电能表检验装置中电能值的补偿方法

本文首先阐述了电能表检验装置中电能值补偿的一般概念,介绍了将电能值补偿分为粗补偿和精补偿两个过程的实现思路,并介绍了粗补偿的一般方法,在此基础上,重点介绍了三种针对参量变化的精补偿方法.本文详细说明了每一种精补偿方法的补偿原理和实现方法,并针对具体实现过程,提出了一些注意事项、改进措施以及实用技巧.最后本文对三种精补偿方法的综合性能从不同方面进行了分析比较,并用实际测试数据对三种精补偿方法的补偿效果进行了验证,同时给出了每种精补偿方法相应的使用原则.     

基于自适应SA-PSO改进的XGBoost气温预测方法

提出了一种SA-PSO-XGBoost预测模型，基于2016年1月1日~2017年12月31日的ECMWF气象数据，用于预测南京地区6 h后的气温。将气象数据分为训练集和测试集，使用PCA降维方法对气象数据特征进行压缩降维，然后应用模拟退火和粒子群优化混合算法对XGBoost模型的超参数进行优化，并将测试集数据带入到SA-PSO-XGBoost、XGBoost、GRU和LSTM神经网络进行对比分析，实验结果表明：SA-PSO-XGBoost预测6 h后的温度模型有更高的准确性和鲁棒性。     

基于最优探测的多机器人路径规划

目前,针对多机器人目标探测定位系统,机器人通常获取相对于目标的角度信息,然后进行融合实现定位目标。采用此种定位算法,机器人相对目标的距离越近、相邻机器人与目标之间的夹角越均匀,目标的定位精度越高。然而由于目标与机器人分布的随机性,在定位的过程中,通常无法同时保证机器人相对目标距离最近、夹角最优。那么如何实现多机器在探测目标过程中,每个时刻机器人对目标的定位精度最优?提出了多机器人最优探测路径规划算法。每个机器人在单位时间内按直线移动,那么机器人下一时刻的位置轨迹,即以当前位置为圆心的圆。根据机器人定位的精度模型标准,采用内点优化算法求解得到圆上的一点,使得精度模型标准取得最优值,即定位精度精度最高,这点即为下一时刻机器人的位置。由此不断求得机器人下一时刻的位置,即可获得机器人移动的路径。仿真结果表明,算法能够实现在多机器人探测定位目标过程中,协同路径规划保证每个时刻目标定位精度最优。     

基于文件解析的逻辑控制方法设计

当前嵌入式应用中存在着大量的数字量输入输出信号,且这些信号之间有着复杂的逻辑关系。针对这种情况提出并设计实现一种基于文件解析的逻辑控制方法,通过将输入输出间的逻辑关系写入文本文件中,主控芯片上电后读取文件,采用定时采样,定时解析输出的方式保证开关量信号的实时输出。通过这种方法,使嵌入式应用在逻辑信号控制上的通用性,灵活性性,可移植性得到大大提高。     

基于贝叶斯网络的入侵容忍系统

提出一种基于贝叶斯网络的入侵容忍系统,给出系统的运行流程.用进程特性向量来表示一个具体的进程,并对进程特性进行具体的分类.提出利用贝叶斯网络模型来描述进程的运行过程,给出基于贝叶斯网络推理的进程类型概率值的计算公式,构造了用于确定进程危险程度的危险函数,并用实例说明了对入侵进程的具体识别过程.     

人侵容忍系统的安全态势评估

根据入侵容忍系统与一般网络系统相比所具有的特点.提出了一种专门针对入侵容忍系统的安全态势评估方法.基于入侵对系统所造成的影响以及入侵容忍的功能,构建了数据机密度、数据完整度、服务可用度3个评估指标,并根据各指标的特点给出了其量化方法,然后通过对这3个指标的定量计算来动态评估入侵容忍系统的安全态势.实验表明,所提方法是一种便于操作的态势评估方法,所得到的安全态势能反映出入侵容忍系统的真实安全状况.     

入侵容忍系统的安全态势评估

根据入侵容忍系统与一般网络系统相比所具有的特点,提出了一种专门针对入侵容忍系统的安全态势评估方法. 基于入侵对系统所造成的影响以及入侵容忍的功能,构建了数据机密度、数据完整度、服务可用度3个评估指标,并根据各指标的特点给出了其量化方法,然后通过对这3个指标的定量计算来动态评估入侵容忍系统的安全态势. 实验表明,所提方法是一种便于操作的态势评估方法,所得到的安全态势能反映出入侵容忍系统的真实安全状况.     

基于UI-LSTM模型的短时降水预测研究

降水临近预报是为了预测未来短时间的降雨量。现有大多数基于循环神经网络(Recurrent Neural Network, RNN)的降水预报模型,采用单一的卷积核对输入和隐藏状态的特征进行提取存在局部性,不能捕获雷达回波图中复杂的物理变化,且未有效提取时空相关性和对强降雨区域的精准预测。针对现有模型存在的问题,提出了UI-LSTM模型用于降水临近预报,能够有效地提取雷达回波序列的时空相关性,采用了U形结构,同时使用跳过连接进行特征拼接,学习到整个雷达回波图的上下文语义信息,且将浅层和深层信息进行特征融合。加入了Inception结构来代替ConvLSTM细胞结构中输入到输入和状态到状态的卷积,通过不同大小的卷积核,有效提取输入,隐藏状态的特征。在公开数据集(CIKM AnalytiCup 2017)进行实验并与其他模型进行对比实验。实验结果表明,UI-LSTM模型在HSS、CSI、MAE和SSIM指标整体上要远高于其他对比模型,且提高强降水天气预测的准确率。     

基于NSCT的焦点度量优化和ISML多聚焦图像融合

针对成像设备的景深有限,采集图像部分失焦的问题,提出了一种有效的多聚焦图像融合算法,进一步提高图像的对比度和清晰度。首先用NSCT将源图像分解为近似子带和详细子带;然后采用焦点度量优化策略(FMO)和修正拉普拉斯变换(ISML)分别合并近似子带系数和详细子带系数;最后进行逆NSCT得到融合后的图像。利用灰度多聚焦图像数据集进行实验,并与常用的多聚焦图像融合算法对比分析得出,本算法在融合图像的视觉效果和7种常用的客观评价指标都具有更优越的性能。