双馈风电场的虚拟多联轴耦合与功率振荡抑制技术

虚拟同步机的多联轴耦合设计可灵活实现多机组一致性响应及协同优化运行,是风电场在功率振荡抑制中整体性能提升的关键。该文首先定义虚拟同步双馈风机与同步机之间的虚拟联轴,建立虚拟多联轴耦合下的系统动态模型,并分析多台虚拟同步机电气距离对系统功率振荡特性的影响机理。其次,通过分析多联轴耦合下虚拟同步机和同步机之间的功角幅频振荡特性,获取双馈风电场内虚拟同步多机一致性响应条件,并提出风电场的虚拟多联轴耦合控制方法,通过多联轴优化设计激发多机整体抑振性能。最后,搭建风电场高渗透下的新英格兰系统,验证所提控制策略通过一致性优化及多机协调,可形成风电场抑振整体效应,提升其对系统功率振荡及频率的支撑能力。     

异构双核处理器失速告警系统设计

失速会影响飞机飞行安全。传统的失速告警系统虽然通过采用多处理器同步时钟的方法提高了安全性,但系统可靠性降低且复杂度变高。为提升失速告警系统的可靠性、降低失速告警系统的复杂度,采用异构双核处理器所具备的核间数据交互和数据一致性检查功能来实现失速告警系统的高安全性设计。首先,依据总体设计选择合适的处理器。然后,根据所选的异构双核处理器对核间通信机制进行对比选择。最后,对双核数据传输任务进行合理分配。测试结果表明,利用双核处理器中的共享内存通信机制进行数据传输,数据的传输交互更加安全、快速和高效。通过对解算数据在同一处理器进行一致性检查的方法,提高了输出指令的正确率,提升了系统的安全性能,满足了失速告警系统对于高可靠性、高安全性的要求。此外,选用异构双核处理器进行余度设计同样适用于其他类型系统。     

具有反馈控制的多自主体系统迭代学习输出一致性

为改进多自主体系统的学习过程并提高系统对外部干扰的鲁棒性,提出一种具有反馈控制的迭代学习一致性控制算法。首先,自主体之间通过共享控制输入信息以改进其学习过程,并且当系统外部存在非迭代重复干扰时,通过设计反馈控制器以提高系统的鲁棒性;然后,使用压缩映射的方法对系统一致性进行分析,并严格推导出算法的收敛条件;最后,通过仿真实验验证了算法的正确性和有效性,改进后的算法与P型算法相比有更高的收敛速度,且在存在外部干扰时有更平滑的收敛曲线。     

基于IRANSAC-IRLS直线拟合算法及应用

针对工业视觉检测中直线边缘存在沾连、毛刺等噪声,导致拟合效率不高、精度较差的问题,提出一种基于梯度方向改进的随机采样一致性（improved random sample consensus,IRANSAC）的迭代加权最小二乘（iterative reweighted least-squares,IRLS）直线拟合算法,即IRANSAC-IRLS算法。首先,利用直线上边缘点的梯度方向相近,将梯度方向引入边缘点RANSAC拟合,来降低错误的随机抽取的次数;然后,对IRANSAC提取出来的局内点进行迭代加权最小二乘拟合,求得最终的直线参数。在噪声点比例为20%、40%、60%、80%的条件下,将IRANSAC-IRLS与基于随机采样一致性算法的最小二乘（RANSAC-LS）拟合算法的仿真实验结果进行对比,IRANSAC-IRLS比RANSAC-LS的拟合效率分别提高16.3%、41.9%、47.5%、53.2%,拟合精度分别提升14.3%、16.7%、44.0%、69.0%。     

面向3维心脏MRI分割的半监督双任务交叉一致性约束网络

目的 针对人体组织器官及病灶区域的3维图像分割是计算机辅助医疗诊断的重要前提,是医学影像3维可视化的重要技术基础。深度学习方法在医学图像分割任务中的成功通常取决于大量有标注数据。半监督学习利用未标注数据容易获取的优点,在模型训练过程中使用少量标注数据和大量未标注数据进行学习,缓解了数据标注昂贵耗时的问题,在医学图像分割中受到了广泛关注。为更好地利用无标注数据,提升医学图像分割效果,提出一种新的一致性正则方法用于半监督3维医学图像分割。方法 模型以V-Net为基础架构,通过扩展网络结构,在均带有分割任务及回归任务属性的双任务主副解码器之间添加了用于正则化约束的交叉损失,构建了具有形状感知的基于双任务的交叉一致性正则网络SACC-Net(shape-aware cross-consistency regular network based on dual tasks),实现将数据层面和模型层面的扰动融合进多任务机制的一致性正则方法,使模型能够更好地利用未标注数据的有效先验信息,并且具有更好的泛化性能。结果 在MICCAI 2018(Medical Image Computing and C...     

多时间尺度一致性的弱监督时序动作定位

由于弱监督时序动作定位模型使用视频级的标签作为监督信号,模型在识别出动作实例中最具区分性的视频片段时,也会将和视频级标签有关的背景片段误认为是动作,难以产生完整的动作提议。为了进一步检测动作片段,通过分析动作片段在多时间尺度上标记的一致性,提出了一种多时间尺度一致性的弱监督时序动作定位方法。对输入的视频帧提取RGB和光流的特征,设计一种多时间尺度的模块,使用不同尺寸的卷积核建模视频的时序关系。通过估计多时间尺度特征的时间类激活图,并对多分支的时间类激活图进行融合,获得多时间尺度一致性的动作预测标签。为了进一步优化模型预测的动作标签,采用迭代优化策略,在每次迭代中更新预测标签,并为模型训练提供有效的帧级监督信号。在THUMOS14和ActivityNet1.3数据集上进行实验验证,实验结果表明,方法性能优于现有弱监督时序动作定位方法。     

分数阶时滞非线性多智能体系统的自适应控制

针对分数阶多智能体系统中存在时滞和非线性特性, 时滞往往会引起控制系统的性能下降甚至出现系统 不稳定等问题, 提出了一种含时滞非线性的分数阶多智能体系统自适应控制方法. 对于多智能体系统的控制协议, 设计了基于领导者和相邻智能体状态信息的自适应控制协议, 减小了过大常数控制增益带来的能源浪费. 对于一 致性, 利用图论基础、分数阶Halanay不等式稳定性定理、Kronecker积和Schur补引理, 获得了分数阶时滞非线性多 智能体系统的LMI一致性条件. 仿真结果验证了本文算法的正确性和有效性. 由于整数阶系统是分数阶系统的特殊 形式, 本文结论可以直接推广到整数阶多智能体系统中.     

密集结构改进双通道神经网络的遥感图像配准

针对部分传统算法对于遥感图像配准精度较低的问题,提出一种密集结构改进双通道卷积神经网络的遥感图像配准方法。对输入的图像采用密集结构改进的双通道卷积神经网络模型进行特征提取;用粒子群算法改进的随机一致性点漂移算法进行特征匹配得到仿射变换系数;使待配准图像能够根据该系数实现变换,达到配准目的。实验表明,改进算法比传统算法的配准精度平均提高了15%以上,对具有显著地貌差异的遥感图像对的配准精度可以有效地提高。     

Elsa:一种面向跨区域架构的无协调分布式键值存储系统

作为具备高性能和高可伸缩性的分布式存储解决方案,键值存储系统近年来被广泛采用,例如Redis、MongoDB、Cassandra等.分布式存储系统中广泛使用的多副本机制一方面提高了系统吞吐量和可靠性,但同时也增加了系统协调和副本一致性的额外开销.对于跨域分布式系统来说,远距离的副本协调开销甚至可能成为系统的性能瓶颈,降低系统的可用性和吞吐量.提出分布式键值存储系统Elsa,这是一种面向跨区域架构的无协调键值存储系统. Elsa在保证高性能和高可拓展性的基础上,采用无冲突备份数据结构(CRDT)技术来无协调的保证副本间的强最终一致性,降低了系统节点间的协调开销.在阿里云上构建了跨4数据中心8节点的跨区域分布式环境,进行了大规模分布式性能对比实验,实验结果表明:在跨域的分布式环境下,对于高并发争用的负载, Elsa系统的性能具备明显的优势,最高达到MongoDB集群的7.37倍, Cassandra集群的1.62倍.     

基于云端充电数据的锂电池组一致性评价方法

在电动汽车(electric vehicle,EV)的使用过程中,电池组内单体间的不一致性增加趋势是不可避免的。电池成组后的单体不一致可能导致电池组提前失效,甚至引发安全问题。随着云端数据的广泛应用,EV的数据可被监测,这些数据能用来评估EV的安全性和电池组一致性。虽然EV上的数据采样频率较高,但云端数据的记录频率较低(约为10～30s),而充电数据采样时间间隔可达到10s以内,因此,云端的充电数据更适合用来评估EV的电池组一致性。以锂离子电池组为研究对象,提出了一种基于云端充电数据的电池组一致性评价方法。基于云端的充电数据,对5项指标进行分析和评价,包括电压一致性、温度一致性、内阻一致性、容量一致性和电量一致性。为了对电池组一致性综合评分,提出了一种加权评分体系,进一步利用模糊层次分析法(fuzzy analytic hierarchy process,FAHP)确定权重系数。最后,基于此评分体系将3个电池组进行实验并进行评分,实验结果表明所提评价方法能有效地区分和定量描述各电池组的一致性。此外,EV数据分析结果表明,该方法可有效地应用于工程中,并能在事故发生前检测出一致性问题,从而...