极间距可调的ECT系统差分传感器设计

针对电容层析成像传感器相邻电极间耦合电容引起的测量噪声及传统传感器需根据被检测管道的外径变化而需重新制作安装的问题,设计了一种便携式、电极对于管道轴心距离（极间距）可调节的差分电极传感器。通过控制模块调节极间距,使单一传感器能够适用于外径在60～100 mm动态范围内变化的管道测量。采用差分电极结构,解决了传感器无法固定合适长度的径向电极的问题,消除了传感器内部分寄生器件引起的测量噪声。实验结果表明,新型传感器可实现多种不同外径的管道的检测,差分电极的使用提高了多相流成像质量。     

电离式三电极碳纳米管乙炔传感器

乙炔(C2H2)气体是变压器油中溶解的主要故障特征气体之一,乙炔气体检测是实现变压器故障在线监测的关键.现有的乙炔传感器存在灵敏度低、结构复杂等问题.采用微电子机械系统(MEMS)加工工艺设计制作了一种电离式三电极碳纳米管(CNT)乙炔传感器,该传感器工作在非自持放电状态,碳纳米管尖端在低电压下产生高场强,使这种传感器...     

三极碳纳米管场发射显示屏的制作研究

利用碳纳米管作为阴极材料的场致发射显示屏是一种新型的平板器件。介绍了三极结构碳纳米管场致发射显示屏的工作原理,基本结构以及寻址方式。重点讨论了在制作器件方面所存在的真空封装问题,荧光粉制作问题以及绝缘隔离层问题。在提出一种新型结构栅极制作工艺的基础上,成功地制作了三极碳纳米管场发射显示屏器件。     

基于粒子群优化算法的传感器优化部署方法研究

针对目前三维空间传感器部署算法PSO算法存在寻优精度、全局收敛性和收敛速度不能保证的问题,提出了通过惯性权重线性递减策略与动态加速常数自适应策略改进的基于粒子群的WCPSO优化算法,有效地提高了算法的寻优精度和收敛速度。给出了算法的设计方案并进行了来袭路径未知和来袭路径预估情况下的仿真实验,仿真实验结果表明WCPSO算法的优化效果和效率都要优于改进前的PSO算法。     

基于CoMOPSO的传感器优化部署方法

传感器优化部署问题是一个涉及传感器覆盖效果、用频冲突概率以及资源利用的多目标优化问题。现有的传感器优化部署方法大多采用加权方式,将多个优化目标转换为单目标进行求解。这种方法不仅依赖先验知识,还会导致最优解的多样性损失。对此,提出一种协同进化多目标粒子群优化(CoMOPSO)算法。设计了一种协同进化框架,通过收敛种群保证高维问题的收敛性,进而快速接近帕累托最优前沿;多样性种群使用??-支配方法保证全局和局部最优解集的完整和多样性;最后采用快速非支配排序和精英个体保留策略提高解的质量。实验结果表明,对于传感器优化部署问题,该方法的反世代距离(IGD)和M3*指标均优于传统优化算法,具有更好的收敛性和多样性,能有效提高传感器网络性能。     

传感器网络的粒子群优化定位算法

无线传感器网络定位问题是一个基于不同距离或路径测量值的优化问题。由于传统的节点定位算法采用最小二乘法求解非线性方程组时很容易受到测距误差的影响,为了提高节点的定位精度,将粒子群优化算法引入到传感器网络定位中,提出了一种传感器网络的粒子群优化定位算法。该算法利用未知节点接收到的锚节点的距离信息,通过迭代方法搜索未知节点位置。仿真结果表明,该算法有效地抑制了测距误差累积对定位精度的影响,提高了节点的定位精度。     

基于粒子群优化的传感器管理算法研究

本文在分析基于二进制粒子群优化的传感器管理算法缺点的基础上,通过对粒子的降维处理和位置矢量更新式的改进,提出了一种基于实值粒子群优化的传感器管理算法.并针对中段弹道目标跟踪这一特殊应用背景,分析跟踪的约束条件,提出了一种新的优化目标函数.通过对中段弹道目标跟踪典型场景下的仿真实验分析,给出了目标函数加权系数的优选方案,并对所提方法的性能和适用范围进行了详细分析和比较.仿真实验表明,基于实值粒子群优化的传感器管理算法是一种更加高效的方法.     

基于粒子群优化的传感器预分配方法

针对实时传感器管理算法的局限,在深入分析传感器管理问题本质特征的基础上,提出一种传感器静态预分配方案。然后,以低轨星座目标连续跟踪为应用背景,提出一种基于修正粒子群优化的传感器预分配方法。仿真实验表明,所提方法虽然需要较长时间的静态分配过程,但是其实时运算效率明显高于实时传感器管理算法,因而给上层系统设计留下更多富余时间。      

基于粒子群算法的无线传感器网络优化研究

无线传感器网络（WSN）在多个领域得到了广泛应用,但其能效、数据传输效率和网络生命周期始终是研究的重点。针对这些挑战,文中提出了一种基于粒子群优化算法（PSO）的无线传感器网络。通过构建一个包含能效优化、数据传输效率和网络生命周期管理的网络框架,全面提升了网络的性能。能效优化模块通过动态功率管理和负载均衡,显著降低了能耗;数据传输效率模块通过数据压缩和优先级调度,保证了数据的快速可靠传输;网络生命周期管理模块则通过节点睡眠调度和网络拓扑动态调整,延长了网络的运行周期。粒子群算法在这一过程中起到了关键作用,其通过智能搜索策略,优化了各模块的参数设置和操作策略。实验结果表明,该方法在节能、提高数据传输效率和延长网络生命周期方面具备显著成效,有效缓解了无线传感器网络在实际应用中面临的问题。     

基于改进离散粒子群算法的传感器优化配置

传感器优化配置是实现航空设备故障预测与健康管理(Prognostics and Health Management,PHM)系统设计的基础和保证.本文首先对系统的故障-传感器相关性矩阵进行了改进,在此基础上根据系统测试性指标要求建立了考虑传感器故障率的约束优化模型,并采用一种改进的离散粒子群算法求解.算法根据传感器优化配置的特点设计了粒子个体适应度计算方法,惯性权重则基于群体早熟程度自适应调整.仿真实例验证了本文方法的有效性,优化结果满足系统各项测试性指标要求,可为航空设备PHM系统的传感器优化配置提供有效指导.     

均匀搜索粒子群算法的收敛性分析

本文将均匀搜索粒子群算法(Uniform search Particle Swarm Optimization,简称UPSO)的位置更新公式变换为一个差分方程,求解差分方程得到非递推的位置更新公式,推导解的收敛条件并求出了UPSO对学习系数c及惯性系数w的收敛区域,最后通过6个Benchmark函数仿真实验对收敛区域的正确性进行验证,实验结果表明学习系数和惯性系数在收敛区域内时的UPSO收敛,不在收敛区域外时UPSO发散.     

基于PSO优化模糊C均值的WSN分簇路由算法

针对无线传感器网络节点能量有限、负载不均衡的问题,提出了一种基于粒子群优化模糊C均值的分簇路由算法POFCA.POFCA分别从成簇阶段和数据传输阶段进行了优化.成簇阶段,首先使用粒子群优化算法优化模糊C均值算法,克服了模糊C均值对初始聚类中心的敏感,并根据节点剩余能量和相对距离动态更新簇首,平衡簇内负载.数据传输阶段,...     

无线传感网络布局的虚拟力导向微粒群优化策略

无线传感网络通常由固定传感节点和少量移动传感节点构成,动态无线传感网络布局优化有利于提高无线传感网络覆盖率和目标检测概率,是无线传感网络研究的关键问题之一.传统的虚拟力算法在优化过程中容易受固定传感节点的影响,无法实现全局优化.本文结合虚拟力算法和微粒群算法,提出一种面向无线传感网络布局的虚拟力导向微粒群优化策略.该策略通过无线传感节点间的虚拟力影响微粒群算法的速度更新过程,指导微粒进化,加快算法收敛.实验表明,虚拟力导向微粒群优化策略能快速有效地实现无线传感节点布局优化.与微粒群算法和虚拟力算法相比,虚拟力导向微粒群优化策略不仅网络覆盖率高,且收敛速度快,耗时少.     

混合无线传感网络覆盖优化的粒子群算法

为提高随机部署的传感网络覆盖性能,提出基于动态克隆粒子群的移动节点部署控制算法,用每个粒子表示所有移动节点的一种部署方案,在经典粒子群算法基础上,每次迭代结束后,粒子依据自身的覆盖性以及与群体中粒子的相似性决定其克隆数量和变异幅度,有效避免陷入早熟陷阱.通过与其他算法的对比仿真实验,表明该优化算法能更有效地提高网络覆盖性能.     

分布式传感器调度模型与自适应概率粒子群优化算法

不同体制的多个传感器通常部署于不同位置,据此采用分布式计算思想研究其调度问题.设计了传感器指控模块和传感器模块,探讨两者间的信息交互过程,给出基于最小调度时间间隔的传感器探测任务分解方法,建立传感器探测目标的匹配度计算模型.针对调度方案生成子模块设计了一种自适应概率粒子群算法,算法中粒子的分量根据方案适应值大小以不同的概率取相应值,体现粒子在迭代过程中的思考.实例分析表明,该算法能在迭代前期较快地收敛到一个较优值,这一特点使得在迭代次数有限的情况下,算法仍可获得较好的调度方案,满足调度方案实时高效的要求.