行混合阵列加权和最大值的完全收敛性

利用混合序列的矩不等式,得出一个关于行混合阵列加权和最大值完全收敛性定理,并从定理的特殊情况得出关于行混合阵列加权和最大值完全收敛性的一系列推论。     

微网热电储能容量配置优化

可再生能源发电和负荷具有随机性,因而储能装置是保证微网安全稳定的重要组成部分.针对某热电联供微网,提出了类比蓄电池的蓄热罐出力建模方法,在此基础上建立了基于经济调度热电储能优化配置模型.采用多场景方法考虑微网中的随机因素,运用人工蜂群算法优化不同容量下微网运行方式,比较不同储能容量下微网的综合成本,从而确定最优储能方案.通过算例验证了所提方法、模型能有效降低微网的综合成本.     

基于改进微粒群算法的带有软水管的混凝土热学参数反分析

埋设冷却水管是常用的混凝土温控措施之一,塑料质水管由于铺设快捷、接头方便、价格便宜而得到广泛应用,但其在温控防裂分析计算中热分析参数很难确定.根据曹娥江大闸施工现场实测的温度值,利用改进微粒群算法对大闸混凝土温度场进行反演计算,并将计算值和实测值进行对比,分析计算结果的合理性,得到反映混凝土热学性能的参数.反演结果表明,微粒群算法作为一种优化算法,具有收敛速度快、效果好等特点.     

基于粒子群算法的导弹模糊导引律设计

针对传统模糊制导律的模糊设计随意性,提出采用粒子群优化算法对模糊导引律的参数优化的方法．利用粒子群优化方法调整模糊变量隶属度,比例因子等参数,并通过反复优化使模糊推理规则接近于最优．该方法克服了模糊逻辑设计中的随意性,提高了模糊制导律的精度和鲁棒性．仿真结果表明了这种优化方法得到的模糊比例导引律明显优于传统比例导引律．     

软件成本估算技术研究综述

国内外有关软件成本估算技术的研究,文献数量从多到少,依次可以分为五类：基于算法模型的估算技术、基于功能点的估算技术、基于类比法的估算技术、基于专家经验的估算技术和其它奏技术。其它类技术包括回归分析技术．神经网络技术、动态技术、贝叶斯分析技术、模糊理论技术、组合方法技术等等。本文首先综述了各类软件成本估算技术,然后总结了各类软件成本估算技术的优点和缺点。     

鲁棒性模糊C-均值聚类算法

针对模糊C-均值聚类算法(FCM)在参数输入受人为限定,且在系统应用中易受噪声或孤立点数据的干扰等缺点,提出一种鲁棒性FCM聚类算法(RFCM),以降低噪声或孤立点的影响。     

基于即时学习算法非线性系统多模型自适应控制

针对可获得大量输入输出数据的非线性系统，提出一种改进的即时模型辨识方法，并与自校正的极点配置控制算法相结合，设计多模型自适应控制器。所提出的建模方法和相应的多模型自适应控制器能较好地逼近非线性系统的动态特性，使系统的动态响应品质得到了有效的改善。     

计及V2G的最优调频功率分配研究

以合理分配调频功率为主要目标,建立了以电动汽车接入电网(V2G)调频服务收益最大化和最终电荷状态方差最小化为优化目标的数学模型,并以纽约州独立系统交易运行机构(NYISO)的实时辅助服务价格和负荷数据为例,利用粒子群优化算法优化目标函数,对比分析不同方案下的仿真结果。仿真结果表明:引入权重系数有效地避免V2G调频服务中电动汽车"高充低放"的现象;提出的多目标优化方案使得电动汽车代理商获得最大调频利润的同时,调频功率在电动汽车中的分配更加合理。     

响应面优化算法在被动式低能耗建筑设计中的应用

被动式低能耗建筑设计过程计算量大,涉及变量多,不同变量间关系错综复杂,传统方法无法获取复杂变量的最优解集,不能保证被动式低能耗建筑设计不同目标函数达到最优。为此,将响应面优化算法应用于被动式低能耗建筑设计中。将最大化舒适度、最小化耗能率作为被动式低能耗建筑设计的目标函数。通过拉丁超立方实验设计方法,获取被动式低能耗建筑设计优化问题的设计空间;在设计空间中随机抽样。在此基础上,通过最小二乘法拟合建立响应面模型。利用遗传方法对拟合响应面模型进行改进和更新处理,直至达到收敛,保证被动式低能耗建筑设计达到低能耗率、高舒适性的目的。实验结果表明,响应面拟合准确性高,将响应面优化算法应用于被动式低能耗建筑设计中,发现其能够有效降低能耗,提高舒适性,和其他方法相比有更好的优化结果。     

基于人工神经网络动态标定算法的低成本视线追踪系统

针对视线追踪系统成本高、标定算法复杂的问题,研究了一种低成本视线追踪系统.系统采用低成本网络摄像头,采集到的图像首先采用Haar-like特征与肤色结合算法来进行人脸检测,并利用主动表现模型算法和光流法定位并跟踪人脸特征点;然后利用梯度向量法进行瞳孔中心检测;为了提高系统精度和鲁棒性,提出了一种人工神经网络的动态标定算法.实验表明,视线追踪系统不仅具有很好的鲁棒性,而且具有较高的精度,在头部静止的情况下平均误差为1.34°,在头部运动的情况下平均误差为3.26°.