓存机制,并将这个优化问题表达成亚模的形式,通过贪心算法找到命中率和能量消耗的平衡点,并且找到一种近似最优的缓存机制.最后通过仿真验证了这一结果,在内容中心网络中可以达到命中率和能量消耗的一个均衡的缓存机制.     

基于深度学习的目标检测算法综述

传统的目标检测算法及策略已经难以满足目标检测中数据处理的效率、性能、速度和智能化等各个方面要求.深度学习通过对大脑认知能力的研究和模仿以实现对数据特征的分析处理,具有强大的视觉目标检测能力,成为了当前目标检测的主流算法.首先回顾了传统目标检测的发展以及存在的问题;其次介绍以R-CNN为代表的结合region proposal和卷积神经网络(CNN)分类的目标检测框架(R-CNN、SPP-NET、Fast R-CNN、Faster R-CNN);然后介绍以YOLO算法为代表的将目标检测转换为回归问题的目标检测框架(YOLO、SSD);最后对深度学习的目标检测算法存在的问题做出总结,以及未来的发展方向.     

基于AdaBoost BP神经网络的无参考图像质量评价的研究

提出了一种利用相关梯度特征和AdaBoost 反向传播神经网络的无参考图像质量评价方法。首先利用高斯滤波器得到水平和竖直的方向导数,然后提取相关的梯度特征,其次计算其直方图方差特征,然后训练BP神经网络得到弱分类器并利用AdaBoost算法获得最终的强分类器,最后利用得到的强分类器预测图像质量分数。实验结果表明,方法评价的结果合理、鲁棒性强、实行性好,符合人类视觉特性,并且与主观评分有较好的一致性,取得了很好的评价效果。     

基于TRL校准的夹具测试技术浅析

如何实现非同轴微波器件S参数的精确测量一直是业界的技术难题,制作、使用微波夹具是实现其网络参数直接测量的主要途径之一。文章介绍了传统夹具测试方法,重点论述了运用TRL校准技术进行夹具测量的解决方案,并给出夹具TRL校准件设计方法和注意事项。通过具体夹具校准件的设计和测量试验完成了设计验证,该技术方案能够很好地去除夹具误差、显著提高测试精度, 并具有较强的可操作性。