多因素集成模型下分布式电源的优化配置

分布式电源作为智能电网的重要一环与常规电力系统并网的趋势越来越明显,如何合理地对分布式电源进行优化配置对电网的优化运行有重大意义.本文提出并建立了一种多因素的集成分布式电源优化配置模型,为解决含DG的配网规划问题提供了一种思路.     

面向绿色制造的轴承生产车间多目标调度优化（英文）

针对高性能轴承零部件的加工过程,以最大完工时间、机器加工碳排放量和磨削液使用量为目标函数,对轴承零部件加工的绿色车间调度问题进行研究.将轴承零部件的加工过程细化为启动、装夹、加工、卸夹、待机和关闭共6个流程,建立多目标绿色调度数学模型;提出了改进的多目标遗传算法进行求解,采用融合工序选择和机器选择的分段式编码方式,并在交叉、变异等步骤进行改进,提高算法收敛性;最后以某轴承公司的轴承零部件加工过程为例进行案例分析与对比试验,并通过大规模数据测试与分析.结果表明,所提模型可以得到更低的完工时间、碳排放量和磨削液使用量,从而验证了所提模型的科学性和有效性.     

银行系统多层网络模型及其演化（英文）

基于股票收益率间Pearson相关性、Spearman相关性和Kendall相关性,构建了银行系统多层网络模型,其中3种相关性分别对应于多层网络中Pearson层、Spearman层和Kendall层.根据2011—2020年期间中国上市银行数据,实证分析了银行系统多层网络结构的演化特征.结果表明：大型国有银行在整个银行系统中表现出更高的活跃度;银行间多层网络的层间度相关性呈现一定的波动性,其中Spearman层和Kendall层的相关性更高;构建的银行多层网络表现出明显的小世界特征;所有的银行节点在多层网络中的每一层中都发挥作用.研究结论揭示了银行收益率波动不同关联性之间的相依结构,对于维护银行系统稳定具有一定的理论参考价值.     

面向数字孪生车间的三维可视化交互系统（英文）

为了提升数字孪生车间人—物理—虚拟的协调与融合,对数字孪生车间的三维可视化监控与人机交互进行研究.首先,提出了一种新的面向数字孪生车间的三维可视化交互系统六维模型,由于传统的数字孪生五维模型忽略了人机交互的重要性,因此增加了用户终端新维度;然后,提出了一种车间生产过程分层实时数据驱动映射模型,同时,提出了基于OPC UA的工业物联网实时数据采集方法.基于系统六维模型,介绍了基于虚拟现实的三维可视化虚拟环境创建流程,以及基于数据管理云平台的数据驱动流程.最后,以叶片转子试验车间为对象对系统六维模型进行验证,开发了三维可视化交互系统.结果表明,该系统的透明度更高,实时数据驱动更高效,促进了人—物理—虚拟的协调与融合,对于数字孪生车间建设具有现实意义.     

基于样条曲线的多域交通流模型（英文）

为了建立最优化多域交通流模型,提出了一种将聚类分析和B-样条回归分析相结合的新方法.首先,为了确定合适的域数,采用K-means和模糊c-means算法对实际交通流数据进行了聚类分析,分析表明将交通流数据分为2类或3类最能反映交通流的固有类型.然后,将此信息用于指导B-样条回归分析,可显著减少样条模型参数估计的计算量.用样条回归分析来估计结点位置和模型参数可使得整体误差最小.模型分析结果表明,提出的样条曲线模型比传统模型具有更好的拟合能力和通用性.此外,新方法在数据拟合方面更加灵活,且能提供更加光滑的交通流模型曲线.     

一种面向可重构密码处理器的分布式跨域寄存器文件（英文）

由于寄存器文件严重影响可重构密码处理器的性能和面积,为了实现高性能和低面积消耗的密码处理器,提出了一种高效的分布式跨域寄存器结构.通过分析不同分组密码的算法特点,设计了统一的多端口访问结构——分布式跨域寄存器文件.针对全局寄存器文件和局部寄存器文件不同的算法需求,在TSMC40 nm CM OS工艺下,采用不同设计参数分别完成电路实现并与类似结构做比较.实验结果显示,所提出的分布式跨域寄存器结构能够有效地提升单位面积的性能,其中单位时间分组密码性能提升了17.79%,单位面积时间分组密码性能提升了117%.     

基于超时违约概率约束的多天线系统下行帧长优化（英文）

为了满足数据传输的时延约束,提出一种多天线系统的下行帧长优化方案.由于传统的物理层信道模型在评估服务质量方面的局限性,该方案应用有效带宽与有效容量概念从链路层对源数据模式与队列服务动态进行统计特性建模.该链路层模型分别描述了源数据产生过程、信道服务过程与服务质量参数之间的映射关系,将超时违约概率约束转化为数据传输速率限制,将帧长优化问题转换为求解多元联合不等式组.在块衰落信道场景中,求解满足多元联合方程的帧长域下界,得到超时违约概率约束下的最佳系统帧长.理论分析和仿真结果表明,在最佳帧长设置下,用户数据传输的超时违约概率满足要求.     

液压机器人增压油箱的多目标优化方法研究（英文）

目的:增压油箱是提高液压机器人动力源功率密度的一个关键元件。高集成度的增压油箱设计涉及6个设计变量和6个性能指标,必须采用合适的方法进行多目标优化。创新点:1.提出一种在设计变量平面上投影性能曲面的多目标优化方法,通过设定性能阈值缩小可行解范围并获得决策;2.将增压油箱应用于液压机器人,提高液压机器人的功率密度和性能。方法:1.采用活塞-弹簧增压的原理来实现机器人液压系统增压,分析增压油箱的容量、质量和增压压力等性能,确定增压油箱设计为多目标优化问题。2.通过在设计变量平面上的投影曲面,分析增压油箱性能指标与设计变量之间的关系;将目标函数阈值引入设计限制条件,通过控制待优化的指标缩小可行域,获得油箱设计的最终解。3.按优化设计参数加工油箱样机,并在液压机器人动力源上进行测试。结论:1.增压油箱优化结果表明本文提出的设计方法可帮助设计者获得所需的最优解;2.增压油箱样机的应用测试结果表明所研制的增压油箱在液压机器人系统中运行可靠。     

含分布式电源的配电网优化重构

针对传统二进制粒子群(binary particle swarm optimization,BPSO)算法应用于配电网重构时容易早熟的问题,提出了一种改进的混合粒子群算法。首先,通过加入遗传算法(genetic algorithm,GA)中的杂交环节和模拟退火(simulated annealing,SA)算法中的Metropolis更新机制,使算法更容易跳出局部最优,具有更好的全局搜索能力;其次,在重构过程中利用破圈法更新辐射状拓扑结构,改进编码规则,避免了大量不可行解的产生;最后,通过对不计及分布式电源(distributed generation,DG)和计及分布式电源的IEEE33节点配电系统重构仿真,验证了改进的混合粒子群算法是可行的和有效的。     

多输入多输出无线光通信系统中的自适应调制技术（英文）

在基于强度调制、直接检测的多输入多输出无线光通信系统中,为了保证发射信号非负特性,提出一种基于直流偏置的自适应调制技术,并且利用奇异值分解将多输入多输出信道转换为并行信道.此外,提出一种基于QR分解、逐次干扰消除的自适应调制技术.在目标误比特率性能条件下,利用QR分解、逐次干扰消除的特性将多输入多输出信道等效为并行信道.根据最大化可达速率的优化目标,最优地给各个子信道分配功率.仿真结果表明所提出的2种自适应调制方法在保证误比特率性能和平均发射光功率恒定的前提下,有效地提高了系统的传输速率.这2种自适应调制技术在利用多输入多输出技术空分复用增益的同时,进一步提高了无线光通信系统的频谱利用率.     

基于级联投影高斯混合模型的语音与心电情绪识别（英文）

提出了一种基于级联投影的高斯混合模型算法.首先,针对不同的特征维度计算高斯混合模型的边缘概率,依据边缘概率模型构造出多个子分类器,每个子分类器包含不同的特征组合.采用级联结构的框架对子分类器进行动态融合,从而获得对样本的自适应能力.其次,在心电情感信号和语音情感信号上验证了算法的有效性,通过实验诱发手段,采集了烦躁、喜悦、悲伤等情感数据.最后,探讨了情感特征参数(心率变异性、心电混沌特征,语句级静态特征等)的提取方法.研究了情感特征的降维方法,包括主分量分析、顺序特征选择、Fisher区分度和最大信息系数等方法.实验结果显示,所提算法能够在2种不同的场景中有效地提高情感识别的准确率.     

面向基于类比的软件工作量估算的多目标特征选择方法（英文）

将基于类比的软件工作量估算(ASEE)中的特征选择问题建模为多目标优化问题.其中一个优化目标是最大化工作量估算的精度,另一个优化目标是最小化选出的特征数.基于这2个潜在矛盾的优化目标,提出了一种新颖的包裹式特征选择方法MASE.在实证研究中,选择了实际项目,包括Desharnais的77个项目和Maxwell的62个项目作为评测对象,并将MASE方法与经典基准方法进行了比较.最终结果表明:基于MMRE,MdMRE,PRED(0. 25)和SA评测指标,MASE方法可以选出更少的特征,且预测精度更高.     

WinoNet:基于LUT的可配置Winograd多精度卷积网络加速器（英文）

为了解决卷积层计算复杂度要求高和硬件网络推理的硬件资源有限造成的硬件部署问题,在基于查找表(LUT)的现场可编程门阵列(FPGA)上搭建了使用整数乘法器和加法树的卷积架构.借助Winograd算法实现卷积乘法优化,降低了计算复杂度.进一步优化基于LUT的算子,以构建处理单元(PE).优化存储流以提高内存访问效率并解决带宽限制,降低数据翻转率以减少功耗.试验结果表明,使用Winograd算法构建基本处理单元可以显著减少乘法器数量并实现硬件部署加速,而处理单元的时分复用提高了资源利用率.与传统卷积方法相比,架构对计算资源实现了2.25倍优化,并将峰值吞吐量提升了19.3倍.由此说明,基于LUT的可配置Winograd网络加速器可以有效解决硬件资源有限造成的部署问题.     

高速公路事件管理系统评价模型（英文）

为了评测高速公路事件管理系统的基本状况并发现其中的特别问题,提出了一种评价模型.首先使用专家评估法筛选了初始评价指标系,确定了81个指标和指标系的线性层次结构,如总目标层、子目标层、标准层和指标层.然后,在指标系各层模糊性特征基础上,用层次分析法和模糊聚合法得到指标层和标准层的权重及满意度.在分析总目标层和子目标层的关系过程中,容易发现子目标数量过多且有冗余性问题,并应用了偏最小二乘法进行解决.最后,介绍了一个结果已经得到认可并已用来指导新事件管理改进工程的应用实例,其结果验证了模型的可行性和有效性.     

基于密集多载波波形的谐振区雷达检测优化（英文）

区别于现有发射正交频分复用(OFDM)多载波波形的谐振区雷达系统(RRRS),提出了拥有比传统OFDM波形更窄频率间隔的密集多载波(DMC)雷达波形.在相同带宽内,DMC波形包含了更多的子载波,从而能提供更高的频率分集.为了进一步提高检测性能,提出了一种新的最优权重累积目标检测(OWATD)方法.该方法采用最佳权重系数来累积不同频率的电磁回波,分析了当回波信噪比(SNR)趋于无穷大时的极限检测性能,并给出了采用DMC的OWATD方法优于采用OFDM的匹配滤波方法的条件.仿真结果表明,DMC的目标检测性能优于OFDM,而且OWATD方法可以进一步提高采用DMC和OFDM波形的传统方法的检测性能.     

混合交通流中协同式自适应车组引导车控制模型稳定性分析（英文）

为了分析协同式自适应巡航控制(CACC)车组的稳定性影响,构建了混合交通流条件下协同式自适应巡航控制车辆组引导车模型(LCACC).考虑协同式自适应控制车组间的信息交互延误,采用频域变换的方法来推理引导车模型的稳定性边界条件.将美国NGSIM数据库轨迹数据作为初始输入,根据先前研究成果,采用IDM模型模拟混合交通流中人工驾驶车辆的驾驶行为,运用环道测试的方法来验证引导车模型的稳定性.环道测试结果表明,LCACC模型在改善协同式自适应车组的稳定性方面有一定的优越性,敏感性分析显示CACC车组的大小对LCACC模型参数产生影响.     

基于LS-SVR算法的多源监测数据高铁隧道围岩参数反分析方法（英文）

为了准确估计岩体性质,依托阳山高速铁路隧道,提出了一种基于最小二乘支持向量回归(LS-SVR)的多源监测数据高铁隧道围岩参数反分析方法.以均方根误差(RMSE)和绝对百分比误差(MAPE)为评价指标,将参数反分析结果与BP神经网络和高斯过程回归模型结果进行比较.结果表明,对于单一类型的监测数据,考虑拱顶沉降的LS-SVR模型的RMSE和MAPE值最低.随着监测数据类型的增加,LS-SVR反分析模型的RMSE值逐渐减小,且采用拱顶沉降、收敛和仰拱隆起3种监测数据的反分析模型的RMSE值最小.相比于BP神经网络和高斯过程回归模型,LS-SVR模型具有较低的RMSE和MAPE值.相较于现有围岩力学参数反分析方法,考虑多源监测数据的LS-SVR模型具有更高的参数反分析精度.     

用于多桥臂电机驱动系统的通用型脉宽调制策略（英文）

提出了一种适用于多桥臂电机驱动系统的通用型脉宽调制策略.首先,建立不依赖于负载结构的多桥臂逆变器数学模型.其次,根据多桥臂逆变器的数学模型逆向推导出通用型脉宽调制策略.根据逆变器桥臂和电机相绕组的数量关系,将电机驱动系统分为匹配和非匹配2种类型.其中,匹配型电机驱动系统中逆变器桥臂和电机相绕组的数量相等,而非匹配型电机驱动系统中逆变器桥臂和电机相绕组的数量不等.传统的脉宽调制策略无法直接同时适用于2种不同类型的多桥臂电机驱动系统.然而,所提的通用型脉宽调制策略可以在不做任何修改的情况下同时适用于2种不同类型的多桥臂电机驱动系统.最后,实验结果验证了所提通用型脉宽调制策略的有效性.     

面向燃煤锅炉低氮燃烧优化的OBLPSO算法和GOBLPSO算法比较（英文）

为进一步降低燃煤电站锅炉的NO_x排放量,在低氮燃烧优化中引入相反学习粒子群算法(OBLPSO)和广义相反学习粒子群算法(GOBLPSO).在某660 MW燃煤机组锅炉中进行了摸底工况、变氧量工况、变磨煤机投运方式工况、变风压工况等燃烧调整试验,得到燃烧优化的样本,进而比较分析了粒子群算法(PSO)、标准差分进化算法(DE)、OBLPSO算法和GOBLPSO算法的适应性.51次独立重复优化试验结果表明:PSO算法性能优于DE算法,而GOBLPSO算法性能总体优于PSO算法和OBLPSO算法.GOBLPSO算法优化的NO_x排放量中位数较PSO算法最多可低15.8 mg/m~3.广义相反学习能有效利用当前搜索空间的信息,提升粒子群在低氮燃烧优化中的适应性.     

利用遗传算法优化神经网络超参数（英文）

目的:证明超参数优化对深度能量方法(DEM)精度的影响以及DEM在预测不同荷载作用下梁和板等结构的应力分布方面的能力。创新点:1.为了提高DEM的准确性,各种超参数组合被输入遗传算法(GA)并找到最佳组合。2.为了防止重复计算以及提高这种元启发式算法的效率,GA过程中还考虑了超参数组合的禁忌列表。方法:1.实施非均匀有理样条(NURBS)以生成穿过结构体和边界的积分点。2.采用DEM计算位移和应力分布。3.利用遗传算法优化DEM的超参数,以对模型在预测结构内应力和位移传播的准确性方面具有显着影响。结论:1.在不同的优化器和激活函数中,Adam和L-BFGS-B方法以及Re LU2函数的组合使得DEM模型的准确率最高。2.其他对模型预测准确性有影响的超参数包括隐藏层的数量、每层神经元的数量以及通过上述结构集成的点数。3.优化DEM的超参数可以使相对应变能误差降低近50%,提高了DEM模型对应力和位移分布的预测能力。