电网大停电交通拥堵度评估模型及方法研究

针对大停电事故对路网交通拥堵产生严重影响和恶劣后果的背景,根据交通流特性,从路段和交叉口两个方面建立基本路段交通拥堵度评估指标体系;同时提出大停电后各个评价指标的计算模型和量化方法。在此基础上,采用突变级数评价法对基本路段拥堵度进行评估;并以车辆行驶里程(VKT)作为权重对路网体系中各基本路段进行加权,进而得到大停电后路网的交通拥堵度水平。最后以典型大停电区域为例,对不同停电时间下路网交通拥堵度水平进行量化评估;且评估结果与有关交通部门的统计情况相吻合,验证了该评估模型和方法的正确性、实用性。     

基于调制度分析的加权最小二乘位相展开方法

提出将条纹光强调制度分析和加权最小二乘法相结合进行二维位相全局展开的一种方法,在Ghiglia和Romero提出的基于离散余弦变换的加权最小二乘位相展开算法的基础上,根据条纹图像调制度分析确定加权最小二乘算法中的权矩阵,对调制度低的位相数据赋予低的权值,可以有效屏蔽无效位相数据对邻近区域的不利影响,该方法更充分利用条纹图像信息,算法稳健,可以实现完全自动的二维位展开,对实验数据的处理取得了较满意的结果。     

温度异常与地震

地震前震区上空的气温会有所升高,其原因是地热通过地壳的裂缝传递到地表的空气中,这里我们通过因子分析和残差分析,建立起了适于描述地震级别和温度异常之间的关系回归模型,并分析了该模型适用的范围,为预报地震震级提供了一条新的思路。     

采用视觉加权自适应阈值量化的彩色图像小波编码方法

提出了一种基于视觉特性的彩色图像小波变换编码方法.该方法是以一种简单的灰度图像小波编码方法为基础,首先通过小波变换将图像进行多分辨率分解;然后对彩色分量的高频子带数据进行适当的抛弃;对小波图像的高频数据采取自适应阈值量化方法克服恢复图像中的分量独立点噪声污染现象;最后根据小波系数的码字分布特征,采用行程编码结合Huffman编码.该方法可保证重建图像的主观视觉效果良好,而且具有较高的压缩倍率.     

压缩感知理论下扩展迭代重加权最小二乘算法的性能分析

利用最稀疏表示重构原始信号是压缩感知理论的核心,而基于几何影射约束的最小l1范数凸优化算法是其实现的主要方法。目前,解决最小lp(p≤1)范数问题的关键是迭代重加权最小二乘算法(IRLS-p,0p≤1),但其收敛和实时性较差。为此,文中从最小化矩阵秩的角度出发对一类扩展迭代重加权最小二乘算法(EIRLS-p)进行性能实现分析,用以改进IRLS-p算法的连续迭代收敛性及其实时性能。验证结果表明,EIRLS-0和sEIRLS-0算法性能优于奇异值门限(SVT)算法。同时,在没有先验知识的情况下,sEIRLS-0算法性能也优于迭代硬阈值(IHT)算法。     

扩展空间自相关法用于线性阵列时加权拟合问题研究

针对扩展空间自相关法拟合问题,分析了系统误差和方差这两种加权因素,讨论了它们对估算相速度的影响。实验采用10个台站组成的线形阵列。结果表明:有无根据系统误差加权拟合,相速度差别较大;有无根据方差加权拟合,相速度差别较小,但个别值有明显改变;加权前后得到的频散曲线有明显差别。应用扩展空间自相关法时,必须根据系统误差和方差确定合理权值,才能更准确估算相速度。     

离散形式的加权几何平均不等式

研究离散形式的加权几何平均不等式,证明了对任何非负数列{an},不等式∑ukk√a1…ak≤C1∞∑k=1vkak成立的充分必要条件是对任意n ≥ 1,有1/n n∑k=1 uk/k√v1…vk≤C2,其中un≥0,vn＞0,C1,C2为常数.     

基于频率的电液复合防抱死制动的制动力矩分配策略研究

对电动汽车上电液复合制动系统ABS制动力矩的分配进行研究,采取基于频率的制动力矩分配策略对期望值动力矩进行合理分配,以达到良好制动效果.分别对采用基于滤波器原理和加权最小二乘算法的两种制动力矩分配策略,进行设计和分析,最后通过Simulink平台进行仿真对比.结果表明,采用基于频率的ABS制动力矩分配能很好地控制车辆滑移率,实现防抱死制动力矩分配;采用加权最小二乘算法的分配策略能够获得较高的再生制动能量回收效率.     

三维地形中基于加权框架四叉树的路径规划

研究三维地形中的路径规划问题.提出建立加权框架四叉树进行路径规划的方法,改进了传统的利用正规网格进行规划的方法,减少了搜索节点,提高了运动速度.该方法将不同的因素作为四叉树中叶节点的权值,通过搜索得到时间最优路径.只要针对不同的应用设置相应于各种因素的响应函数,则加权框架四叉树就可适用于三维地理环境中多种应用环境中的路径规划.     

标签带噪声数据的重加权半监督分类方法

对于仅有部分数据带标签且标签含有噪声的二分类问题,提出了一类基于重要性重加权的半监督分类算法,借助贝叶斯公式和无约束最小二乘拟合进行标签噪声率的估计,并由此利用BP神经网络逐步求解带权的优化问题,在多个标准数据集上的实验结果表明,本文提出重加权的半监督分类方法,能有效地降低标签不足以及标签噪声对分类准确率的影响.