长时间尺度下计及里程焦虑心理效应的电动汽车充放电调度策略

电动汽车在需求侧能够发挥出优秀的灵活响应潜力。以往研究多侧重电动汽车的短时间尺度调度,但短时间尺度调度未从宏观时间尺度优化而易陷入短时局部最优。为此,提出了一种长时间尺度下计及里程焦虑心理效应的电动汽车充放电调度策略。首先,构建了长时间尺度电动汽车最优充放电调度策略框架;其次,考虑了电动汽车充放电操作的电池损耗成本以及电动汽车用户出行里程焦虑心理效应,以完善对电动汽车用户效益的量化;在此基础上,建立了考虑电动汽车调度成本及里程焦虑心理效应的长时间尺度电动汽车日前-实时双层多目标调度模型;最后,基于滚动时域优化方法对实时优化问题进行处理,利用非支配排序遗传算法对多目标问题进行求解。算例表明：所提策略可使电动汽车用户的里程焦虑心理效应在调度周期内长期维持低于0.25;维持较高水平(如0.75～0.9)的荷电状态可降低调度成本及里程焦虑,提升用户满意度,进而提升其接受调度的积极性与参与度。     

基于改进EDRL的含V2G孤岛微电网频率综合控制策略

针对孤岛微电网中源荷不确定性所导致的频率失稳、电动汽车用户充电需求受损与微型燃气轮机调控成本增加等问题,提出了基于改进进化-深度强化学习(EDRL)的含电动汽车与电网互动(V2G)孤岛微电网频率综合控制策略。首先,考虑了V2G过程对电动汽车用户充电需求的影响,以及微型燃气轮机组出力分配对调控成本的影响,构建了微电网综合控制模型;其次,为了应对综合频率控制这类具有欺骗性奖励、稀疏奖励的工程任务,结合进化算法和深度强化学习算法,并基于新颖搜索加以改进,从而有效协助训练过程跳出局部最优解,逼近最优策略;进一步,以频率偏差、综合成本与电动汽车充电站信息为状态集,以调频机组出力作为动作集,以频偏与综合成本为奖励函数指标,完成了综合控制的结构设计。算例结果表明,所提出的控制器能够在保证微电网调频需求的情况下,有效降低微型燃气轮机组的调控成本与车主的充电需求损失。     

压电超声共振式风传感器风场闭环解算策略研究

为了能够在复杂环境下实现风速风向的高精度和高稳定性测量,在基于声学共振原理的风传感器系统的基础上,采用闭环控制扫描技术改进了系统的性能指标。采用声学共振的方式,同时对换能器产生的信号进行频率调制和强度调制,实现对超声换能器的线型扫描。频率调制解决了在不同压力、温度等环境因素影响下导致的共振频移的问题,强度调制解决了换能器性能随时间衰减问题,极大地提高了信噪比。实验结果表明,采用闭环控制的方法可以准确测量风速风向。风速测量范围0～50 m/s,风速测量精度为±0.5 m/s(≤15m/s)/±5%(>15 m/s且<35 m/s)/±9%(>35 m/s)。改进后的系统在复杂环境下受环境变化影响小、精度高、稳定性好、抗干扰能力强。     

云计算环境下的QR码双重加密复合数字水印算法

为了确保上传到“云”端环境下的数字产品的隐蔽性和安全性,在逐渐向“云”端转移的快速响应(Quick Response, QR)码的理论基础上研究并提出了一种QR码双重加密复合数字水印算法,防止QR码“云”端丢失的可能性。对“云”水印图像进行QR码编码生成QR码水印图像,确保水印信息的安全性,再对QR码水印信息实施加密置乱;对“云”上载体Lena图像进行非下采样轮廓波变换(Non-subsampled Contourlet Transform, NSCT),选择储存信息更多的低频部分进行离散小波变换(Discrete Wavelet Transform, DWT),对图像抵抗力较强的低频图像进行奇异值分解(Singular Value Decomposition, SVD),在分解的奇异值中加权加密的QR码水印。通过对算法进行实验验证,该算法在视觉效果较好的前提下,考虑实用性,将复合算法和加密相结合,提高了算法的抵抗力,尤其是旋转攻击和JPEG压缩攻击。     

基于HHT的光纤惯导系统级标定改进算法

传统的系统级标定方法是将温箱压缩机、转台电机等环境引起的随机噪声视为白噪声,而实际过程中输出信号具有非平稳和非线性特征。最小二乘拟合法是一种线性回归方法,利用该方法求解的误差系数成为制约光纤捷联惯导系统实现高精度的关键因素之一。针对上述问题,该文提出了一种基于希尔伯特-黄变换的捷联惯导系统级标定改进算法。通过希尔伯特-黄变换去除惯性仪表原始输出信号中的高频随机噪声,再利用系统级标定法计算惯性测量单元(IMU)误差参数。经多组试验证明,该方法能够有效提高IMU误差参数辨识的准确性,1 h的动态导航位置误差相对减少约10%。     

视觉传达约束下模糊人脸图像多尺度特征重建模型

模糊人脸图像细节不清,导致相关领域人脸识别过程中出现错误识别或无法识别的问题。为提高人脸识别的准确性,文中在视觉传达约束下构建模糊人脸图像多尺度特征重建模型。首先,对模糊人脸图像进行灰度处理和去噪处理,并利用高斯金字塔将人脸图像分解为三个尺度;然后分别提取三个尺度图像的人脸特征,利用自编码超分网络建立模糊图像和高分辨率图像之间的对应关系,构建重建模型;最后,将多尺度特征作为模型的输入,通过求解模型实现模糊人脸图像多尺度特征重建。结果表明,重建模型的平均峰值信噪比和平均结构相似性达到相对极大值,分别为9和0.87,说明所构建模型重建的人脸图像质量较高。     

结合多尺度特征和注意力机制的公路裂缝检测

由于航拍公路裂缝数据缺乏并且裂缝图像存在目标小、分布复杂的特点,导致语义分割模型在航拍公路裂缝检测中效果差,影响模型在实际场景的应用,为此提出基于改进DeeplabV3+的公路裂缝检测方法。构建语义分割模型,选定DeeplabV3+模型并作如下优化：由于低级特征包含更多裂缝细节信息,增加了提取低级特征的路径,从ASPP模块输出的特征为高级特征,高级特征包含更多语义信息,将两者信息进行融合能保证模型不丢失裂缝的细节信息;在网络中嵌入SCSE注意力模块抑制对其他无关信息的响应,改善模型在裂缝数据集检测效果差的问题。实验结果表明,改进DeeplabV3+算法可以有效解决模型对小目标裂缝分割时效果差的问题,模型的检测精度提高了2.59%,具有较强的应用价值,可以为实际公路裂缝检测提供参考。     

基于引导调制的彩色点云无参考质量评价方法

彩色点云(color point cloud, CPC)作为三维场景和对象的有效描述形式,在虚拟现实、增强现实等许多领域得到重要应用。CPC在其采集、压缩、传输、重建等过程中会引入相应的失真,需要设计有效的评价方法对失真CPC质量进行评测。本文提出一种基于引导调制的CPC无参考质量评价方法。考虑到几何信息与彩色纹理信息的联合失真,利用引导调制的方法联立两者,以综合考虑几何失真、彩色纹理失真、联合失真。结合人眼的多通道性,利用剪切波变换提取特征。最后,将所有特征构成的特征向量输入到支持向量回归模型(support vector regression, SVR)学习预测点云质量。实验结果表明,所提出的方法与人类主观感知具有很好的一致性。     

基于改进3D UNet的前列腺MR图像分割

针对前列腺磁共振 (magnetic resonance, MR)图像边缘模糊、对比度较低,灰度值分布不均衡而导致分割精度较差的问题,提出了一种结合双路径注意力(dual path attention,DPA) 和多尺度特征聚合(multi-scale feature aggregation,MFA) 模块的改进3D UNet网络模型。首先,对数据集进行重采样和裁剪处理以适应模型输入。然后,在3D UNet网络的编码器各层引入DPA 并添加残差连接,加强特征的 编码能力。同时,在网络解码器中加入MFA模块,以充分利用空间上下文信息,增强语义信息。最后,在公开数据集PROMISE12上进行验证,所提出的模型的Dice系数为89.90%,Hausdorff 距离为9.37 mm。相比较于其他模型,所提出模型的分割结果更优,且参数量和运算量更少。     

基于余弦-指数混沌映射的分块图像加密算法

为平衡混沌映射中结构与性能的关系,保证加密系统安全性,提出一种基于余弦-指数混沌映射的分块图像加密算法。首先,通过非线性指数项对引入了Tent种子映射的余弦映射进行调制,构造新型余弦-指数混沌映射,并利用SHA-256函数产生与明文相关的密钥,生成随机性较强的混沌序列,实现一次一密;然后,基于拉丁方和位级转换,通过两轮拉丁方索引和比特位拼接,分别设计双重拉丁方和扩展比特位算法,并结合二维约瑟夫序列,对块间预置乱后的明文进行块内置乱,实现不同分块的差异化置乱;最后,基于Zig-Zag变换,采用环状仿Zig-Zag变换设计交叉Zig-Zag变换方法,将中间密文与混沌序列进行双向非线性扩散,实现同时改变像素位置与大小,完成图像加密。实验结果表明,该算法密钥空间大,能有效抵御差分分析和统计分析等典型攻击,具有较好的加密效果。