多环路供水系统水温前馈-反馈模糊控制

本文介绍了利用前馈－反馈复合功能模糊控制方法对多环路供水系统水温进行有效控制，并用MATLAB工具进行了系统仿真。仿真结果和实际运行都表明该方法的有效性。     

TCSC与发电机汽门的综合非线性控制

针对TCSC与发电机汽门的综合控制,研究了一种基于支持向量机(SVM)逼近的非线性控制器.依据泰勒扩展式,探讨了一种新的输入输出辨识方法,以此直接得到控制律,并由SVM建模来实现.在模型辨识与控制律设计中,采用普通的SVM学习方法,而无需离线或在线的学习优化.基于Lyapunov方法,文章给出了控制器的鲁棒性与闭环稳定性的证明.仿真实验验证了该控制器的有效性.     

改进多尺度卷积结构与高斯核的E-CenterNet算法

针对ResNet和DLA(deep layer aggregation)为主干网络的CenterNet算法特征提取能力不充分、热力图与目标真实边界框吻合度不高、关键点损失函数未充分考虑预测值对难易样本训练比重的影响等不足,提出一种改进多尺度卷积结构与高斯核的E-CenterNet算法。引入轻量型EfficientNetV2-S作为主干网络,并结合基于金字塔分割注意力网络的多尺度卷积结构对其进行改进,提高特征提取能力;对高斯核进行改进,使CenterNet产生的热力图由固定的圆形改进为随边界框宽高变化的椭圆形,增强算法对边界框宽高差异大的目标的检测能力;提出一种基于关键点预测值的关键点损失函数,提高算法对难样本的训练比例。在Pascal VOC数据集上的实验结果表明：E-CenterNet算法的mAP达到83.3%,比原始算法提升了2.6个百分点,检测性能优于CenterNet算法。     

基于快速自适应差分进化算法的电力系统经济负荷分配

提出一种求解复杂电力系统经济负荷分配问题的快速自适应差分进化算法(FSADE).从矢量运算角度对变异算子进行分析,提出了一种改进的变异算子,大大提高了算法的收敛速率.根据个体的进化过程,引入自学习机制,对个体的变异和交叉概率常数进行自适应地调整,提高了算法的鲁棒性.3个不同规模的算例仿真结果表明,与其他4种典型智能优化算法相比, FSADE具有更好的计算精度和计算速度,是一种求解电力系统经济负荷分配问题的有效方法.     

基于特征增强与损失优化的水下遮挡目标检测算法

针对水下探测机器人在海洋作业时由于目标密集、形态重叠等原因容易产生误检、漏检的问题,提出一种基于特征增强与损失优化的水下遮挡目标检测算法。算法以YOLOv4骨干网络为基础,首先在随机通道上引入邻域融合的残差结构模块,通过通道注意力机制,提升通道的信息交互能力;其后,利用α-IoU优化CIoU-Loss损失函数,并采用真值排斥因子与预测排斥因子改进坐标回归损失函数,提高目标位置回归的精度;最后,针对水下图像数据干扰信息多的问题,采用基于密集度引导的自适应非极大值抑制方法完成对输出信息的处理,提升目标检测的召回率。通过对水下海洋生物的检测实验,算法在通用场景与密集遮挡场景下目标探测的mAP值分别提高了1.43%和4.4%,验证了算法的有效性。     

双群体伪并行差分进化算法研究及应用

为了提高差分进化算法的全局搜索能力和收敛速率,本文提出了一种双群体伪并行差分进化算法.该算法结合差分进化算法DE/best/2/bin变异方式局部搜索能力强、收敛速度快,和DE/rand/1/bin变异方式全局搜索能力强、鲁棒性好的特点,采用串行算法结构实现并行差分进化算法独立进化、信息交换的思想.为使初始化个体均匀分布在搜索空间,提高算法收敛到全局最优解的鲁棒性,提出了一种基于平均熵的初始化策略.典型Benchmarks函数测试和非线性系统模型参数估计结果表明,该方法能显著提高算法的收敛速率和全局搜索能力.     

求解混合整数非线性规划问题的改进差分进化算法

针对混合整数非线性规划问题的特点,在差分进化算法的变异操作中加入取整运算,提出了一种适合于求解各种混合整数非线性规划问题的改进差分进化算法.同时,采用时变交叉概率因子的方法以提高算法的全局搜索能力和收敛速率.用四个典型测试函数进行了实验研究,实验结果表明,改进的差分进化算法用于求解混合整数非线性规划问题时收敛速度快,精度高,鲁棒性强.     

基于改进粒子群算法的资源受限项目进度研究

资源受限的项目进度问题是经典的NP-hard问题,在研究以往求解方法的基础上,应用一种新的群智能算法——粒子群算法,对粒子群优化算法的搜索能力进行改进,结合Gbest模型与Pbest模型的优点,提出使粒子在搜索的前期有较强的全局搜索能力,尽可能多地发现可能全局最优的种子,而在搜索的后期则具有较强的局部搜索能力,用提高算法的收敛速度和精度的复合最优模型粒子群算法对RCPSP问题进行了求解,最后用文献[8]中的算例进行了仿真实验,实验结果验证了此算法的可行性与优越性。     

基于竞争-协作式信息交互的并行混沌优化算法研究

针对混沌优化对初始值敏感、搜索精确解效率低等不足,研究一种基于竞争一协作式信息交互的并行混沌优化（ICPCO）算法．ICPCO算法采取并行混沌迭代机制,在每一次迭代搜索之后．根据并行优化解分布状况不同,分别采取竞争或协作式信息交互再次寻优．描述ICPCO算法思想和实现步骤,分析其收敛性和优化性能．仿真实验表明,ICPCO算法不仅具有全局搜索能力,而且以信息交互方式提高了优化效率和搜索精度,算法收敛,稳定性增强．     

发电机组汽门系统的多模型自学习控制

针对发电机组的非线性、大范围运行等实际问题,研究了用于汽门系统的多模型自学习控制（MMSC）,首先根据各种工况下的样本数据归纳出模糊控制规则;然后由模糊聚类算法将多种工况约简为典型工况,得到相应的子模型模糊控制器（FLC）．以子模型FLC输出的加权集成作为MMSC的控制输出,而加权系数取决干子模型匹配度．在子模型FLC学习优化中,由支持向量机离线逼近模糊规则曲面,再由梯度下降算法在线自学习．仿真实验验证了所设计控制器的优良性能．