基于WAP的无线移动警务系统的研究与实现

在 PDA、GPRS无线网络环境下,利用现有的数据信息资源、无线应用协议和计算机网络技术,提出了一种基于WAP的无线移动警务系统解决方案,并构建WAP应用程序实现了数据查询和采集功能,使一线干警随时随地可以取得所需要的有效资料,以及向公安数据服务中心传送数据、图片等信息.最后,在多普达686 PDA实物环境下验证了系统的功能和性能要求.     

一种新型拓扑结构的三电平变换器

针对多电平变换器中二极管、电容和开关管数量多,中点电位不平衡和控制复杂的问题,设计了一款新型拓扑结构的三电平变换器,它采用两个逆变器输入并联输出串联的拓扑结构,通过555定时器来控制两个逆变器的工作和停止,达到控制输出电压的目的.仿真和实验证明,该三电平变换器结构简单,克服了中点不平衡的问题,控制简单,输出电压灵活多变...     

一种变步长双链量子遗传算法

为了克服基于实数编码和目标函数梯度信息的双链量子遗传算法存在收敛速度慢和鲁棒性较差的缺点,提出了一种自适应变步长双链量子遗传算法。建立了反映目标适应度函数变化率的数学模型;构造了反映当前搜索点处适应度相对变化率的变步长系数k,通过调整k以改善适应度函数相对变化率从而优化解的搜索过程;提出了在迭代过程中的量子旋转门转角[Δθ]更新策略。针对复杂连续函数的优化问题,设计了算法的具体实施步骤,并对典型复杂函数进行了仿真。结果表明,该算法有效地改善了双链量子遗传算法的鲁棒性,加快了算法收敛速度。     

改进L-M法的箝位型逆变器SHEPWM求解方法

针对Newton-Raphson(N-R)法求解二极管箝位型(NPC)逆变器选择性谐波消除脉宽调制(SHEPWM)的非线性方程组时存在初始值选取困难的问题,提出了一种改进Levenberg-Marquardt(L-M)法.改进L-M法通过在求逆矩阵中引入阻尼因子,克服了N-R法Jacobi矩阵不可逆或病态的不足;通过自适应调整松弛参数以降低迭代初始值的选取难度,并减少了矩阵求逆次数和计算量.以调制度m=0.85时9个开关角的NPC逆变器SHEPWM为例,随机选取6组初始值,通过合理选取阻尼因子和在线自适应调节松弛参数,得到了满足要求的6组数值解;并验证了改进L-M法的收敛域明显宽于N-R法;分析了6组初始值在m∈[0.7,1.15]的解轨迹及其谐波特性的差异,为实际应用优化选择提供了依据.最后,通过单相实验验证了新方法所得解的正确性.     

基于混沌控制量的QoS组播路由算法

针对具有多个不相关可加度量的QoS组播路由问题,提出基于混沌控制量的QoS组播路由算法。该算法通过对神经元的内部状态施加一个混沌控制量,可以有效控制神经网络的能量函数增加、减少或保持不变,避免陷入局部最小点。计算机仿真结果表明,该算法能根据组播应用对费用和时延的要求,快速、有效地构造组播树,与其他启发式算法相比,适用于带有较少目的结点的大规模网络。     

一种组合型的深度学习模型学习率策略

一个设计良好的学习率策略可以显著提高深度学习模型的收敛速度, 减少模型的训练时间. 本文针对AdaGrad和AdaDec学习策略只对模型所有参数提供单一学习率方式的问题, 根据模型参数的特点, 提出了一种组合型学习策略: AdaMix. 该策略为连接权重设计了一个仅与当前梯度有关的学习率, 为偏置设计使用了幂指数型学习率.利用深度学习模型Autoencoder对图像数据库MNIST进行重构, 以模型反向微调过程中测试阶段的重构误差作为评价指标, 验证几种学习策略对模型收敛性的影响.实验结果表明, AdaMix比AdaGrad和AdaDec的重构误差小并且计算量也低, 具有更快的收敛速度.     

基于调节函数的一类三角结构非线性系统的自适应滑模控制

针对一类三角结构的非线性系统,基于状态参考自适应控制算法和滑模控制技术,研究了其在非匹配未知参数和不确定性干扰下的跟踪控制问题,提出了自适应滑模控制策略,实现了不确定非线性系统的鲁棒输出跟踪.与一般自适应控制相比,允许系统存在非参数化的不确定性和未知扰动,增强了控制系统鲁棒性.仿真算例证明了理论研究成果的正确性和可行性.