课程文献中心 更多>>

关键词： 波达角估计   复合阵列   模式空间   托普利兹矩阵   相干信号源  

摘要： 相干源角度估计一直是困扰雷达角度测量的一个重要难题,基于均匀阵列假设提出了模式空间解相干算法,一定程度上解决了相干干扰条件下的目标角度估计问题,但是上述算法对复合阵列的适应性较差。针对复合阵列下相干多源测角问题,本文提出一种基于模式空间循环重构的解相关算法,利用圆阵外其他任意天线赋形空域滤波特性,在信号源数多于阵元数时较好地解决相干源角度估计问题。仿真试验结果表明,该算法能较好地解决复合阵列天线下的相干源测角问题,并且其角分辨性能优于传统算法。

关键词： 神经网络算法   化工企业专家库   任务   分配成功率   分配时间  

摘要： 为有效提高专家库资源规划评价系统中任务分配效率,利用神经网络算法构建配对比较矩阵,并与随机森林算法进行比较。仿真结果表明,当任务数量为50时,神经网络算法的分配率高达84%,而随机森林算法的分配率仅为60%。专家数量为75时,神经网络算法的分配率高达73%,而随机森林算法的分配率仅为59%,较神经网络算法降低19.18%。当阈值g为1时,神经网络算法进入分配状态的任务数量多,且分配成功率高达90%。且神经网络算法平均分配时间最短为1439.9 ms,最长时间为4905.7 ms,而随机森林算法平均分配时间最短为2047.1 ms,最长时间为7219.1ms。

关键词： 风速   预测   变分模态分解   回声状态网络   鲸鱼优化算法  

摘要： 风速受多种因素影响常伴随着随机性和非平稳性,给风电接入电网造成了相当大的困难,准确的风速预测对风力发电有着极大的研究意义。将变分模态分解算法与鲸鱼算法优化回声状态网络模型相结合,提出了一种风速预测模型。首先通过变分模态分解算法将风速序列分解成多个分量以减少风速内部信号间的耦合性,降低建模难度。然后对这些分量分别建立对应的回声状态网络预测模型。针对回声状态网络模型性能受储备池参数影响较大的问题,采用鲸鱼优化算法对储备池参数进行优化。风速的最终预测值由分解后各分量预测值相加得到。最后,将实际采集的短期风速数据作为研究对象,通过与其他4种预测模型的对比分析表明提出的风速预测模型具有更高的预测精度,能够更好地对风速的变化趋势进行预测。

关键词： 高速铁路   轨道几何   绝对里程偏差校准   里程偏差   曲线特征点   动态时间规整  

摘要： 高速铁路轨道几何动态检测数据的绝对里程偏差校准是准确评估轨道几何状态与深入研究轨道几何状态演变规律的基础。针对当前检测数据绝对里程偏差校准精度不足的问题,提出1种线路曲线台账辅助的检测数据绝对里程精细校准方法,通过2种动态时间规整(DTW)变体算法实现检测数据里程的精确校准。首先,使用导数动态时间规整(D-DTW)算法进行检测数据与线路曲线台账数据的粗匹配,实现检测数据的自动分段;然后,采用图形动态时间规整(Shape-DTW)算法实现分段后检测数据中超高通道数据和线路曲线台账数据中的曲线特征点的精准对齐;最后,将线路曲线台账中曲线特征点的准确里程一一对应赋值给检测数据中超高通道数据的曲线特征点,实现对轨道几何动态检测数据绝对里程偏差的精细校准。通过在我国某高速铁路轨道几何动态检测数据集上进行的测试,结果表明:该方法提取的曲线长度误差最大不超过0.8%,校准后同一线路行别区段的多次检测数据在左高低通道数据相关性指标均优于校准前,因而该校准方法是有效性的。

关键词： 小浪底水库   水沙监测   遗传算法   智能预测  

摘要： 为了及时掌握黄河水沙通量的动态变化情况,最大程度地减少黄河水沙监测成本,本文基于黄河小浪底水库下游的某水文站水沙通量的实时监测数据,首先建立了决策树模型预测该水文站未来两年水沙通量的变化趋势,然后利用遗传算法制订了未来两年的最优监测方案。研究结果表明,运用遗传算法求解制定的监测方案能在减少监测次数的同时有效监测水沙通量的突变点和变化趋势,平均降低69.77%的监测成本。

关键词： 高斯混合模型聚类   负荷分类   聚类算法   聚类评价  

摘要： 针对传统高斯混合模型(Gaussian mixture model,GMM)聚类算法中计算复杂、收敛速度慢和人为确定聚类数目时存在盲目性和主观性等不足,提出了一种基于改进GMM的变电站负荷聚类算法。以传统GMM聚类算法为基础,采用k均值(k-means)算法确定初始聚类中心。减少了GMM聚类算法迭代步骤,提高了输出结果的稳定性。输出不同聚类数下聚类结果的Davies-Bouldin(DB)指标、CalinskiHarabasz(CH)指标和轮廓系数(silhouette coefficient,SC),应用熵权法确定不同评价指标所占权重,构建聚类评价混合指数(cluster evaluation mixed index,CEM)。将聚类评价混合指数最大值对应的聚类个数作为最佳聚类数目,再次输入到改进GMM聚类算法中,得到变电站负荷聚类结果和聚类中心。结果表明,所提方法增强了传统GMM聚类算法的计算速度和稳定性,对变电站负荷具有良好的聚类综合能力,有助于实现聚类结果最优化。

关键词： autonomous underwater vehicle (AUV)   compensated unscented particle filter (CUPF)   disturbance observer   dynamic docking   ultra-short baseline (USBL)  

摘要： [Objective]To address the problem of ultra-short baseline (USBL) relative navigation and positioning during the dynamic docking of an autonomous underwater vehicle (AUV) in shallow water, a compensated unscented particle filter (CUPF) algorithm based on a disturbance observer is proposed. [Methods]The CUPF algorithm compensates for missing values in the USBL data based on the dead reckoning model, estimates the unknown disturbances in the dynamic docking of the AUV using observer technology and filters outliers in the USBL data combined with the unscented particle filter to realize the estimation of the AUV's state. [Results] The lake trial data shows that the proposed CUPF algorithm can effectively remove outliers and fill in missing values for USBL positioning with a speed estimation error of less than 15% and computation time reduced by 57% compared with traditional methods. [Conclusions]The CUPF algorithm can improve the positioning accuracy of USBL while smoothing the AUV motion trajectory and state estimation by fully utilizing relative measurement information for AUV docking. © 2024 Editorial Department of Chinese Journal of Ship Research. All rights reserved.

关键词： 类属属性   标记增强   因果推断   多标记学习  

摘要： 真实世界中的事件间存在着因果关系,特征与标记间也存在着潜在的因果关系。基于此,提出一种基于因果推断的类属属性学习算法CLSF。类属属性算法充分挖掘各标记的独有特征并构建分类器,从而在一定程度上提升多标记学习的性能。传统的类属属性算法大多依赖于欧氏距离或L1范数提取类属属性。然而,欧氏距离并不适用于高维空间的度量。而L1范数的稀疏性很大程度上取决于参数。因此,文中算法使用因果推断学习类属属性。首先对原始标记进行增强化处理,并基于增强标记学习标记和特征之间的因果关系,然后通过因果关系矩阵约束权重矩阵提取因果类属属性。多个多标记基准数据集中的实验表明,CLSF算法较其他对比算法具有一定的性能优势,统计假设检验的结果也表明文中算法的有效性。

关键词： 正交时频空   水声通信   时延-多普勒   最大比合并   线性最小均方误差  

摘要： 针对现有的正交时频空(Orthogonal Time Frequency Space,OTFS)调制系统中最大比合并(Maximal Ratio Combining,MRC)均衡算法收敛速度慢、误码率高的问题,提出一种基于水声OTFS系统的分块线性最小均方误差的最大比合并(Maximal Ratio Combining Based on Block Linear Minimum Mean Square Error,BLMMSE-MRC)均衡算法。该算法基于水声信道的稀疏性,利用分块线性最小均方误差算法进行预处理,将输出结果作为MRC检测的初始估计值,然后在延迟多普勒空间中估计发射信号的多径分量,并利用MRC进行合并检测。实验结果表明,与已有零填充最大比合并算法(Maximal Ratio Combining Based on Zero Padding,ZP-MRC)和零填充块线性最小均方误差算法(Block Linear Minimum Mean Square Error Based on Zero Padding,ZP-BLMMSE)相比,所提算法能快速收敛,在10-4误码率条件下,信噪比提升了2 dB以上。

关键词： 圆度误差   乌鸦搜索算法   最小二乘法   最小区域法  

摘要： 针对传统启发式智能优化算法评定圆度误差计算效率低且容易陷入局部最优解的问题,提出采用改进乌鸦搜索算法评定圆度误差。根据最小区域拟合准则建立乌鸦搜索算法评定圆度误差数学模型,并引入权重系数,提高算法全局搜索能力,同时设定最小二乘圆心附近为乌鸦搜索初始位置,提高算法搜索效率。最后通过模拟和实验验证了所提算法的准确性和高效性,并通过多组数据对比发现改进乌鸦搜索算法的全局搜索能力较遗传算法(GA)、粒子群算法(PSO)和传统乌鸦搜索算法(CSA)得到明显提升。