国外典型河流生态流量管理实践及启示

 生态流量是河流开发与生态环境保护协调发展的关键指标和难点问题。目前,河流生态流量理论方法体系尚不完善,不足以全面指导生态流量管理实践,导致部分河流、河段的生态系统服务功能退化。虽然生态流量的理论体系和计算方法已开展了较多研究,中国学者对国外生态调度也做了回顾和梳理,但是对生态流量的管理目标仍未形成统一认识。通过梳理国外7条典型河流的生态流量管理实践,从珍稀濒危洄游性鱼类、国际重要湿地、珍稀濒危鸟类等多种生态保护目标,以及流域综合管理机制、水权交易、国际投资等政策管理的多个方面,分析了不同河流的生态流量实施过程和效果,归纳总结了7条典型河流生态流量管理实践的成功经验和不足,进而提出了对政府、管理部门、研究机构、水电企业和非政府组织等多个利益相关方在生态流量研究与管理方面的启示。     

智能混合动力汽车经济性自适应巡航控制策略研究

针对智能混合动力汽车自适应巡航过程中的能量控制策略问题,结合模型预测控制在处理多目标、多约束优化问题方面的优势和粒子群算法运算量小、收敛快的特点,将粒子群算法作为模型预测控制的滚动优化方法,构造基于模型预测控制的粒子群算法.仿真结果表明,文中算法能够使绝大部分工况点落在较低燃油消耗率区域,只有少部分工况点落在非经济区域,虽然多消耗了1.06%的燃油,但在运算速度上却获得了60.3%的提升.     

基于目标空间分区的稳态高维多目标进化算法

针对高维多目标优化中Pareto非劣候选解所占比例很大,常用的先考虑收敛性再考虑分布性的多目标进化算法面临选择压力衰减的问题,提出一种先考虑分布性再考虑收敛性的高维多目标进化算法——基于目标空间分区的稳态高维多目标进化算法(SS-OSP).该算法先采用目标空间分区策略将种群按照权重向量分为多个子空间,在每个子空间中按照分解方法中的聚合函数选择个体;然后,考虑到常规的PBI聚合函数的罚参数在进化过程中一直保持不变的情况,提出一种自适应PBI聚合函数;最后,仿真实验结果表明所提出的算法与其他三种算法相比,具有更好的收敛性和分布性.     

永磁同步电机直接转矩控制新型占空比调制策略

针对传统永磁同步电机直接转矩控制系统转矩脉动和磁链脉动较大,现有占空比调制策略计算复杂等问题,提出一种新型占空比调制策略.该调制策略利用定子磁链和扇区电压矢量的作用角区分转矩脉动和磁链脉动在控制系统中的权重系数,并设计新型开关表,保证在任一控制周期中最佳电压矢量的选择.在保证系统计算量较低的前提下,利用权重系数和最佳电压矢量推导最优占空比计算公式.仿真和实验结果证明,所提出的新型占空比调制策略可以大幅度抑制转矩脉动和磁链脉动,获得较好的稳态运行性能,并保持系统快速动态响应性能.     

基于多主体建模的社会化养老形成分析

在国家大力推进社会化养老服务体系不断发展的背景下,研究了社会化养老的形成.根据效用最大化原则,利用多主体建模方法,构建了一个包含政府、养老机构、家庭三大类主体的社会化养老仿真模型,模拟了社会化养老行为这一宏观社会经济现象的形成.仿真结果表明:就业率和工资水平对社会化养老的形成有显著影响;政府补贴对社会化养老有效需求的产生影响不显著,而对服务供给产生较大影响;而老年人的财富水平、对父母的关爱水平、对下一代资金投入和对下一代关爱水平对社会化养老的形成影响不显著.     

二元半规范双小波框架滤波器的构造

多元双小波框架的构造由于其较大的自由度和计算的复杂性，一直是小波框架研究内容的难点问题之一。本文提出了一类具有规范滤波器的二元双小波框架的构造方案。具体地，对给定的一对低通滤波器组，利用混合酉扩展原理，首先建立可以生成半规范双小波框架的高通滤波器对的最小数目，然后根据滤波器和多相矩阵之间的关系，给出了构造双小波框架滤波器的具体方案。     

OFDM系统中最大似然调制识别算法研究

对观测样本进行非线形变换,提出了基于子载波和子载波组的OFDM系统最大似然调制识别算法,解决了载波频偏引起最大似然调制识别算法性能急剧下降的问题.仿真结果表明,当归一化频偏小于0.15时,该算法具有良好的识别性能.     

一种新的结合奖励机制的ETLBO算法

通过对原ETLBO(elitist teaching learning based optimization)算法引入一种新的奖励机制, 提出一种新的结合奖励机制的ETLBO-reward算法, 并基于该算法提出一种简单自适应的精英个数算法RETLBO reward, 该算法保留了传统算法参数少、 易实现、 收敛快等优点, 进一步提升了传统算法的收敛能力. 对6个连续非线性优化问题的测试结果表明, 这两种算法均具有良好的性能, 求解效率较原ETLBO算法有明显提升.     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

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。