基于LSTM-KF的无人机航迹跟踪算法

在量测信息有限的情况下,针对使用单一运动模型的卡尔曼滤波(KF)算法难以应对无人机航道跟踪的问题,提出了一种新颖的将长短期记忆网络(LSTM)和KF算法结合的LSTM-KF算法。首先,使用LSTM预测目标平均速度和瞬时速度的方法解决了非参数模型在位置预测任务中泛化能力差的问题。其次,分析了KF算法使用运动模型的预测局限性,提出利用LSTM的预测结果修正运动模型的预测结果的方法,来降低预测误差。修正后的预测结果与量测数据结合,实现对目标的状态估计。最后,将所提LSTM-KF算法在生成的轨迹上进行了验证,仿真结果证明,LSTM-KF算法比已有模型具有更高的跟踪精度和更强的鲁棒性。     

石墨炉原子吸收测定岩石样品中痕量金的研究

介绍了低灰分活性炭吸附10%～30%王水溶液中的金,灰化后,王水溶解,采用美国热电原装涂层石墨管测定岩石样品中痕量金。研究了测定时酸度、介质及石墨炉的灰化温度、原子化温度对测定的影响。该方法的检出限达到0.04×10-9,精密度(RSD,n=12)为4%～7%;经国家一级标准物质分析验证,结果与标准值相符。     

基于多传感器协同的自适应联邦滤波跟踪算法

为了充分利用多传感器的冗余信息实现高精度跟踪,提出了一种带有离群点检测的冗余信息自适应联邦滤波跟踪算法。首先,在信息分配阶段,针对冗余信息设计了一种自适应信息分配因子,提高了信息分配效率;其次,在信息融合阶段,为了降低误差数据对跟踪结果的影响,提出了一种离群点检测算法,针对存在相关性且服从高斯分布的数据,通过D-S证据理论综合所有滤波器的判断评估数据是否为离群数据;最后,使用线性最小方差估计进行融合,得到更为精确的最终估计结果。仿真验证了所提算法具有更好的跟踪精度和鲁棒性。     

面向能源转换的能源定价多维合约

能源定价是能源互联网中一个重要而复杂问题。由于能源消费者的偏好属于其私人信息,供应商难以准确获取,从而无法合理定价。与此同时,能源互联网中多种能源转换,使得能源之间存在供需上相互影响的关系,多能源定价问题变得更复杂。在多能源交易场景中,多能源聚合器(multi-energy aggregator,MEA)聚合3种能源并将其转换后出售给消费者。该文考虑交易双方信息不对称,将定价问题建模为一个面向能源转换的多维合约设计问题。为求解最优合约,首先推导合约与能源转换方案的关系,然后求解能使合约最优的能源转换方案,最后基于能源转换方案求得与之相对应的最优合约。仿真结果验证了合约满足个体理性和激励相容条件,具有可行性;在信息不对称的前提下,所提方案的服务率和消费者平均收益较逐利合约分别提升了40%和36.5%,MEA平均收益较线性定价方案提升了30%,因而综合性能最优。