基于自适应预测算法的谐波电流无差拍控制

基于单相并联有源电力滤波器,提出一种无差拍控制策略。随着数字控制技术的发展,无差拍控制在有源电力滤波器控制中的地位越来越重要。虽然该技术响应快、精度高,但由于采样以及处理器计算的延时,系统容易不稳定。文中提出了一种自适应预测算法,可预测两个采样周期后的参考电流,有效消除延时,保证系统稳定性。无差拍控制与自适应预测结合使用,可有效降低稳态时各次谐波电流的含有率和电流总谐波畸变率,并在负载变化时能快速跟踪上谐波电流的变化。通过仿真在单相并联有源电力滤波器上实现了该算法,并将其与线性预测方法进行了比较,证明了它具有精度高、响应快的特点。     

基于最小二乘支持向量回归机的燃煤锅炉结渣特性预测

对燃煤锅炉结渣特性建模预测并结合优化算法实现燃烧优化是降低锅炉结渣几率有效的方法。文中将煤的软化温度tST、硅铝比w(SiO2)/w(Al2O3)、碱酸比J、硅比G以及锅炉的无因次炉膛平均温度ft、无因次切圆直径fd等作为输入变量,以结渣程度作为输出,建立最小二乘支持向量回归机燃煤锅炉结渣预测模型。同时采用显微镜原理对惩罚参数g和核参数s进行寻优,快速有效地获得二者的最优组合。通过对5台锅炉结渣特性进行预测评判,结果表明此方法是合理可行的。同时依据本方法及面向对象的高级语言,开发了相应的预测评判系统。     

自适应预测法在去噪声中的应用

在信号检测中,突变点和脉冲点的检测尤为重要,本文首先用多项式预测法找出输入信号的突变点和脉冲点。并证明了预测因子之和为１．文中将时装城的一维信号看成有产品,,上突变点信号按谱系分成多类,然后对每一类用多项式预测法,即左预测和右预测去除脉冲噪声和白噪声,该方法能有效的保护信号的突变现象。     

高层建筑外部空间交通组织

通过对现有高层建筑外部空间交通状况的分析,引出有关方面的组织原则及要求,并结合具体实例,从几个方面详细介绍高层建筑外部空间交通的组织方法.     

激光深熔焊等离子体电信号振荡特征与焊缝熔深的特征关系

针对激光深熔焊接过程的监控问题,基于小孔内部压力平衡条件分析了小孔振荡和小孔深度的关系。在此基础上基于小孔行为与等离子体行为的耦合性,以及等离子体振荡特征与等离子体电信号波动特征的一致性,利用短时自相关分析方法分析了A304不锈钢和Q235碳钢在激光深熔焊接过程中等离子体电信号振荡周期与焊缝熔深之间的关系。结果表明,等离子体电信号振荡周期随焊缝熔深的增加而增大,并且不同焊接材料的等离子体电信号振荡周期与焊缝熔深之间的关系不同。最后,在可变热输入连续焊接验证实验中,在焊接过程稳定的条件下,等离子体电信号的短时自相关分析结果与焊缝熔深之间有比较好的对应关系,与所分析的小孔振荡特征方程具有一致性。     

基于最小二乘支持向量机的衰落信道预测算法

该文探讨了利用相空间重构和支持向量机进行衰落信道非线性预测算法。该算法基于多径衰落信道具有混沌行为,利用坐标延迟理论,重建衰落信道系数的相空间,再根据混沌吸引子的稳定性和分形性,在相空间中通过递归最小二乘支持向量机(RLS-SVM)进行预测。该算法对原始数据可以进行更平滑的处理,在噪声环境下预测的时间范围更长。对时间跨度为63.829ms的衰落系数进行了预测,仿真结果表明,在信噪比为15dB时,预测结果优于AR算法。     

基于卡口上下文和深度置信网络的车辆轨迹预测模型研究

针对车辆轨迹预测中节点序列的时序特性和实际路网中的空间关联性,该文提出一种基于深度置信网络和SoftMax (DBN-SoftMax)轨迹预测方法.首先,考虑到轨迹在节点集合中的强稀疏性和一般特征学习方法对新特征的泛化能力不足,该文利用深度置信网络(DBN)较强的无监督特征学习能力,达到提取轨迹局部空间特性的目的;然后,针对轨迹的时序特性,该文采用逻辑回归的预测思路,用当前轨迹集在路网特征空间中的线性组合来预测轨迹;最后,结合自然语言处理领域中的词嵌入的思想,基于实际轨迹中节点存在的上下文关系,运用节点的向量集表征了节点间的交通时空关系.实验结果表明该模型不仅能够有效地提取轨迹特征,并且在拓扑结构复杂的路网中也能得到较好的预测结果.     

联合多流融合和多尺度学习的卷积神经网络遥感图像融合方法

为尽可能保持原始低分辨率多光谱(LRMS)图像光谱信息的同时,显著提高融合后的多光谱图像的空间分辨率,该文提出一种联合多流融合和多尺度学习的卷积神经网络遥感图融合方法。首先将原始MS图像输入频谱特征提取子网得到其光谱特征,然后分别将通过梯度算子处理全色图像得到的梯度信息和通过卷积后的全色图像与得到的光谱特征图在通道上拼接输入到具有多流融合架构的金字塔模块进行图像重构。金字塔模块由多个骨干网络组成,可以在不同的空间感受野下进行特征提取,能够多尺度学习图像信息。最后,构建空间光谱预测子网融合金字塔模块输出的高级特征和网络前端的低级特征得到具有高空间分辨率的MS图像。结合WorldView-3卫星获取的图像进行实验,结果表明,所提方法生成的融合图像在主观目视检验和客观评价指标上都优于大多先进的遥感图像融合方法。     

基于拓扑链路识别的光网络流量数据合成算法

基于深度学习的光网络流量诊断与预测等场景中,由于保密等原因,光链路的流量数据采集和存储工作受限。针对数据量少而无法支撑深度学习的问题,文章提出了一种基于拓扑链路识别的光网络流量数据合成算法,其核心思想是在生成对抗网络框架下,联合基于光网络拓扑的条件生成模型和基于光网络流量的数据合成模型,以自监督的方式合成指定光链路的流量数据。仿真结果表明,所提算法合成的光网络流量数据在自相关系数指标上与真实数据接近且使得基于全连接神经网络的流量预测模型准确率达到95%以上。     

基于强化学习的立体全景视频自适应流

针对当前立体全景视频传输缺少有效的流自适应方法,且传统全景视频流自适应策略传输双目立体全景视频使得传输数据加倍,所需带宽巨大的问题,该文提出一种基于多智能体强化学习的立体全景视频非对称传输自适应流方法,以实时应对网络带宽波动。首先,根据人眼对视频显著性区域的偏爱,左右视点中每个瓦片(tile)对立体视频的感知质量的贡献度不同,提出一个基于tiles的左右视点观看概率预测方法。其次,设计了一种基于策略-评价(Actor-Critic)的多智能体强化学习框架,对左右视点进行联合码率控制。最后,根据模型结构和双目抑制原理,设计合理的奖励函数。实验结果表明,与传统流自适应传输策略相比,该文所提方法更加适用于基于tiles的立体全景视频传输,实现在有限带宽下提高用户的体验质量(QoE),为立体全景视频联合码率控制提供了一种全新的方法和思路。