无速度传感器永磁同步电机直接转矩控制系统仿真研究

主要分析了无速度传感器的直接转矩控制,采用了基于定子磁链的矢量角和转子磁链的矢量角的两种速度估计方法.仿真结果表明,当电机稳步运行时,两种估算方法都能准确的估算转速.然而,基于转子磁链矢量角的速度估计算法较能使电机的在动态过程中稳定运行,并具有良好的精度.仿真结果也验证了文中采用的转速观测算法的正确性和可行性.     

基于动态贝叶斯网络的交通流状态辨识方法

为准确地对交通流状态进行辨识,进而支持交通流实时诱导系统有效运行,结合速度、流量与车道占有率3种交通流参数,将贝叶斯网络用于交通流状态辨识,提出了基于动态贝叶斯网络的交通流状态辨识方法. 利用英国南安普敦市的实际数据对上述方法进行了仿真验证. 验证结果表明,利用动态贝叶斯交通流状态辨识方法可以更加准确地判别出交通流所处的运行状态,这为智能交通系统,特别是交通流实时诱导系统,提供了一定的理论支持.      

基于多步回溯Q(λ)学习算法的多目标最优潮流计算

为了克服传统的最优化算法面对复杂、非线性描述的多目标最优潮流时无法满足电力系统实时调度运行的这一缺点,提出了一种基于半马尔可夫决策过程的多步Q(λ)学习算法,该算法不依赖于对象模型,将最优潮流问题中的约束、动作和目标转换成算法中的状态、动作与奖励,通过不断的试错、回溯、迭代来动态寻找最优的动作.将该算法在多个IEEE标准算例中与其他算法进行比较,取得了良好的效果,验证了多步Q(λ)学习算法在处理多目标最优潮流问题时的可行性和有效性.     

确定有穷状态自动机最小化算法的三点说明

确定有穷状态自动机最小化可提高词法分析程序的效率.本文简述了最小化的概念、算法,从基本概念出发分析了该算法初始分划如何构造,及在状态无后继和全部由终止状态构成时这两种特殊情况下的解决对策,并对原算法做了进一步的细化.     

基于实测数据的STAP的权值计算算法性能比较

空时自适应处理(STAP)的权值求解是其计算最密集的部分,由于机载雷达回波数据动态范围很大,导致传统的采样协方差矩阵求逆(SMI)方法数值稳定性较差,相对而言基于QR分解的采样矩阵求逆算法(QRD-SMI)在系统动态范围要求和并行性上具有优势.为了寻求在STAP工程实现时采用QRD-SMI的理论依据,分析了采用这两种不同算法的STAP处理方法,比较了二者的计算量,用MountainTop数据比较研究了2种方法的性能.实验结果表明这2种方法均具有良好的杂波、干扰抑制性能,传统的SMI算法在杂波抑制性能上较QRD-SMI算法有一定的优势,而QRD-SMI算法对"目标消除效应"较SMI算法有更强的稳健性,综合比较算法性能、数值特性以及可并行实现性,QRD-SMI更适合在STAP的工程实现时采用.     

一种BP神经网络学习率的改进方法

针对动态BP神经网络学习率优化方法收敛速度慢而且对误差曲面变化不敏感等不利因素,提出了一种改进的BP神经网络学习率的优化算法。通过判断网络误差变化的趋势来决定动态学习率的调整方向,尤其网络误差处于下降状态时,不需调整。该策略使网络对误差曲面变化敏感且收敛速度快。最后,对两种算法的仿真比较证明了优化算法的有效性。     

一种BP神经网络学习率的改进方法

针对动态BP神经网络学习率优化方法收敛速度慢而且对误差曲面变化不敏感等不利因素,提出了一种改进的BP神经网络学习率的优化算法。通过判断网络误差变化的趋势来决定动态学习率的调整方向,尤其网络误差处于下降状态时,不需调整。该策略使网络对误差曲面变化敏感且收敛速度快。最后,对两种算法的仿真比较证明了优化算法的有效性。     

一种基于噪声动态检测的语音端点检测算法

HMM技术在语音识别中得到较为成功的应用,本文基于HMM的孤立词语音识别系统的识别策略,提出了两个改进的算法.第一种算法是对背景噪声进行动态估计的汉语语音端点检测算法,较一些常规的端点检测方法如基于能量的端点检测方法,具有更高精度和鲁棒性.第二种算法针对分裂法进行码本设计时,可能出现除数为零的计算错误,提出了避免出现计算错误的改进算法.通过进行汉语孤立词语音识别实验,表明这两种算法是有效的,得到较高的识别率.     

具有双电压调节处理器的最优DVS算法

为了解决嵌入式实时系统如何节省电能的问题,针对具有两种运行状态的微处理器提出了最优的动态电压调节(DV S)算法。对具有周期性硬实时任务集的嵌入式系统,引进了部分降频的新概念,建立了精确实用的数学模型,在此基础上证明了该算法的最优性。分别从实例实验、仿真试验两个方面,证实了该算法的正确性和有效性。实验结果表明,采用这种最优DV S算法的系统,比不采用DV S算法的系统明显地节省能量,具体减少的数值依赖于任务集的构成和处理器状态,但是减少量平均达到20%以上。和其他类似的调度算法相比,也能更好地减少能耗。     

应用D-RMS算法识别电缆接头的火花放电故障

为有效预防电缆火灾事故,采用差值-均方根(D-RMS)算法来识别电缆接头松动时产生的火花放电现象.利用自行研制的实验平台,开展了5种回路电流、4种松动状态下的电连接松动故障实验,获取了大量的实验数据.采用差值-均方根算法统计出每一种运行状态下接触电压波形的变异比、变异区间和变异区间长度等特征参数,作为故障识别的基准参数.将待测接触电压波形的变异比与4种运行状态下接触电压波形的变异区间进行比对,可以判断出待测接触电压波形所表征的运行状态,进而区分出栓接电缆接头是否存在火花放电故障.研究表明:该方法简单有效,可以用于识别电缆接头松动时产生的火花放电故障.     

基于蚁群粒子群优化算法的云计算资源调度方案

通过对蚁群算法和粒子群算法分别进行改进,利用两种算法自身优势相结合的方式建立一种蚁群粒子群算法,以提高云计算资源调度效率,解决云计算中资源调度方案优化问题.实验结果表明,该算法所消耗的时间更少,效果更好.     

求解最短路径问题的一种改进的人工蜂群算法

针对传统算法在计算大规模路网的优化问题时所表现出来的计算时间长、存储空间大等缺点,提出了一种改进的人工蜂群算法来求解最优路径选择的方法．试验结果表明,对于有向图和无向图,该算法都具有较好的全局寻优能力,即能获得满足条件的最优路径．     

分配问题的启发式算法求解

禁忌搜索算法和蚁群算法是近几年优化领域中出现的两种启发式算法.简单介绍了这两种启发式算法的基本原理,给出了应用这两种算法以及其混合算法解决分配问题的求解过程.仿真结果表明混合算法取得的结果较好.     

基于模式求解旅行商问题的蚁群算法

群体智能已经被广泛应用于分布式控制、调度、优化等领域.其中蚁群算法已经成为该领域的一个研究热点.在蚁群算法的基础上针对旅行商问题(TSP),首先提出了小窗口蚁群算法,提高初始解的质量,然后与基于模式的蚁群算法相结合,通过提取模式,改变计算粒度,缩短计算时间,提高计算精度.实验结果表明该算法有较好的效果.     

基于遗传-蚁群算法的云计算任务调度优化

为了找到最佳的云计算任务调度方案, 缩短云计算任务完成时间, 通过综合考虑遗传算法和蚁群算法的优势, 提出一种遗传 蚁群算法的云计算任务调度优化算法. 首先采用遗传算法快速搜索到云计算任务调度的可行方案, 然后采用可行方案初始化蚁群算法的信息素分布, 解决初始信息素匮乏的难题, 加快算法收敛速度和搜索能力, 提高云计算任务求解效率. 在CloudSim平台的实验结果表明, 相对于遗传算法, 遗传 蚁群算法更适合于大规模云计算任务问题的求解, 可缩短任务完成时间, 获得更高的用户满意度.     

基于QoS云计算任务调度优化

由于云计算技术快速发展,为了满足日益多样化的云计算用户服务质量(QoS需求)以及提高云计算资源调度的效率,提出基于改进蚁群算法的云计算资源调度优化算法,包括建立云计算资源模型和用户QoS需求模型.为了得到更准确的结论,针对传统蚁群算法过快收敛造成的局部最优解现象,在传统的蚁群算法的基础上加入随机选择机制,时间、成本和结果有效可用性适应度因子进行了优化改良,以求得全局最优解.通过仿真实验将传统的蚁群算法、Mi n-Mi n调度算法和改进的蚁群优化算法进行比较,实验表明,改进的蚁群优化算法在调度效率、节约成本、减少任务执行时间和任务得到结果质量方面有明显的优势.     

基于免疫的蚁群优化算法

蚁群算法在寻优过程中很容易出现早熟现象而陷入局部最优,同时蚁群算法在构造问题的可行解时,计算复杂度较大.为解决以上问题,将免疫算法和蚁群算法相结合,构成了一种结合免疫机制的蚁群优化算法,并将其用于解决WTA(武器目标分配)问题.通过仿真及与其它多种优化算法对比发现:基于免疫的蚁群优化算法在搜索效率上要高于其它优化算法.     

人工蜂群粒子滤波信道估计算法研究

人工蜂群算法是用以解决复杂优化问题的新方法,具有收敛速度快、优化性能高等特点.将人工蜂群算法与粒子滤波相结合应用于信道估计可以摆脱常规方法对线性高斯条件的束缚,具有理论依据和现实意义.结合2种算法的优势提出了人工蜂群粒子滤波,采用人工蜂群算法确定粒子滤波的建议分布.仿真将Alpha稳定分布作为非高斯噪声模型,实现了粒子滤波及其改进算法的信道估计研究.结果表明人工蜂群算法与其他智能算法相比具有更快的收敛速度,改进人工蜂群粒子滤波与无迹粒子滤波相比极大地提高了信道估计精度.     

云计算下均衡负载的差异性资源调度算法优化研究

随着云计算的逐渐发展,云计算下容易出现虚拟机负载不均衡和差异性资源调度时间长的问题,当前调度算法大多无法有效解决均衡负载问题,影响调度性能。为此,提出一种新的云计算下均衡负载的差异性资源调度算法,对云计算下资源调度问题进行描述,针对云计算下虚拟机差异性资源负载问题设定参数。设计蚁群优化算法,蚂蚁爬行的每一步代表指派的一个差异性资源任务,引入挥发因子对信息素更新规则进行改进,获取全局信息素。利用蚁群优化算法对云计算下负载的差异性资源进行均衡调度,给出详细实现过程。实验结果表明,所提算法有较好的收敛性,均衡负载效果好,且时间复杂度低。     

一种高效的生物网络概率模体发现算法

针对概率模体发现算法中非树形子图的挖掘和在得分函数最大化的过程中得分函数值计算的2个难点.首先提出基于划分的非树形子图的搜索算法,其次将子图同构应用于最小错配的求解以缩小智能优化算法对得分函数求解的解空间,最后将基于模拟退火算法和遗传算法的混合算法应用于得分函数的求解过程.在大肠杆菌基因调控网络中的实验结果表明,与其他算法相比,混合智能算法可以大大减少非树形子图的搜索时间,并以相对较快的收敛速度收敛到一个较优的解,因此所提出的方法有效地提高了概率模体发现的效率.