基于动态规划的贮箱自动增压控制策略优化

推进剂贮箱自动增压系统通过带有固定孔板的管路实现对贮箱压力的控制,当前控制策略由固定的逻辑运算组合构成,简单的控制策略及贮箱环境不稳定等因素导致了管路上阀门动作频繁的问题。现以试验数据离散化为基础,将系统测控部分转化为0-1整数非线性规划模型,结合动态规划算法转化模型、编写程序,以试验原始数据为目标消除大量阀门动作次数,求解出更优的结果。     

用溶液理论计算水在液氮中的溶解度

根据溶液理论分析,通过固液之间的逸度比,将活度系数和溶质、溶剂的热力学性质联系起来,利用热力学性质计算溶解度数值。在理想溶液基础上,采用了可适用于非极性溶质-溶剂系统的正规溶液关系式,对水在液氮中的溶解度进行了计算,并将理想溶液理论的结果与正规溶液理论结果进行了对比。在计算结果的基础上对水在液氮中的存在形式进行了探讨。     

基于集成深度森林的入侵检测方法

基于卷积神经网络(CNN)的入侵检测方法在实际应用中模型训练时间过长、超参数较多、数据需求量大。为降低计算复杂度,提高入侵检测效率,提出一种基于集成深度森林(EDF)的检测方法。在分析CNN的隐藏层结构和集成学习的Bagging集成策略的基础上构造随机森林(RF)层,对每层中RF输入随机选择的特征进行训练,拼接输出的类向量和特征向量并向下层传递迭代,持续训练直至模型收敛。在NSL-KDD数据集上的实验结果表明,与CNN算法相比,EDF算法在保证分类准确率的同时,其收敛速度可提升50%以上,证明了EDF算法的高效性和可行性。     

基于RBF神经网络的LTE-R切换算法优化

在LTE-R越区切换中,基于A3事件的越区切换算法在列车高速运行时容易出现乒乓效应和无线链路连接失败的问题。为此,提出基于RBF神经网络的越区切换优化算法。采集列车运行在特定环境中不同速度时切换效果较好的hys和ttt参数,并将其发送到RBF神经网络进行训练,得到不同速度下hys和ttt的非线性表达式,根据列车接收到的参考信号质量,加入自矫正项对hys和ttt进行二次调整和优化。在Matlab上进行的仿真实验结果表明,该算法能够降低掉话率和乒乓切换率,提高列车在高速运行环境下的切换成功率及鲁棒性。     

基于IGWO-RBF的LTE-R切换算法研究

针对高速铁路LTE-R越区切换中,A3事件下的越区切换算法容易出现乒乓效应（PPE）和无线链路连接失败（WLF）的问题,提出了粒子群优化（PSO）灰狼算法改进的RBF神经网络（IGWO-RBF）的越区切换优化算法。该算法采集大量列车以不同速度（0~100 m/s）运行在特定环境中时切换成功率高的切换迟滞门限[(Hys)]和触发延迟时间[(TTT)]参数集,送入改进的RBF神经网络,训练完成后得到不同速度下的[Hys]和[TTT]的拟合曲线。根据列车接收到的参考信号接收质量（RSRQ）,加入自矫正项对[Hys]和[TTT]进行二次优化调整。在matlab上进行仿真实验,结果表明提出的算法减小了掉话率和乒乓切换率,提高了列车在高速环境下的切换成功率及鲁棒性。     

离子计检定电计及仪器总示值的不确定度评定

离子计是一种用于测量溶液中离子浓度的实验室电化学分析仪器，主要由电计和测量电极两部分组成，因此离子计的检定分为电计示值误差和仪器总示值误差。根据JJG 757-2018《实验室离子计》检定规程，对离子计的检定过程进行了深入分析和总结，并根据JJF 1059.1-2012《测量不确定度评定与表示》对离子计电计和仪器总示值误差检定结果进行了不确定度评定，解决了以往离子计检定不确定度评定不完善的问题。