基于用户空间相关性的一种SDMA分组策略研究

为了既能提高SDMA(spatial division multiple access)系统容量,又能提高波束的动态分区覆盖能力,分析了一种基于用户空间强相关的SDMA分组策略。以用户空间位置和移动性的强相关性作为用户的分组度量,实时进行相关性计算,再通过波束赋形动态地对各用户分组进行动态覆盖。通过仿真对用户相关性随空间位置和移动状态的变化情况作了进一步统计分析,表明了用户相关性的瞬时变化性,以及对系统进行实时工作的要求。     

基于并行免疫遗传算法基因表达数据的动态模糊聚类

提出一种改进的并行免疫遗传算法, 通过在群体规模上引入“岛”的概念, 实现了可变的群体规模; 通过在适应度函数内引入免疫算子, 避免了算法过早收敛. 因此, 解决了寻优算法中局部收敛的困扰, 提高了获得全局最优解的几率. 把此算法应用于斯坦福大学酵母细胞周期表达数据库的数据进行共表达聚类, 并将实验结果与Spellman按照功能基因组学进行聚类所得结果进行了对比, 证明了所给算法在功能基因组 学聚类上的有效性.     

基于动态规划迭代法的最小H圈路径优化研究

规划距离最小的环形路径是减少配送成本、提高配送效率的有效方法.构建了基于动态规划迭代法的最小H圈求解模型,将环形路线优化问题转化为带约束条件的最小H圈问题,先将求解最小H圈问题分解为求解最小H链问题,再将最小H链问题转化为一个多阶段决策问题,然后结合改进的动态规划方法——动态规划迭代法来求解.通过货物配送路线优化的实例计算,证明了该算法能够快速、有效地求解有约束条件的最小H圈问题.     

一种基于动态协同更新机制的 接触网故障智能识别方法

随着电气化进程的加快,对接触网的运行及故障识别等提出了更高的要求针对目前电气化铁路接触网参数较多、容易发生故障,且故障识别较慢、精确度不高等问题,提出一种基于动态协同更新机制的接触网故障智能识别方法首先,依据技术标准选取接触网中常见的几种典型参数故障数据与正常数据,并完成各类别的标签指标设计;其次,针对传统粒子群算法中存在的寻优能力不足等问题,采用动态协同更新机制进行改进;然后,构建基于动态协同更新机制改进粒子群优化极限学习机的接触网故障智能识别模型（DCUMPSO ELM）;最后,通过仿真实验分析,验证所提方法在接触网故障智能识别中的有效性,为接触网故障识别提供了一种新的智能方法与思路     

柴油机燃油喷射试验系统的动态分析与研究

本文建立了柴油机燃油喷射试验系统的动态特性数学模型，对试验系统的动态响应及其影响因素进行了分析，找出了影响系统工作稳定性的原因，并提出和实施了对试验系统改进和调整的措施，获得了较满意的效果．     

能量管理系统中在线动态安全评估的研究

在线动态安全评估是能量管理系统(EMS)中的重要功能,文章在EMS中实现了一种实用的快速在线暂稳分析方法,通过在广西系统中实际运行证明,结合时域仿真法和直接法的综合法是一种可行的在线动态安全评估方法.分析和改进了预估-校正法,保证暂稳分析方法在多重多时段复杂故障下的快速性和准确性.设计了考虑电力系统复杂模型的在线动态安全评估系统的基本结构和功能,指出时域仿真法是在复杂模型下进行动态安全评估不可缺少的高精度决策工具.     

高速内燃机配气凸轮动态设计探讨

本文用动力学观点分析了内燃机配气机构在弹性变形下的运动规律,提出按理想气门运动规律设计配气凸轮方法.     

工时定额动态参数建模及可视化研究

工时定额数据获取的快速基于动态参数的工时定额计算方法.对影响工时定额计算结果 的诸多参数进行分析,根据参数的性和准确性影响着制造成本和作业计划.传统计算方法效率低、准确性差,为解决这一问题提出了信息表达方式进行分类,建立动态参数计算模型.利用VRML技术构造可视化加工特征模型,将动态参数映射到加工特征模型上,实现工时定额计算参数的图形化拾取.该技术已应用于企业生产过程中,取得良好的效果.     

基于DQN的机场地服人员动态排班研究

针对在繁忙机场的地面服务人员动态排班问题,提出一种基于深度Q网络(DQN)的排班方法．首先以最大化任务执行率和最小化员工工作时间作为目标,建立了优化模型;然后根据目标提出了两种不同的排班方法,进而采用DQN算法,根据生成的航班动态数据,提取6个状态特征作为网络的输入,并拟定合适的奖励机制,使得训练后的模型能够动态地选择最好的分配方法,最终对模型进行求解．将该方法应用在连续7 d的实际排班中,实验结果表明：与人工排班结果相比,该方法平均每天的任务完成数增加了0.43个,员工的总工作时长减少了53 min,DQN的排班结果具有明显优势,提高了机场地面服务的工作效率．     

基于改进量子遗传优化支持向量机的配电网故障分类

针对传统方法在解决现代配电网故障分类时存在的求解速度慢、分类精度差的问题,提出一种结合量子遗传算法的支持向量机配电网故障分类方法。首先采集故障信号并进行S变换处理,将处理结果的均方根与均值作为特征量,以提高特征量辨识度;其次在量子遗传算法的种群更新策略中引入自适应动态旋转角,避免算法在早期陷入局部收敛,增加算法的调参精度。以IEEE33节点配电网模型为研究对象的实验结果表明,所提的特征量提取方法有效提高了支持向量机的故障分类精度,改进后的量子遗传算法通过为支持向量机寻到更优参数从而进一步提高了故障的判别精度和分类速度,验证了方法的有效性与准确性。