课程文献中心 更多>>

关键词： 电动汽车   微电网   经济调度   樽海鞘算法   Tent混沌映射   重心反向学习  

摘要： 电动汽车接入可再生能源微电网有利于减少环境污染,改善能源结构.但是电动汽车充电负荷的随机波动性为微电网运行优化调度带来很大的困难.为了实现微电网的高效稳定运行,本文提出一种基于改进樽海鞘算法(ISSA)的含电动汽车的可再生能源微电网优化调度方法.针对基本樽海鞘算法在进化后期由于种群多样性的缺失而易出现局部收敛或算法早熟的问题,改进算法首先利用Tent混沌序列产生初始种群,以增强种群的多样性;其次,通过设置动态控制参数来调节算法的全局探索与局部开发之间的平衡,提高算法的收敛性;同时,引入正交重心反向学习策略改进樽海鞘个体的位置信息更新,从而,强化算法的全局寻优能力以克服算法早熟收敛,以避免陷入局部极值,从而全面提高算法的优化性能;最后,将该算法用于求解含电动汽车微电网经济优化问题,在孤岛和并网两种模式下分别进行仿真实验,并与其他算法的优化结果进行比较.仿真结果表明,基于ISSA算法的优化结果均优于其他方法,两种模式下运行成本最大降幅分别为29.1%和20.0%,证明了所提算法的可行性和实用性.

关键词： 加权总体最小平方中值法   加权截断总体最小二乘法   EIV模型   崩溃污染率   线性回归  

摘要： 混合总体最小二乘是求解带有固定列的线性回归变量误差(errors-in-variables,EIV)模型的严密方法,结合M估计可以进一步增加其稳健性。但是M估计结果受初值影响,容易收敛错误。针对该问题,将两种高斯-马尔可夫模型下的抗差估计算法拓展到EIV模型中,提出两种高崩溃污染率的算法,即加权总体最小平方中值法(weighted total least median of squares,WTLMS)和加权截断总体最小二乘法(weighted total least trimmed squares,WTLTS)。分析两种算法的等变性质和崩溃污染率,给出单位权中误差的评定公式,分别通过重采样方法和可行集算法得到参数估计值。不同于已有的高崩溃污染率算法,所提算法考虑系数矩阵存在固定列的情况,同时减少对随机模型的限制。仿真数据和真实数据解算结果验证了两种算法在高粗差污染的观测数据中能够得到稳健可靠的估计结果。

关键词： YOLOv8M   水下目标检测   注意力机制   金字塔结构   可变形卷积   损失函数  

摘要： 受限于水中检测设备内存欠缺和计算能力不够强大以及水下环境错综复杂等多类因素,水下目标检测会出现检测目标错误和漏检目标等问题。为了解决上述问题,通过对YOLOv8M算法进行改进,提出了一种更高效、精准的算法,使水下目标检测检测性能得到了一定提升。首先,将一种注意力机制(A Simple-Atten Module,SimAM)嵌入网络结构中的颈部,解决了现有注意力模块只能沿着通道或空间维度细化特征,限制学习跨通道和空间变化的注意力权重灵活性的问题,加快了权重计算,提高了模型在水下模糊环境下的检测精度;其次,采用DCNv4(Deformable Convolution v4)可变形卷积替换C2f结构中的3×3卷积模块,以增强空间聚合的动态特性和表达能力并优化内存访问提高速度。此外,还采用加权双向特征金字塔结构(Bidirectional Feature Pyramid Network,BiFPN)将深度的特征信息层进行多尺度特征融合,以增强骨干网络的特征提取能力;最后,在预测部分使用Wise-Inner-MPDIoU损失函数将交叉熵损失函数进行替代,使模型对不同目标及尺寸的自适应能力得到一定程度的提升,增强算法的鲁棒性。从实验结果可以看出,模型经过改进后在URPC2020数据集上取得了86.4的mAP,相比于原始的YOLOv8M算法,mAP提高了2.8百分点,检测速度提升至102.9 FPS。经过改进后算法模型在进行水下目标检测任务时,无论是检测的精度或者速度都得到了有效的改进,说明该算法在用于水下目标检测的实际场景中有一定的实用性。

关键词： 鲸鱼算法   模拟退火算法   移动边缘计算   多目标优化   云服务器  

摘要： 智能移动设备连入互联网的数量急剧增长,导致网络资源的有序分配面临巨大挑战。为此,该研究提出了鲸鱼联合模拟退火算法的边缘计算资源分配方法。通过采用随机处理方式中的机会约束计算方法,确定网络资源数据的分布概率,建立分配函数以寻找最优目标。通过模拟鲸鱼在搜索和迁徙过程中的行为,进一步优化资源分配结果。利用模拟退火机制和鲸鱼算法对照云服务器实际运行模式,实现多用户资源的最优分配。实验结果表明,该方法在快速资源分配方面具有应用价值,并且鲸鱼算法的引入进一步提升了资源分配的效果和效率。

关键词： 增强现实   位姿监测   概率Hough变换   模糊集  

摘要： 针对增强现实技术在工业辅助装配应用领域的几何一致性与鲁棒性需要,本文提出一种利用基站天线板表面点特征进行快速位姿检测与跟踪的理论模型,通过模糊概率Hough变换将不同帧的同名点匹配问题转化为特征空间中的近似向量投票问题。监测算法使用颜色及边缘信息提取特征点,避免复杂的特征描述子,同时提高算法的运算效率及对于光照、遮挡等复杂情况的鲁棒性。实验结果表明:本文提出的目标位姿检测方法能有效适应实际工作场景,速度对比SIFT (scale-invariant feature transform)自然特征点提取与匹配方法具有明显优势,对于光照、遮挡等干扰因素的适应性则强于Holcon纹理匹配方法。

关键词： 电子设计自动化   非线性规划   多目标优化   神经网络   优化计算  

摘要： 为了应对芯片设计复杂度的提升,电子设计自动化工具和方法也在不断进步。然而,EDA需要协调达到最佳的功率、性能和面积,通常其不能保证最优的解决方案。EDA工具在电路设计阶段包括逻辑综合、布局布线及验证等均属于多目标、多约束的非线性规划求解过程,且为了更好解决求解中的不确定性和易于出现局域极值等难题,基于神经网络的优化算法已被集成到EDA工具的设计流程中。首先对EDA中的优化问题、多目标优化计算及基于神经网络的优化算法进行了简要概述,继而详细梳理了基于神经网络的优化算法在逻辑综合、布局布线及验证等不同设计阶段中的优化求解方法,并阐述了当前研究所面临的挑战与机遇,希望为集成电路自动化设计及相关领域研究提供参考。

关键词： 海上平台   机械设备   维护保养   技术研究  

摘要： 在经济社会迅猛发展的背景下,人口密度的增长与资源紧缺的矛盾日益凸显,这使得石油等关键资源的获取变得尤为重要。作为开发海洋石油、天然气资源的重要手段,海上钻井平台的建设对于满足能源需求至关重要。海上钻井平台的机械性能直接关系到钻井作业的效率和质量。基于此,对海上钻井平台机械设备的日常管理和维修保养具有不可或缺的重要性。本文旨在深入探讨如何对海上钻井平台的机械设备进行系统化、精细化的管理与维护,以确保其稳定高效地运行,满足日益增长的能源需求。

关键词： 水库防洪   优化调度   IDE算法   削峰准则  

摘要： 为提高水库防洪优化调度水平,文章提出基于改进差分进化(IDE)算法的水库防洪优化调度策略。通过对差分进化(DE)算法的局限性进行改进,并提出能够均衡局部和全局搜索能力的IDE算法,建立水库优化调度模型,求解防洪调度问题。实例分析结果表明:相较于DE和逐步优化算法(POA)求解得到的平均削峰率,IDE算法分别提高0.18%~4.27%、0.14%~1.27%,IDE算法的可行性、精度、计算效率均占优;从削峰率来看,目标函数宜选取洪峰流量最小指标。

关键词： 蚁群算法   路径规划   卷积核   移动机器人   路径优化   栅格地图  

摘要： 针对基本蚁群算法在二维静态栅格地图下进行路径规划时出现的搜索效率低,容易出现死锁,收敛速度缓慢和路径不平滑等问题,提出了一种基于卷积核的改进蚁群算法。该算法首先对地图进行预处理,将能够导致蚂蚁死锁的障碍物陷阱封闭,避免蚂蚁在此死锁;其次采用卷积核判断死锁蚂蚁所在点的相对位置,通过一定条件将该点设为障碍物避免蚂蚁在同一点多次死锁,减少死锁了蚂蚁的数量;再基于精英蚂蚁模型提出一种信息素更新机制,提高了算法的收敛速度,避免蚂蚁陷入局部最优;最后利用基于直线插补的路径优化算法对最优路径进行优化,提高了路径质量,减少了路径长度。试验结果表明,提出的算法解决了蚁群算法搜索效率低,易出现死锁,收敛速度缓慢,路径不平滑等问题,实现了全局最优。

关键词： 数据中心网络   拥塞控制   强化学习   联邦学习  

摘要： 拥塞控制算法对于确保数据中心网络实现高效且可靠的数据传输至关重要。然而,传统算法由于采用固定的参数设置,难以在动态变化的网络环境下实现高效的数据传输。现有的基于强化学习的拥塞控制方案虽然有效,但大都采用集中式学习训练的方式,存在数据孤岛问题以及原始数据共享引发的隐私泄露风险。为此,提出了一种基于联邦强化学习的拥塞控制框架。该框架充分利用分布式网络架构的优势,将每个网络设备视作独立的智能体,并通过联邦学习技术实现多智能体间的协同训练。这种方法不仅有效保护了各参与方的数据隐私,而且通过整合各个智能体的成果和策略,提升了模型适应性和泛化能力。在此基础上,以基于联邦强化学习的显示拥塞通知阈值调优为案例进行研究,在多种实验场景下验证了所提架构的性能。