基于TrueTime的涡扇发动机分布式控制系统及数字仿真平台设计

国内外航空发动机分布式控制系统研究往往脱离实际发动机,分布式控制系统的控制性能好坏很难定量地表现出来。本文以一实际的涡扇发动机为被控对象,分析了被控对象的特点及控制需求,设计了分布式控制方案,在MATLAB/TrueTime环境搭建了分布式控制系统数字仿真平台,仿真平台采用CAN总线通讯方案,通过时间与事件触发解决通讯同步问题,最终完成了发动机各个状态下的主燃油、加力燃油、尾喷口喉部面积控制,仿真结果表明所搭建的数字仿真平台控制性能良好,能满足航空发动机控制要求。     

基于载荷均衡的韧性配电网分布式故障恢复

韧性电力系统旨在应对电力系统的极端事件,高效的故障恢复是提高配电网韧性的重要手段。为了提升配电网的韧性,提出了基于载荷均衡的分布式故障恢复方法。首先,相邻馈线终端单元根据故障恢复区负荷、相邻馈线容量及负载率,计算各相邻馈线完成故障恢复后的负载率期望值。然后,各相邻馈线终端单元均以该期望值为目标,分别完成各自的故障恢复路径。最后,根据各相邻馈线的故障恢复路径形成故障恢复区的故障恢复方案。算例分析结果表明,该方法在保证各馈线载荷均衡的前提下可以有效而快速地实现故障恢复。     

基于改进K-Means++分时电量聚类与行业用电行为分析

由于能源互联网中分时电量分布不仅为分时电价的制定提供依据还代表着用户的用电意识,提出改进K-Means++的聚类算法与典型用户筛选模型对分时电量进行挖掘。首先对K-Means++进行改进,利用模拟退火算法(simulated annealing, SA)与中位数阈值分割自动确定聚类初始质心与聚类数,弗雷歇与欧式距离的加权复合作为相似性的度量,权值由信息熵与层次分析法(analytic hierarchy process, AHP)确定。然后对分时电量进行聚类,从每簇聚类结果中依据典型用户筛选模型筛选典型用户,得到3种用电类型,最后从主要用电类型与用电类型转变的角度对行业用电行为分析,得到不同行业相同的用电行为。有助于供电侧初步掌控区域性行业用电群体的用电特征,为精细有序的用电管理做准备。     

多类型配电网自动化终端优化配置

配电网自动化终端可以提升供电可靠性,但如何合理经济地配置终端是目前难点之一。考虑了多类型自动化终端在故障处理中的作用,进而搭建了终端配置的优化模型,该模型考虑了终端配置过程中的经济性,并通过改进岛式并行遗传算法加速求解效率。最后,通过RBT-BUS4算例结果证明所提出的优化模型具有良好的求解结果和一定的工程应用前景。     

等截面纵横弯曲梁的分布传递函数法

建立了等截面纵横弯曲梁的分布传递函数求解模型。这种模型可以适应复杂的边界条件和外力情况,表达公式形式简单规范,便于计算机编程处理。对于复杂系统,根据外力和约束的情况,将其分成多个子系统,并依照分布传递函数方法分别对每个子系统进行处理,借助有限元方法,建立整个系统的平衡方程,最后得出问题的解。     

多传感器信息融合Wiener反卷积平滑器

应用现代时间序列分析方法,基于ARMA新息模型和增广的状态空间模型,提出了按标量加权多传感器最优信息融合ARMA信号Wiener反卷积平滑器,给出了计算局部平滑器误差方差和互协方差的计算公式,它们可被用于计算最优加权系数．同单传感器情形相比,可提高融合平滑器的精度。一个仿真例子说明其有效性。     

基于最优加权法的航空货运量组合预测

以1997～2007年我国航空货运量的统计数据为基础,采用灰色GM(1,1)模型和回归分析模型进行组合优化,建立了基于最优加权法的航空货运量组合预测模型,并对组合预测模型进行检验.检验结果表明,组合预测模型是有效的、可靠的,具有较高的预测精度,可应用于实际预测.     

自动驾驶中基于深度学习的3D目标检测方法综述

随着激光雷达传感器和深度学习技术的快速发展,针对自动驾驶3D目标检测算法的研究呈现爆发式增长。为了探究3D目标检测技术的发展和演变,对该领域中基于深度学习的3D检测算法进行了综述。根据车载传感器的不同,将当前基于深度学习的自动驾驶3D目标检测算法分为基于相机RGB图像、基于激光雷达点云、基于RGB图像–激光雷达点云融合的3D目标检测3种类型。在此基础上,分析了各类算法的技术原理及其发展历程,并根据平均检测精度（mAP）指标,对比了它们的性能差异与模型优缺点。最后,总结和展望了当前自动驾驶3D目标检测中仍然面临的技术挑战及未来发展趋势。     

时间序列分析的随机集方法

通过建模仿真,对有独立观测值的统计方法进行估计、预测和控制,并提出了一种新的解决时间序列分析的方法．由全集中某些指定数值的最邻近域诱导出一种局部不确定的随机集模型,在“模糊集”的基础上将统计目标整合到基于规则的系统中．实例结果分析表明,随机集模型是一种很好的时间序列分析方法。     

自校正观测融合解耦Wiener状态预报器

对于带未知噪声方差和带不同观测阵的多传感器系统,应用现代时间序列分析方法,基于子系统和加权观测融合系统的滑动平均(MA)新息模型的在线辨识,提出了一类自校正加权观测融合解耦Wiener状态预报器。用动态误差系统分析方法,证明了它按实现收敛于当噪声方差已知时的最优加权观测融合解耦Wiener状态预报器,因而它具有渐近全局最优性。一个目标跟踪系统的仿真例子说明了其有效性。