基于风速预测模型的风电一次调频仿真研究

为进一步提高风速预测精度,考虑数据内部结构性与外部影响因素耦合性叠加特征,以及风电机组功率特性,构建逆向前馈神经网络自回归移动平均模型(back propagation-autoregressive integrated moving average model, BP-ARIMA),并对风电场风速进行预测仿真,通过与实际数据对比分析,验证了所建模型具有较高预测精度。在所建预测模型基础上,基于风力发电机组典型功率特性曲线,统筹考虑储能装置容量优化配置与风电机组的致稳性问题,应用MATLAB-SIMULINK平台进行风电机组一次调频仿真。结果显示：一次调频控制策略的频率调节能力相较于常规超速减载调频控制可至少提高十个百分点。     

三电平四桥臂APF低运算量预测控制策略研究

四桥臂APF(active power filter)是解决三相四线制配电网电能质量问题的理想设备,三电平四桥臂APF因其充足的基矢量个数而具有较好的电流跟随性能,但模型预测电流控制应用于三电平四桥臂APF时预测运算量过大。提出一种基于空间分层思想的模型预测电压控制策略。基于无差拍控制思想及αβγ坐标系下离散数学模型,由参考电流预测出期望的参考电压,将多次电流预测转换为单次电压预测;并结合三电平四桥臂APF的电压矢量空间分布规律,采用空间分层思想,基于γ轴的空间位置进行优化矢量范围的选取,将寻优矢量范围从传统的81个降低至4~18个,实现了电压跳变限制和中点电位控制。仿真结果表明：该策略具有优良的控制性能。     

基于妥协案例推理的作战仿真实验范围迁移

作战仿真实验范围通常依靠专家确定，耗费代价较大。为将作战仿真实验的历史数据中关于实验范围选择的知识迁移至新的作战仿真实验案例，提出一种基于妥协策略的案例推理方法。根据案例的数据特点，提出作战仿真实验案例的表示方法；根据案例的结构和属性特点，提出主客观综合赋权的混合相似度计算方法；针对案例检索时出现检索失败和检索结果包含信息量较少的问题，提出基于妥协策略的案例检索方法；根据检索结果的特点，提出实验范围的整合迁移方法。基于历史数据进行了实验分析，证明了方法的有效性。     

GM（1，1，β）灰微分方程的若干性质

针对灰色预测模型的适应范围和优化问题,首先根据灰色GM（1,1）模型参数是灰的、可调的原理,提出了GM（1,1,β）模型的内涵型和参数包形式,分析了模型的若干性质,然后给出了模型的优化算法. 研究结果表明,GM（1,1,β）灰微分方程模型参数α的客观取值范围为（-∞,+∞）,经典GM（1,1）模型参数α的客观取值范围为（-2,+2）;发展系数α的客观取值范围是由背景值系数β 决定的,而与原始数据无关;灰微分方程模型完全适合齐次指数数列. 最后,以我国城镇居民家庭人均可支配收入的数据为例验证了GM（1,1,β）灰微分方程模型的有效性.     

结合社交媒体数据的城市交通事件可视分析方法

社交媒体中的文本内容可对交通量数据进行补充,为此提出一个交通事件可视分析方法。建立交通事件文本处理模型,提取事件的描述信息;基于图嵌入算法学习道路节点属性的向量表示,建立道路相似性模型;结合核密度模型建立交通事件发生概率预测模型;设计了一个交互式可视分析界面对于交通事件进行可视分析与探索。通过交通信息抽取、道路相似性度量以及交通事件交互预测等案例分析,验证了所提方法的有效性,可以辅助交通部门管理决策。     

ANFIS优化磁链滑模观测器的PMSM无传感器控制

针对永磁同步电机(permanent magnet synchronous motor,PMSM)无传感器控制中转子速度和位置的估计精度不高、系统抖振等问题,提出一种基于自适应模糊神经网络(adaptive neuro-fuzzy inference system,ANFIS)优化的磁链滑模观测器(flux sliding mode observer,FSMO)。采用经过ANFIS优化的FSMO,实现对观测器增益的在线调节,减少系统抖振;采用改进的锁相环(phase locked loop,PLL),提高对转子速度及位置的估计精度。实验结果表明：ANFIS优化的FSMO能够有效地提高PMSM无传感器控制中转子速度和位置的估计精度,减少系统抖振。     

时间依赖型多时间窗车辆路径问题研究

针对一类考虑城市交通拥堵情况的时间依赖型多时间窗车辆路径问题(time-dependent vehicle routing problem with multiple time windows,TD_VRPMTW),提出一种混合离散灰狼算法(hybrid discrete grey wolf optimizer,HDGWO)进行求解。在HDGWO中,设计了新的灰狼个体更新公式,采用基于客户排列的整数编码方式,使算法可直接在离散问题解空间中执行基于标准灰狼算法个体更新机理的全局搜索;设计了基于问题性质的种群初始化策略,用于生成具有高质量和多样性的初始种群;引入头狼信息交流公式,用于探索头狼形成的优质解空间;构造具有多种局部搜索操作的自适应变邻域局部搜索策略,用于增强算法的局部搜索能力。结果表明：HDGWO可有效求解TD_VRPMTW。     

面向兵棋系统的卫星导航对抗行动推演模型研究

随着信息化作战体系对天基时空基准的依赖逐渐增强，卫星导航对抗快速发展为夺取天基定位、导航和授时信息优势的主要作战行动。以构建卫星导航对抗行动推演模型为目标，在分析相关研究现状的基础上，设计了导航信息环境计算模型和导航对抗行动仿真模型，探索了兵棋系统导航信息环境可视化和高分辨率仿真计算模型代替低分辨率概率效果模型的实现途径，支撑了在天基导航信息支援下的战前筹划和战时评估，实现了导航对抗行动的兵棋推演。     

基于证据推理和置信规则库的涡扇发动机故障预测

针对某型涡扇发动机故障预测的问题,提出一种基于证据推理和置信规则库的涡扇发动机故障预测模型。为描述涡扇发动机的健康状态,利用证据推理算法融合发动机系统状态信息;结合先验知识建立混合驱动的置信规则库仿真预测模型;采用投影协方差自适应进化策略用于优化模型参数;通过实验验证了模型的有效性。研究结果表明：该方法不仅准确预测涡扇发动机故障风险概率,而且为故障诊断和维修保障提供了有力的支撑。     

基于孪生深度神经网络的风电机组故障诊断方法

为有效提取风电SCADA (supervisory control and data acquisition)中时序数据故障特征,同时考虑一维卷积神经网络(one-dimensional, convolutional neural network,1-D CNN)提取局部时序特征和长短时记忆网络(long short-term memory networks, LSTM)提取长期依赖特征优势,提出一种基于1-D CNN-LSTM的风电机组故障诊断方法;针对故障样本稀缺问题,基于孪生神经网络架构(siamese network),提出一种基于孪生深度神经网络siamese 1-D CNN-LSTM的风电机组故障诊断方法,依靠少量样本数据对机组故障特征进行有效提取。结果表明：1-D CNN-LSTM优于其他现有深度学习方法;当训练样本不足时,所提出的siamese 1-D CNN-LSTM可以显著提升故障诊断结果。     

基于RBF网络的UCAV战术机动轨迹快速生成方法

针对无人作战飞机(unmanned combat aerial vehicle, UCAV)战术机动动作数学表征困难,机动生成的计算实时性要求高的主要问题,分析了战术机动轨迹建模的基本原理;提出了战术机动轨迹建模的基本思路;设计了基于UCAV运动动力学模型的机动轨迹最优控制方案;建立了基于遗传算法的飞行操控量求解策略。针对操控量求解的实时性问题,基于径向基核函数神经网络,提出了以适应度函数为预测和评判标准的机动飞行操控量快速求解方法,从而建立了初始状态、性能指标与机动飞行操控量的非线性映射模型,实现了机动轨迹的快速生成和机动曲线的精度控制,并通过仿真验证了该方法的有效性。     

基于模糊神经网络的海面目标战术意图识别

传统的基于遥感解译获取的海面目标信息分析战术意图的方法,需要大量的专家知识确定输入目标属性与输出意图间的网络节点关系,而模糊神经网络只需利用输入和输出训练网络,减少了专家知识的需求。针对常用的高木〖CD*2〗关野模糊模型不适用于战术意图识别要求的输出与输入非线性的问题,设计了基于神经网络集成的模糊系统模型,利用目标属性与对应的战术意图形成训练样本训练神经网络,分别获得输入条件的模糊隶属度以及面向不同意图的输出函数,据此识别海面目标战术意图。仿真实验结果表明,获得的目标战术意图的准确度高,与想定情况均相符。     

基于卷积神经网络和稀疏滤波的调制识别方法

针对当前通信系统所采用的主要调制方式,提出了一种基于卷积神经网络和稀疏滤波的调制识别方法。首先,分析了利用信号循环谱二维灰度图进行通信信号调制识别的可行性;然后,通过降采样和裁剪技术对循环谱图预处理;最后,设计了深度卷积神经网络架构,并提出了稀疏滤波预训练的方法。仿真结果表明:相比于经典的基于深度学习的调制识别方法,该方法模型简单,优化量少,且在小样本场景下性能最佳,具有很高应用价值。     

基于LSTM与1DCNN的导弹轨迹预测方法

针对弹道导弹等超远程攻击目标的轨迹难以预测的问题,提出一种基于长短期记忆(long short-term memory, LSTM)网络与一维卷积神经网络(1-dimensional convolutional neural network, 1DCNN)的目标轨迹预测方法。首先,建立三自由度导弹运动模型,依据再入类型设计3种目标轨迹数据,构建机动数据库,解决轨迹数据的来源问题。其次,采用重复分割与滑动窗口的方法对轨迹数据进行预处理。然后,基于LSTM与1DCNN设计了一种目标类型分类网络,对目标进行初步分类。最后,基于1DCNN设计轨迹预测网络,对目标轨迹进行预测。仿真结果表明,提出的轨迹预测网络能够完成轨迹预测任务,预测误差在合理范围内。     

基于协同战术识别的双机编队威胁评估方法

双机组成编队采用协同战术攻击目标是多机协同空战的一种主要形式。针对蓝方为双机编队的超视距空战威胁评估问题,提出了一种基于协同战术识别的威胁评估方法。首先,根据双机编队协同战术的分析、双机的空间占位与机动特性信息,采用动态贝叶斯网络建立目标双机编队协同战术识别模型。然后,根据目标飞行状态信息和目标机动动作识别结果,进行目标轨迹预测。最后,综合空间占位、探测、攻击、协同战术等威胁因子,考虑目标轨迹变化对战场态势演变的影响,建立威胁评估模型。仿真结果表明,所提方法能够准确识别双机编队的协同战术,实现合理化威胁评估。     

基于卷积神经网络的OFDM频谱感知方法

在认知无线电网络中,高效且准确的频谱感知是必不可少的一个环节。针对传统机器学习算法在频谱感知训练慢的难题,提出一种基于卷积神经网络的正交频分复用(orthogonal frequency division multiplexing,OFDM)频谱感知方法,将深度学习在图像处理上的优势应用到OFDM信号频谱感知中。该方法首先分析OFDM信号的循环自相关和频谱感知模型,对循环自相关进行归一化灰度处理,形成循环自相关灰度图;然后以LeNet-5网络为基础设计卷积神经网络分层地对训练数据进行学习,提取出更加抽象的特征;最后将测试数据输入到训练好的卷积神经网络模型,完成频谱感知。仿真实验表明,该方法能够完成OFDM信号的频谱感知,在低信噪比条件下具有较高的检测概率。     

基于卷积神经网络的小型建筑物检测算法

针对基于传统卷积神经网络的建筑物目标检测算法对于小型建筑物检测准确率低的问题, 提出一种基于Mask-区域卷积神经网络(Mask-region convoluional neural networks, Mask-RCNN)模型的小目标检测算法模型。该模型对Mask-RCNN模型中的特征提取网络进行了改进, 设计了一种带有注意力机制的多尺度组卷积神经网络, 有效解决了小目标有用特征较少且易被背景特征和噪声干扰的问题。航拍图像实验结果表明, 改进的检测模型使小型建筑物目标检测准确率较原始Mask-RCNN模型提升了28.9%, 达到了0.663。并且整体检测准确率达到了0.843, 有效提升了航拍建筑物检测准确性。     

过程控制中的智能集成建模方法

针对复杂工业过程中广泛存在的对象难于辨识的问题,本文讨论了过程控制中的一类集成建模方法.通过研究铅锌冶炼过程的两个对象,分别建立了预测烧结块成分的集成模型和鼓风炉透气性模型.然后阐述了以神经网络为基础,结合其它方法的智能集成建模策略,这种方法由于充分利用了对象的各类信息,能够有效解决复杂对象的建模问题.     

基于神经网络和散射中心模型的目标参数提取

从雷达回波中获取目标几何参数信息往往存在高计算成本、非线性等困难。该文基于卷积神经网络和前馈神经网络, 提出了一种依据散射中心时频像特征的目标类型自动识别和目标几何参数自动提取方法。由于构建一个神经网络需要大量的训练数据样本, 而扩展目标的散射场计算又非常耗时, 利用基于已知目标已建立的散射中心模型, 快速生成大样本训练数据, 有效解决了训练样本难以获得的问题。以弹头类目标为例给出了数值实验结果, 证实了所提方法的有效性。     

实现战术态势估计的一种多agent计划识别方法

利用目标编群思想描述多agent行动之间的协作关系,建立了一种基于多agent计划识别的战术态势估计模型。分析了计划库的构成及结构层次,给出了一种基于多agent假设的计划识别算法。以一阶谓词逻辑为形式语言,扩展了战术智能规划的一个实例,引入了描述多agent完成同一任务的谓词和算子。对实例的分析说明了基于多agent计划识别的态势估计过程,表明了使用该方法求解态势估计问题的可行性。