融合多向学习的混沌麻雀搜索算法

对于原始麻雀搜索算法（SSA）在迭代过程中表现出的种群多样性减小,易陷入局部最优等问题,提出一种融合多向学习的混沌麻雀搜索算法（MSSA）。利用Hénon混沌映射初始化种群,增加麻雀种群的多样性,扩大可行解的搜索范围,为全局寻优奠定基础;采用多向学习策略增加麻雀跟随者探索未知领域的机会,平衡算法的局部开发性能和全局搜索能力;当算法陷入局部最优时,引用遗传算法中的变异策略依据动态的变异概率对当前最优个体进行扰动变异;将MSSA算法应用到无线传感器网络节点覆盖优化问题。数值实验结果与Wilcoxon秩和检验结果均表明MSSA算法在收敛精度与收敛速度等方面具有更明显的优势。     

吊车钢丝绳非线性谐振建模及消谐控制

对于欠驱动吊车而言, 已有的方法都只考虑如何消除摆角. 然而当钢丝绳的摆角很小时, 钢丝绳上可能仍 然会存在严重的谐振. 针对吊车的消谐问题, 本文率先提出了一种基于钢丝绳–电机轴的非线性谐振力矩模型. 具体而言, 先利用振动力学的方法, 建立了非线性谐振力矩模型, 该模型可以将钢丝绳上的非线性谐振力矩归算到电机轴上, 然后通过电机控制器调节电机的输出力矩, 使得电机输出的基波主力矩上叠加一个大小相等方向相反的非线 性谐振力矩, 以达到消除钢丝绳上的谐振力矩的目的. 最后通过Simulink仿真和实验证明该方法具有良好的控制性 能, 不仅可以有效消除钢丝绳上的谐振, 并且能进一步减小摆角.     

基于知识引导的自适应动态多模态差分进化算法

为充分利用问题求解过程知识,提升动态多模态优化算法的计算资源利用效率,提出一种基于知识引导的自适应动态多模态差分进化算法.首先,利用自组织映射神经网络实现种群自聚类,形成稳定的小生境;然后,通过对种群全局知识和个体邻域知识的综合学习,设计一种基于知识引导的自适应差分进化算法,在对种群进化状态进行实时监测和分析的基础上,逐层递进地引导不同种群个体自适应地选择最符合当前进化需求的变异方式,提升种群搜索效率,平衡种群多样性与收敛性;最后,针对问题动态特性,设计一种基于历史动态过程知识引导的自适应动态响应机制,通过对历史寻优经验的自适应学习,预测生成新环境下的潜在精英个体,引导种群实现精准快速的多峰定位.实验结果表明,所提出算法能够有效解决动态多模态优化问题,且在不同动态环境设置下其求解性能均优于对比算法.     

考虑电能交互共享的虚拟电厂集群多时间尺度协调运行策略

虚拟电厂(virtual power plant,VPP)作为整合“源-荷-储”多环节资源的新一代智能控制技术,能够打破地域限制,实现广域范围内的能源互联共享。为应对同一区域内不同VPP“源-荷”资源差异性,解决分布式可再生能源(distributed renewable energy,DRE)波动性与用电行为不确定性造成的功率实时平衡问题,引入集群服务商对包含多类型VPP的集群进行合理管控,构建包含多异质DRE、可控机组、储能、电动汽车以及可控负荷的VPP集群系统架构。对VPP集群内部电能互济进行独立定价以激励VPP参与联合调度,针对随机变量可预测性和累积误差随决策时间推进逐步增加的特性,建立包含日前协调调度与日内滚动优化的两阶段联合优化模型,日前阶段侧重于多VPP集群参与外部市场交易和内部电能互济,日内阶段侧重于VPP功率平衡降低偏差,形成多VPP间电能共享交互的多时间尺度调度策略;最后,以整合不同分布式能源的多VPP集群系统为例进行仿真分析,结果表明,通过多VPP协调互动和多时间尺度滚动优化,有效改善VPP集群系统电能均衡问题,显著提升整体运行经济性。     

基于多参量分布式光纤传感的架空输电线路风振监测分析

输电线路风振可能造成线路闪络、断股和金具疲劳损坏等故障,严重影响电力系统的安全稳定运行,准确和实时地监测线路的风振情况对灾害预警、故障排除和状态评估意义重大。为了解决传统风振监测手段维护困难、可靠性低等缺点,提出了一种基于多参量分布式光纤传感的输电线路风振监测装置。首先介绍了分布式光纤传感的基本原理和设备基本结构,然后利用数值仿真的方法分析了舞动和微风振动时线路的振动频率、幅值特征,论证了利用分布式光纤监测风振的可行性。实验证明,该装置能同时监测输电线路沿线各段的风振及线路内部应力变化情况,其60 km内的定位精度为±50 m,舞动及微风振动频率监测误差分别为0.07 Hz和0.01 Hz。该装置为架空输电线路的风振在线监测提供了新方法。     

基于深度学习和灰度纹理特征的铁路接触网绝缘子状态检测

铁路接触网绝缘子状态检测对铁路行车安全有着 重大的意义,为解决目前人工对绝缘 子图像检测结果的不确定性,提出一种深度学习结合灰度纹理特征的检测方法。首先使用 Faster R-CNN (faster region-based convolutional neural network)目标检测算法对图像中绝缘子精确识别,再通过灰度共生矩阵对绝缘子纹理 特征进行分析提取,之后结合支持向量机将绝缘子分为正常绝缘子和异常绝缘子,实验数 据结果证明使用能量、熵、相关度3种纹理特征进行绝缘子状态分类时对实验数据中的正 常状态绝缘子的分类精度可达100%,异常状态绝缘子的分类精度达97.5%,最后依据绝缘 子图像灰度分布的周期性特点,利用灰度积分投影将异常绝缘子分为破损绝缘子和夹杂异 物绝缘子。实验结果表明所提方法可以有效对绝缘子状态进行检测分类。     

Metal Micropatterning by Triboelectric Spark Discharge

Metal micropatterns play critical roles in flexible electronics. However, the lack of versatile strategies for micropatterning of diverse metal materials on various thin, flexible or stretchable substrates has limited the rapid development of flexible electronics. Here, a metal micropatterning method by triboelectric spark discharge under atmospheric environment is developed, where a triboelectric nanogenerator (TENG) is employed to precisely and safely control the voltage, current, and frequency of the spark discharges. Micropatterns of metal films like gold, silver, copper, aluminum and platinum are successfully fabricated on substrates of polyimide, polyethylene terephthalate, polyvinyl chloride, polydimethylsiloxane, paper or latex, even on ultrathin substrates (5 μm thick) without damage, where the feature sizes of metal patterns are controllable from 20 μm to 1 mm. Experimental insights into the triboelectric spark discharge behaviors and the pattern feature sizes control are discussed. A straightforward fabrication of metal patterns on the balloon surface or human skin through “handwriting” by a pencil as discharge electrode is realized. Besides metals, extended processibility of conductive materials like carbon nanotubes, graphene, MXene, graphite, carbon fibers, and conductive polymers are also demonstrated. This work proves the possibility of microfabrication by TENG, which is of simplicity and attractiveness for flexible electronics.     

面向国产平台的LLVM自动向量化移植与优化

作为SIMD扩展部件向量化的重要手段,自动向量化已在LLVM编译器中得到实现,但向量长度以及指令集功能的差异,导致国产平台在自动向量化过程中容易错失向量化机会以及向量化后产生倒加速的问题。为使SIMD得到充分应用,结合国产平台的指令集特征完善指令代价信息以提高收益分析精准度,使其在自动向量化后生成后端支持且简洁高效的向量指令。在此基础上,提出一种改进的控制流向量化方法,通过添加指令代价信息提高自动向量化的适配能力,从而形成一套面向国产平台的LLVM自动向量化系统。实验结果表明,相比自动向量化移植前,通过该方法进行移植优化后,SPEC测试的整体性能提升10.8%,TSVC测试集中的加速比提升16%,精准代价指导下的加速比提升42%,控制流向量化下的加速比提升51%。     

High‐Performance Piezoelectric Nanogenerators with Imprinted P(VDF‐TrFE)/BaTiO3 Nanocomposite Micropillars for Self‐Powered Flexible Sensors

Piezoelectric nanogenerators with large output, high sensitivity, and good flexibility have attracted extensive interest in wearable electronics and personal healthcare. In this paper, the authors propose a high‐performance flexible piezoelectric nanogenerator based on piezoelectrically enhanced nanocomposite micropillar array of polyvinylidene fluoride‐trifluoroethylene (P(VDF‐TrFE))/barium titanate (BaTiO₃) for energy harvesting and highly sensitive self‐powered sensing. By a reliable and scalable nanoimprinting process, the piezoelectrically enhanced vertically aligned P(VDF‐TrFE)/BaTiO₃ nanocomposite micropillar arrays are fabricated. The piezoelectric device exhibits enhanced voltage of 13.2 V and a current density of 0.33 µA cm^?2, which an enhancement by a factor of 7.3 relatives to the pristine P(VDF‐TrFE) bulk film. The mechanisms of high performance are mainly attributed to the enhanced piezoelectricity of the P(VDF‐TrFE)/BaTiO₃ nanocomposite materials and the improved mechanical flexibility of the micropillar array. Under mechanical impact, stable electricity is stably generated from the nanogenerator and used to drive various electronic devices to work continuously, implying its significance in the field of consumer electronic devices. Furthermore, it can be applied as self‐powered flexible sensor work in a noncontact mode for detecting air pressure and wearable sensors for detecting some human vital signs including different modes of breath and heartbeat pulse, which shows its potential applications in flexible electronics and medical sciences.