改进蚱蜢算法在电动汽车充换电站调度中的应用

电动汽车充换电站调度优化问题一般采用群智能优化算法求解，但现有算法存在陷入局部最优、早熟收敛等缺陷，因此提出一种改进的蚱蜢算法:采用边界反弹机制，提高算法效率;引入正余弦搜索机制，加强算法的全局搜索能力;采用Lévy飞行对粒子进行随机扰动，防止种群陷入局部最优;采用非线性收敛策略加快算法后期的收敛速度.实验结果表明，该算法在电动汽车充换电站调度优化问题上，性能优于原始蚱蜢算法以及其他现有群智能算法.     

机器视觉的背景颜色对水稻种子图像分割的影响

在机器视觉识别水稻种子的发展过程中,背景颜色对水稻种子的图像分割直接影响着识别分析的准确性.采用4种不同的背景颜色进行图像采集,即将黑色、蓝色、绿色和红色涂在种子上,分析其图像识别效果,研究背景颜色对水稻种子图像分割的影响.利用LabVIEW软件实现图像处理,对水稻种子的长度、宽度等简单参数进行测量,根据水稻种子的实际长度和宽度计算不同背景色下的图像识别误差.研究发现,蓝色背景下种子长度和宽度的识别对比度更好,识别准确度更高.     

基于逆向强化学习的装船时堆场翻箱智能决策

集装箱码头装船时堆场翻箱具有时序性与动态性，属于NP（non?deterministic polynomial）难问题。针对常见的顺岸式集装箱码头堆场，以最小化总翻箱次数为优化目标，考虑翻箱对装船连续性及效率的影响，基于马尔科夫决策过程构建装船时堆场翻箱模型，设计逆向强化学习算法。为验证算法的有效性，以随机决策为基准，将设计的逆向强化学习算法与码头常见规则决策、随机决策对比。结果表明，贝位堆存状态不佳时，常见的规则决策不一定优于随机决策；逆向强化学习算法可有效挖掘隐含专家经验，收敛至最小翻箱次数的概率更高，且不同堆存状态下均能更好地限制单次发箱的翻箱次数，可实现装船时堆场翻箱智能决策。     

基于组织层次的人机融合智能决策支持系统模型

在分析了当前决策支持系统发展中存在的问题基础上,提出了人机融合智能决策支持系统概念.认为决策支持系统的人机关系不仅仅表现在技术层面上,而应该是全方位的,包括组织层面、认识层面.文章从组织角度,结合不同决策任务的特点和性质,探讨、研究了人机融合决策智能系统模型的设计.     

智能纯电动汽车再生制动力控制策略研究

文章以电动汽车制动能量回收系统为研究对象,针对某双轴前驱单电机的电动汽车,设计了基于ECE法规和I线制动力分配的制动分配策略。在Simulink中建立了控制策略的仿真模型,将其嵌入到AVL Cruise软件中,选用NEDC(new European driving cycle)工况,对控制策略进行联合仿真,分析能量回收情况。在AVL转毂试验台上设计并完成了实车台架试验,验证了仿真结果的正确性。     

单层模糊智能控制系统模型与应用

系统决策基于系统的属性信息,这些信息有定性的也有定量的.综合定性与定量信息,基于模糊推理理论建立了一个普适的单层属性的模糊智能控制系统.将决策信息分级并模糊化,建立模糊推理规则库;依据模糊化的决策信息搜索推理规则库,进行模糊合成得到控制信息.实现对系统的智能化控制.讨论了系统运行的时间复杂度和空间复杂度,并进行了证明.最后给出了单层模糊智能控制系统的一个应用实例.     

基于HDFS的分布式文件系统

在现有的开源分布式文件存储系统HDFS上,构建一个智能大数据存储系统IHDFS.该系统提出了大数据去重模块、大数据放置模块、大数据智能迁移模块和大数据编码模块,构造了智能分布式文件存储系统,可以提高用户访问效率,节省集群的存储空间.实验结果表明,数据去重模块很好地节省了存储空间;数据放置模块合理地分配文件上传的存储层,使数据上传速度提高一倍;数据智能迁移模块提高了用户在高等存储层上文件的命中率,提高了用户获取数据的效率;数据编码模块节省了集群的储存空间,节省了大约原来存储空间的三分之一.     

基于累积前景理论的智能电网多零售商服务评价

基于累积前景理论,引入奖惩罚劣[-1, 1]算子和灰关联决策系数对选取多零售商评价指标进行处理,得到新的前景价值函数,计算出各零售商的综合前景值进行排序,并与期望效用值下的排序进行比较,算例表明综合前景值更能反映出用户的真实评价。用户更喜欢在一个服务合同中提供多种措施的零售商。给予用户一定的消费者激励可以提高他们对零售商服务评价的满意度,并且能够弥补技术不完善和服务态度欠缺给用户带来的损失。     

现代建筑理念下电气智能化设计

分析现代智能建筑理念,并给出该理念下建筑火灾消防联动系统、安全防范系统、综合布线系统、电气照明系统、远程处理设备的智能化设计方法,最终提高建筑电气智能化设计质量.     

智能交通系统主要技术的发展

 以城市智能交通和智能交通新技术两个角度为重点,盘点了智能交通发展现状,分析了关键技术及其发展状态;探讨了交通大数据平台及其应用、视频技术、分析研判技术、交通控制技术、车路协同技术、城市交通大脑、无感技术等关键技术的未来发展;结合交通强国战略要求,提出了未来智能交通发展的重点方向与建议。