组合连通拓扑下基于事件触发的多智能体快速一致性算法

针对组合连通拓扑下多智能体系统控制过程中存在通信和计算资源损耗大以及系统收敛速度慢等问题,提出一种新的具有状态预测器的事件触发一致性控制协议,通过设计状态预测器使每个智能体都能对其邻居智能体的未来状态作出预测;同时,对于智能个体给出了基于状态信息的事件触发条件,当状态误差满足该条件才触发事件.在该控制策略下多智能体系统可在节约通信和计算资源的同时具有更快的收敛速度.利用Lyapunov稳定性理论和代数图论,证明了所提事件触发控制策略能够有效实现组合连通拓扑结构下的平均一致性,且不存在Zeno行为.仿真实例进一步验证了理论结果的有效性.     

基于对抗变分自动编码器的风电机组传动链故障预警

利用状态监测与故障诊断能够确保风电机组运行的可靠性与安全性。为了解决风电机组故障诊断适用性差、精度低的问题,针对风电机组早期故障预警及定位工作,在传动链故障诊断中引入深度学习算法,基于监控数据采集系统提供的数据基础,结合稀疏字典对对抗变分自动编码器（AVAE）进行改进,引入非线性深度表示,以降低数据维数,进而实现对原始数据内在特征的多样化、有效提取。同时,提出了一种AVAE-SDL故障诊断模型,可以有效排除训练过程中随机噪声造成的影响,有利于从高维数据中进一步提取内在特征。案例分析结果证明,AVAE-SDL故障诊断模型能够准确检测出机组故障,不存在误报情况,可作为风电机组传动链故障诊断的可靠工具。     

一种高效哈夫曼解码器的设计与实现

本文介绍了一种高效、高速哈夫曼解码器的设计与实现。这种解码器的解码算法是建立在一种对哈夫曼树结构的特殊分类的基础上的。这种方法极大地降低了存储哈夫曼表所用的存储器大小,并且提高了查找的速度。