基于CNN的核电站主冷却剂系统压力预测

卷积神经网络(Convolutional Neural Network,CNN)模型应用在核电领域预测传感器参数走势,以帮助核电站操作员分析当下工况.模型利用CNN对深层次信息进行特征提取,通过除以各传感器参数最大值进行归一化处理和多步窗格滚动进行数据分割,并在模拟仿真软件PCTRAN上完成实验验证.实验结果表明,此模型能够在小破口冷却剂失流事故(Small Break Loss of Coolant Accident,SBLOCA)事件发生后有效地预测主冷却剂系统压力变化趋势,并在破口程度不同的同一类型事件上具有良好的适应性.与循环神经网络的变形方法-长短期记忆(Long and Short-Term Memory,LSTM)进行对比,CNN在时间序列的应用上同样具有LSTM的准确度和时效性,并且预测值的平均绝对误差更低.     

基于协同网和任务情景的服务组合方法

介绍了服务映射库、协同网和任务情景的基本概念,提出了基于协同网和任务情景的服务组合方法.对用户查询请求的每一个输出对象单独生成完备协同网集,将输出的各协同网组合成组合服务以满足用户的需求,通过基于综合任务情景相似度的方法选取最佳组合服务并返回用户.结果表明,所提出的方法能够提高服务组合的成功率和效率.     

基于L1自适应算法的无人机横侧向控制研究

针对无人机在飞行过程中存在不确定性、时滞和强耦合等特点,设计一种包含基本控制律和补偿控制律的横侧向鲁棒自适应控制器.将无人机横侧向模型不确定性视为时变参数和干扰,采用基于线性二次型调节器(LQR)的L_1自适应控制方法,在满足闭环控制系统的渐进稳定的同时,并具有良好的鲁棒性与自适应性.仿真结果表明所设计的控制器可以实现对跟踪误差快速收敛.     

基于分类器融合的自动化协商决策模型

为了解决电子商务环境中由于信息的保密性使协商参与者无法获得对手协商偏好从而影响协商性能的问题,提出一种基于分类器融合的自动化协商决策模型.该模型融合支持向量机和贝叶斯分类器,通过结合2种分类器的优点,提高对协商偏好的分类学习效果.在准确估计对手协商偏好的基础上,采用粒子群优化算法搜寻最优协商反建议.实验数据分析表明,新方法的效果优于单一分类器,并且在有噪声的小规模训练样本集下,仍然保持较高的协商总效用.