具有无限类混沌吸引子的保守混沌系统自适应滑模控制

提出一个具有类混沌吸引子的三维保守混沌系统,新系统在Sprott A基础上增加了一个余弦项并将常数项改为变参项。首先,分析了该系统的典型混沌特性,着重分析了参数变化时的李雅普诺夫指数、时序图以及相应相图。然后,通过改变初始值,得到获得无限类共存吸引子的方法并进行仿真验证。最后,在不确定和干扰作用下设计自适应滑模控制器,实现对新混沌系统的同步控制,并利用Matlab仿真验证所提控制器的有效性。     

基于经验模态分解的多模型融合售电量预测模型

售电量预测的精度是影响售电公司利润的一个重要因素.传统售电量预测方法难以解决售电量数据序列的趋势性、周期性与随机性等问题.为此,本文提出一种多模型融合的售电量预测方法.首先,采用基于经验模态分解方法将日和月度售电量分解为高、中、低频分量,构建三种独立的基模型,分别对不同频分量进行预测;然后,基于历史数据和同期的外部因素...     

面向复合材料带隙预测的两段式集成学习模型构建

带隙是钙钛矿型复合氧化物材料重要的特征参数,对材料的物理化学性质起决定性作用,如导电性能和光电性能等.为了寻找适合不同应用领域的钙钛矿型材料,利用机器学习进行带隙预测是一种重要的研究手段.构建了一个两阶段异质集成学习模型,在第一阶段使用多种不同的基础机器学习器(回归模型)进行预测;在第二阶段把对预测结果影响较大的描述子和基础机器学习器进行集成学习.利用该模型对210种钙钛矿型复合氧化物材料的带隙进行预测,并与多种独立的机器学习算法以及不同集成策略模型的预测性能相对比,评估了本模型的预测性能.结果表明,这种两段式的集成学习模型能够更好地学习到材料数据的内在关系,并具有较好的预测效果和较强的泛化能力.     

基于注意力机制的GRU神经网络安全态势预测方法

传统的网络安全态势预测方法依赖于历史态势值的准确性,并且各种网络安全因素之间存在相关性和重要程度差异性.针对以上问题,提出一种基于注意力机制的循环门控单元(recurrent gate unit,GRU)编码预测方法,该方法利用GRU神经网络挖掘网络安全态势数据之间的时间相关性;引入注意力机制计算安全指标的分配权重并将...     

基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时,为满足用户动态变化的带宽需求,虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值,一定程度上造成了资源浪费.针对这一问题,提出一种基于混合流量预测的虚拟网络拓扑重构方法,利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测,根据流量预测结果进行拓扑重构,在避免出现乒乓效应的同时节省更...     

基于MPC的无人机航迹跟踪控制器设计

针对固定翼无人机航迹跟踪问题,采用基于状态扩展的双反馈模型预测控制理论对控制器进行设计.首先推导基于侧向偏差的无人机侧向航迹跟踪模型,采用动态逆方法对模型进行线性化处理,在此基础上设计基于状态扩展的双反馈模型预测控制器,并采用量子粒子群优化(quantum particle swarm optimization,QPS...     

基于神经网络路面识别的电动汽车ABS控制研究

为了充分利用路面附着能力以提高电动汽车的制动安全性,文章提出了一种基于径向基函数(radial basis function,RBF)神经网络路面识别的电动汽车制动防抱死系统(anti-lock braking system,ABS)控制方法。采用RBF神经网络进行路面识别,将识别出的最优滑移率作为目标参数,以此设计了一种模糊控制与预测控制相结合的ABS控制策略,同时制定了制动力矩分配策略,从而确保制动系统可靠工作并实现制动能量回收,最后基于CarSim与Matlab/Simulink仿真平台进行了实例样车仿真分析。仿真结果表明,该路面识别方法可以准确识别当前路面状态,ABS控制策略下的制动距离相对于模糊控制策略缩短了6.57%,制动能量回收提高了3.9%。     

艾丁湖生态环境演变分析及预测

艾丁湖的生态环境演变对整个吐鲁番市乃至吐鲁番盆地的宏观生态环境一方面起到了指示器的作用,同时也对其具有反影响力。笔者经过实地调查和资料分析,揭示了艾丁湖生态环境变化及演变趋势。     

基于粒子群算法最优化Verhulst模型的开采残余下沉预测

矿区开采引起的残余下沉稳定时间长、潜在危害大,有必要准确地预测矿区地表的残余下沉。鉴于传统的残余下沉Verhulst模型建模误差大、适用性弱,在建模过程中以数据序列的首个数据保持不变导致预测效果差的缺陷,以直接离散Verhulst模型为基础,引入粒子群算法寻求模型迭代初始值的最优解,建立基于粒子群算法优化的矿区开采残余下沉直接离散Verhulst模型,并以山西阳泉和山东兖州矿区两个时间尺度的地表残余下沉监测数据集进行实例验证,最后利用Matlab App Designer工具实现模型算法的可视化。结果表明：基于粒子群算法优化的直接离散Verhulst模型的矿区开采残余下沉预测精度和稳定性增益明显,所开发的计算工具具有正确性和有效性。     

基于遗传算法优化机器学习模型的地下水潜在性预测

传统机器学习模型在地下水潜在性预测中,未考虑最优因子组合,会对地下水潜在性制图产生不利影响。为此,提出了遗传算法优化支持向量机的地下水潜在性预测方法。以云南省彝良县为研究区,从地形、水文、土壤、地质等方面选取了共15个影响因子;考虑模型性能和影响因子的作用,利用遗传优化算法筛选了包含11个影响因子的最优因子组合;然后使用支持向量机方法构建了地下水潜在性预测模型;最后计算了因子优化前后的模型准确度和受试者工作特性曲线下面积（area under curve,AUC）,并绘制了模型的受试者工作特性（receiver operating characteristic,ROC）曲线和地下水潜在性预测图。结果表明：因子优化前模型的准确度为0.774,验证集AUC为0.789,因子优化后模型的准确度为0.777,验证集AUC为0.806,分别提高了0.003和0.017。可见,所提方法的准确性、可靠性优于传统的支持向量机法,其结果可以为区域水文地质调查和地下水资源管理与规划提供科学参考。