无线传感网络覆盖的多步长粒子群优化研究

为了改善无线传感网络的网络性能,提高网络的覆盖率,实现网络覆盖范围的最大化,延长网络寿命,在多步长粒子群算法的基础上提出以网络覆盖率为优化目标的覆盖优化策略。该策略针对不同的个体情况改变粒子的最大飞行速度,实现粒子的多步长搜索,有效地解决了粒子群算法容易出现的早熟问题。仿真实验表明,与粒子群算法相比,多步长粒子群算法的有效覆盖率由74.76%提高到82.66%,到达收敛的迭代次数由360次减少到283次,收敛速度提高了21.4%。因此多步长粒子群优化策略比粒子群算法在无线传感网络覆盖优化上具有更好的效果。     

计算机辅助测试序列优化

为自动获取平均测试费用最少,且能快速实现系统故障检测与隔离的最优测试序列,提出了一种准多步前向搜索算法。该算法结合了一步前向搜索和多步前向搜索的基本特点,并以信息增益为启发策略,获得了计算精度和复杂度的权衡。基于该算法,开发了一个测试序列优化工具,通过对大量实例的计算,证明该工具可以在实用中取得满意结果,且该工具可以用作自动测试设备和便携式维修辅助软件的核心诊断推理机。     

基于拟全量理论的多步正向成形模拟方法

在全量理论的基础上,引入增量思想,构建了多步正成形算法。其基本原理是在一步正成形的基础上,适当增加了若干个中间步,依次计算各中间步之间的应变改变量,并以分量形式累加到当前步的总应变,基于全量理论进行Newton-Raphson迭代计算,并将计算结果以应变分量的形式累加到下个中间步计算中,计算对应的弹塑性本构矩阵,从而在计算过程中体现加载历史的影响,提高了最终的模拟结果精度。设计了方盒件多行程实验方案,采用电腐蚀方法在初始坯料上刻上圆形网格,进行了10 mm、20 mm、30 mm、40 mm、50 mm五个不同行程的方盒件成形实验。利用光学方法测量网格变形量并推算出网格应变量,使用超声测厚仪测量板料不同行程的厚度变化量。通过几种不同算法在计算精度和计算效率上的对比,证明了多步正成形算法的有效性。     

Adaptive Multi-Step Evaluation Design With Stability Guarantee for Discrete-Time Optimal Learning Control

This paper is concerned with a novel integrated multi-step heuristic dynamic programming (MsHDP) algorithm for solving optimal control problems. It is shown that, initialized by the zero cost function, MsHDP can converge to the optimal solution of the Hamilton-Jacobi-Bellman (HJB) equation. Then, the stability of the system is analyzed using control policies generated by MsHDP. Also, a general stability criterion is designed to determine the admissibility of the current control policy. That is, the criterion is applicable not only to traditional value iteration and policy iteration but also to MsHDP. Further, based on the convergence and the stability criterion, the integrated MsHDP algorithm using immature control policies is developed to accelerate learning efficiency greatly. Besides, actor-critic is utilized to implement the integrated MsHDP scheme, where neural networks are used to evaluate and improve the iterative policy as the parameter architecture. Finally, two simulation examples are given to demonstrate that the learning effectiveness of the integrated MsHDP scheme surpasses those of other fixed or integrated methods.     

模糊时间序列建模及股票市场多步预测

首先应用模糊聚类方法将数据分类,以相邻两个聚类中心的中点作为子区间的分界点来划分论域,并以此将时间序列模糊化为模糊时间序列;其次根据证券市场主要量价指标建立了具有多个前件的高阶模糊关系;最后将该模型用于上证股票综合指数和深证股票成分指数的多步预测和涨跌趋势预测。与典型模糊时间序列模型比较,涨跌趋势预测准确率有较大提高,多步预测结果表明模型具有较好的泛化能力。     

独立光伏电站蓄电池优化管理研究

为了实现独立光伏电站系统中蓄电池的优化管理,有效地延长其工作寿命,提出了基于混合型模糊PID控制算法的分段式蓄电池充电策略.该策略将蓄电池的充电分为恒流充电、恒压均充和恒压浮充3个阶段,浮充电压可根据电池温度进行实时补偿.将定时功能与电流判据相结合,控制均、浮充的转换,可避免蓄电池的过充或欠充.介绍了基于该策略的控制器的硬件组成以及软件实现.试验结果和实际运行表明,该系统具有高效、稳定、自动化程度高的特点.     

基于经验模式分解与混沌分析的直接多步预测模型

直接多步预测不依靠单步预测的结果而直接使用测量数据, 效果理想, 但往往要求模型能够学习多种不同的目标函数. 本文建立的直接多步预测混合模型, 使用模式分解方法把原始时间序列分解成不同尺度的基本模式分量, 再经混沌分析和神经网络进行组合预测, 减小了各步预测模型之间的差别, 提高了模型对多种目标函数的学习能力, 有效提高了预测精度. 最后, 通过基准时间序列验证了本模型的优越性.     

基于多步筛选法的心脑血管疾病全基因组关联研究

全基因组关联研究是研究复杂疾病和性状遗传效应的一种有效手段。现有关联分析主要用的是边缘统计检验的方法,但未考虑特征间相关性、阈值选取不稳定等问题。该文以心脑血管疾病为研究对象,提出了一种基于多步筛选法的全基因组关联分析新方法。该方法可以简要概括为以下 两步：首先利用 Gini 指数做特征初始筛选,获得一个候选单核苷酸多态性子集,再用基于随机森林的递归聚类消除法从单核苷酸多态性子集中发现关联单核苷酸多态性。实验结果表明,多步筛选法比单步特征选择的效果更好,基于 Gini 指数的基于随机森林的递归聚类消除法筛选的单核苷酸多态性子集与疾病的关联性更高。     

基于多层概率集的随机预测控制算法设计

考虑具有乘型不确定性的离散随机系统约束控制问题, 设计了一种基于多层概率集的随机预测控制算法. 多层概率集描述了状态在多步反馈控制律下的一系列不同概率的分布区域, 因此能够同时保证多个不同概率要求的软约束. 通过动态优化多步反馈律, 算法具有较大的可行范围. 之后设计的简化算法在降低计算负担的同时保证了算法的可行范围.     

空调电机端盖冲压拉深工序的动态仿真

通过对空调电机端盖冲压件的复杂多次冲压工艺分析,初步确定工件各道工序的形状与尺寸,然后利用DYNAFORM软件对冲压式序进行动态模拟,分析冲压工序的合理性.通过修改参数,确定切实可行的冲压方案.再根据确定的方案设计制造模具,冲压出符合要求的工件.对冲压工序的设计方法和多道成形的动态模拟方法进行了说明,确保了模具设计的成功,缩短了生产周期,降低了生产成本.