基于自适应乘法正则化的结构随机激励识别

针对结构随机激励识别存在的激励位置未知以及重构效率偏低问题,本文提出了一种基于自适应乘法正则化的结构随机激励识别方法。该方法无需依赖于激励位置的先验信息,仅通过结构响应即可实现激励的准确定位和高效重构。首先,利用不同响应功率谱之间的传递特性来计算任意指定激励位置的定位误差,进而通过最小化定位误差来识别目标激励位置;在此基础上,借助自适应乘性正则化方法,定义全局正则化项来构造新的重构优化函数;然后,引入广义迭代加权最小二乘算法对优化函数进行求解,从而实现了结构随机激励识别;最后通过数值算例验证了所提方法的有效性。结果表明：所提方法能够精准的定位结构随机激励位置,且在与Tikhonov方法重构精度相似的基础上,提高了识别效率约15倍,同时具备良好的抗噪能力,为结构外部作用效应的获取提供了一种新思路。     

基于CEEMDAN和TCN-LSTM模型的短期电力负荷预测

针对短期电力负荷数据随机性强,难以实现准确预测的问题,提出了一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)和时间卷积网络-长短期记忆网络(temporal convolutional network-long short-term memory network, TCN-LSTM)混合模型的预测方法。所提算法先使用CEEMDAN方法将负荷数据分解为一系列相对平稳的子序列。同时为了降低后续计算规模,通过引入排列熵的方法将各子序列进行重组。然后,将各个重组序列输入到TCN-LSTM组合模型中,利用TCN模型提取特征并构建序列的特征向量,再基于LSTM模型对其进行训练及预测。最后把全部预测值进行相加得到完整的预测负荷值。通过使用欧洲某地真实负荷数据进行验证。结果表明：所提算法与其他常见的预测算法相比具有更高的预测精度,可为负荷预测等研究工作提供相关参考。     

基于自适应遗传-粒子群优化算法的风电场微观选址优化

为了减小尾流效应对风电场发电量的影响,提高风能利用率,提出了一种自适应权重的遗传-粒子群优化算法(genetic-particle swarm optimization algorithm, GA-PSO)。首先,以风电场单位发电成本为目标函数,风机坐标为优化变量,通过在优化变量的速度更新中加入惯性权重,以改变算法的寻优速度;其次,在WASP软件选址的基础上,对风电机组进行布局优化;进而,将计算结果与遗传算法(genetic algorithm, GA)、萤火虫算法(firefly algorithm, FA)和粒子群(particle swarm algorithm, PSO)优化算法进行对比。结果表明：运用PGOA算法优化后的风电场单位发电成本为2 016元/GWh,减少了232元/GWh,年发电量为82.633 GWh,比优化前提高了8.538 GWh,同时尾流损失减小了1.12%。可见研究结论对未来的风电场微观选址具有一定指导意义。     

体外震波碎石系统的信息优化技术研究

目前针对体外震波碎石(ESWL)系统的研究主要集中在能量发射的研究,而对信息的优化采集研究较少.为了达到既碎裂结石又不损害人体组织的目的,如何高效地采集碎石影像数据成为一个重要的研究课题.提出的策略在医疗活动信息化的基础上,根据影像像素分布情况,利用自适应选择子,自动选择不同小波所对应的提升方案对数据进行分解,在有效剔除噪声的同时保持了人体组织的关键特征.为了最小化降噪后的均方误差,采用双元软阈值进行滤波.该研究为临床工作者提供更为准确的、智能化的数据和临床决策支持能力.实验结果验证了该提升方案的低时间复杂度和接近于传统小波的极小的重构误差,在定量分析和临床观测方面都获得了更好的结果.     

分数阶复杂动态网络的牵制 自适应脉冲混合同步

利用广义的Barbalat引理,并针对Chen分数阶复杂动态网络,设计了一种牵制自适应脉冲混合同步控制新方法,只需控制网络中的一部分节点就能实现控制整个网络的目的.理论分析与仿真结果表明:所设计的控制策略能有效地实现分数阶复杂动态网络同步,节约控制成本且易于实现.最后讨论了受控节点数和分数阶次的改变对网络同步速度的影响.     

近似凸包自适应包围盒碰撞检测方法

针对虚拟装配环境中包围盒碰撞检测存在检测精度差和效率低的问题,设计了粗精结合的分层检测方法。粗检测阶段,采用基于八叉树的球形包围盒进行检测,初步剔除明显不发生碰撞的对象。在精确检测阶段提出近似凸包自适应包围盒算法,基于近似凸包思想提取贴合模型外壳顶点集求解协方差矩阵计算最小包围盒,解决传统方向包围盒算法因三角形面片的尺寸不均匀、导致构造包围盒方向偏移的问题,且构造时间较传统方向包围盒缩短了66%。最后在Unity3D中以液压调平举升平台各部件为研究对象进行实例验证,实验结果表明,本文研究的方法能构造出比传统方向包围盒更加紧密的包围盒,在装配实验执行时间上比使用传统方向包围盒碰撞检测算法加快了22.2%,比使用轴对齐包围盒碰撞检测算法加快了17.4%,能够满足虚拟装配中碰撞检测效率高的要求,且符合使用者实时的自然交互习惯。     

基于功率谱密度与随机配置网络的低压串联电弧故障检测

低压串联电弧电流为非平稳信号,故障特征区分度低且具有随机性,给电弧故障特征提取和准确检测带来困难,提出了基于功率谱密度与随机配置网络的低压串联电弧故障检测方法。首先,搭建了串联电弧故障发生平台,采集不同负载类型的电流数据,构建数据集。其次,采用功率谱密度对电流信号执行随机信号分析,实现对电流信号的定量化频域特征描述,增强故障电流与正常电流特征的区分度。然后,采用随机配置网络构建串联电弧故障检测模型,将功率谱密度特征用于随机配置网络的自适应训练学习,提升网络训练效率和模型故障检测能力。在本文构建的电流数据集上,串联电弧故障检测的平均准确率达到96.156 7%,证明了方法的有效性。     

基于复杂网络的微吧话题流行度预测研究

微吧是微博平台的贴吧,具有良好的话题主题性,为更好地进行话题流行度预测研究,对电影吧作为研究对象,建立复杂网络模型,并设计自适应差分进化算法对网络进行训练。在算法参数的设计中,通过对算法复杂度边界的推导得到最优参数。对比实验表明,较于神经网络该模型结构更加灵活,较于拟合模型该模型能够对话题特性进行更为全面的描述,并且在话题流行度的预测中具有更高的准确度和稳定性。     

基于区域信息的自适应码本目标检测算法

运动物体检测是视频监控系统的一个重要组成部分。针对经典码本目标检测算法存在的自适应动态背景能力不足,以及在复杂环境下检测精确度差的问题,提出一种基于区域信息的自适应码本目标检测算法。首先,利用添加学习率的方法对背景模型进行自适应更新以使其适应不同的光照环境。其次,结合区域信息,将待检测像素的码本和周围像素的码本融合,得到更为精确的背景模型。最后,对前景像背景一样进行建模和更新,使得前景和背景模型可以在预设参数的控制下相互转化,消除由于背景变化造成的误检。实验结果表明:所提算法在有随机噪声及光照变化的复杂环境下,依然具有较好的检测率和较好的鲁棒性。基本满足动态场景中运动目标检测的精度高、速度快、抗噪强以及光照适应性好等要求。     

基于hp自适应Radau伪谱法的再入飞行器轨迹优化

全局伪谱方法在解决平滑最优控制问题时具有指数级收敛速度,但对于状态变量震荡的最优控制问题往往难以在短时间内取得满意解。飞行器机动再入轨迹通常为震荡形式,因此设计了hp自适应Radau伪谱算法(hp-RPM)求解再入最优轨迹。hp-RPM以相对曲率作为判据,将震荡轨迹划分为多个平滑子区间,在每个子区间内采用低阶插值多项式逼近最优轨迹,以提高算法效率、估计精度和解的最优性。仿真结果表明,hp-RPM方法在算法效率、估计精度、解的最优性上,较全局Radau伪谱方法均有较大程度的提高。