离散雅可比多项式序列预报控制理论与算法

本文提出一种用于微机加工误差实时预报控制的新方法;构造了离散雅可比多项式序列的计算通式及其递推格式;证明了其离散正交性;开发了用于微机在线预报与控制的递推公式及算法.本文所提出的理论与算法对加工误差的实时补偿控制是适用有效的.     

基于二次型跟踪器的实时能量管理优化策略

为了解决当前混合动力汽车能量管理策略不能同时兼顾最优性与实时性的问题,以采用行星式混合动力系统的物流车为研究对象,基于二次型跟踪器理论提出了一种可在线实时应用的能量管理优化策略。建立了行星式混合动力系统的线性数学模型,开发了直接节油型二次型跟踪器单自由度优化策略,基于MATLAB/Simulink软件平台进行了离线仿真验证,仿真结果表明该策略获得与全局优化算法相近的节油效果。在基于dSPACE/Simulator搭建的硬件在环平台上进行了硬件在环测试,测试结果表明该策略具有良好的实时应用性。     

基于混沌粒子群--专用遗传算法切换策略的移动机器人路径规划

为了发挥粒子群算法和专用遗传算法的各自优点,提出了一种将二者结合的切换优化策略。该策略前期采用一种基于种群最优个体混沌化的混沌粒子群算法,后期选用专用遗传算法。通过大量仿真实验确定了在迭代代数、种群标准差和最优个体适应度差三种切换指标下各自的最优切换条件。与单一专用遗传算法和单一混沌粒子群算法的仿真对比表明：本文提出的切换优化策略在综合路径长度、平滑性和规划时间三个性能指标后具有一定的优越性。     

封闭系统中的货币分布状况分析

模型中基于个体货币的转移,近似于用类比热力学中的分子运动来研究货币的分布状况,在热力学中某一状态发生的概率,早由Blotzmann和Gibbs提出[1].基于实际交易,引入Gini系数衡量制定的交易规则下货币分布状况;为了更加符合实际,对模型进行了改进,引入每次交易成功的概率r,其中r由交易过程中的一些影响因素作用而随机生成,经过分析得出更具有现实意义的模型.     

基于油门与制动的轮式移动机器人纵向速度控制

建立了基于油门与制动的轮式移动机器人纵向控制系统，通过油门加速与制动减速的切换实现机器人对期望速度的跟踪，提出了一种模糊人挡制动算法，将查模糊控制表得到的控制量进行实时滤波，并将滤波后的控制量按一定规则分档，使制动踏板呈阶跃式运动，以防止制动过程中制动踏板的频繁往复抖动，实验结果表明，模糊分挡控制算法有效地降低甚至完全消除了制动踏板的抖动，同时，成功地实现了制动减速与油门加速的平稳切换。     

基于Anytime算法的模型预测控制器的优化反馈调度

模型预测控制器可以实现为具有Anytime算法特征的模型预测控制（MPC）任务,它允许在执行时间和控制性能之间进行折衷．文中针对一组MPC任务,提出一种优化反馈调度算法（FS-CBS）,在有限处理器时间约束范围内使全局控制性能最大化．该算法为每个MPC任务分配了一个恒定带宽服务器（CBS）,并对CBS所预定的处理器时间进行动态调节,同时通过约束条件保证整个任务集的可调度性和各组分的稳定性．仿真结果表明,该算法对MPC运行时的执行时间变化不敏感,明显优于基本的CBS算法．     

云计算技术及其对网络的影响

云计算代表一种全新的计算模型,并从根本上改变IT服务的方方面面。云环境的主要优势在于降低数据中心的成本支出,并在需要资源时获得动态接入,而不需耗费人力、时间,不影响工作人员的效率和组织竞争力。但云计算仍然存在一些网络性能和安全的问题。所有运营云的企业、政府机构和服务提供商,还有支持云基础设施的设备提供商必须在其设计中考虑这些因素。可用云性能和安全测试工具检测云应有的性能,以实现其结果。     

无线传感器网络中的移动式目标跟踪

针对传统无线传感器网络进行移动目标跟踪时能耗过高的问题,提出一种基于移动节点和固定节点协同工作的移动式目标跟踪算法.在传统的由固定节点组成的无线传感器网络中加入少量移动节点,对移动目标进行持续性跟踪.通过移动节点和普通固定节点之间的配合,提高监测质量和容错性,在满足既定监测质量要求的前提下,尽可能地减少参与监测的普通固定活跃节点的数量.仿真实验结果表明:所提出的跟踪方法可以有效地降低固定节点的能耗,延长网络生存期.     

应用GPS RTK技术检测赛艇运动信息

为帮助教练员及时了解赛艇训练中的量化参数,运用全球定位系统(GPS)提取赛艇运行中的位置信息和运动信息。采用自行研制的基于掌上电脑(PDA)的GPS接收机,使用实时动态载波相位差分(RTK)技术后达到cm级精度。实时采集运动中赛艇的GPS数据,经事后处理得到赛艇轨迹、速度加速度曲线、速度高度曲线等。从中分析出赛艇航行各阶段的运动状态和技术指标,供运动员和教练员参考。实践证明这一方案完全可行,对提高运动成绩很有价值。     

应用YOLOv4-tiny算法实现保护压板智能校核

目前继电保护压板的巡检校核仍以人工为主,为提高其工作的效率,提出了一种智能实时校核方法。该方法首先使用YOLOv4-tiny算法对压板的投退状态进行预测,然后使用腾讯开源的ncnn前向推理框架,对YOLO模型进行优化,最后将模型移植到移动端,使用手机软件完成压板校核。经测试,模型的均值平均精度达到99.13%,平均预测速度达到每秒30张图片,并可以有效解决反光、遮挡等环境因素的影响,可以显著提升巡检工作的效率。