摘要:

摘要:

摘要:

摘要:

摘要:从外卖配送员角度出发提出一种改进蚁群算法(Improved Ant Colony Optimization,IACO),在此基础上进行外卖配送路径规划研究.首先通过蚁群算法(Ant Colony Optimization,ACO)求解得到初始规划路径,然后通过大规模邻域搜索算法(Large Neighborhood Search,LNS)优化初始规划路径,通过将ACO和LNS算法结合,提高求解质量.为了验证方法的有效性,对外卖配送过程进行仿真,并且选用不同订单数量场景进行对照分析.根据最优配送方案路线图和目标罚函数的最优值可以得出,IACO算法是有效的,且可以提高外卖配送员外卖配送的效率.IACO算法不但能够提升配送的智能化水平,还从外卖配送员的角度提出一种更为人性化的配送方法,支持网络互联外卖平台派送系统的可持续化发展.

摘要:快速准确地进行换道路径规划、有效跟踪期望路径以及换道过程中保持车辆的操纵稳定性,是保障智能汽车主动安全的核心技术.针对智能汽车主动换道过程中的路径规划问题,引入中转位置,提出基于双五次多项式的路径规划策略,以提高换道路径的平滑性,保证车辆换道安全性,满足换道实时性要求.对主动换道场景进行分析,确定换道初始及目标位置;基于车辆换道过程中的临界碰撞点,提出双五次多项式换道路径规划策略;建立联合仿真模型,针对不同道路状态进行主动换道仿真试验.结果表明:由于引入了中转点,利用双五次多项式规划方法得到的换道路径在临界碰撞状态前有更明显的侧向位移,能避开前方障碍车保证了换道安全性;换道中转位置处车辆最大侧向加速度不超过2 m/s²,保证了换道过程中车辆操纵稳定性;在干燥路面与湿润路面工况下,换道所需纵向安全距离减小20 m左右,保障了换道过程的纵向碰撞的安全性.研究结果可以为智能汽车主动换道路径规划提供理论及实践依据.

摘要:针对A*算法求解路径轨迹耗时长、内存占用大等问题,本文提出一种基于自适应步长策略改进A*算法.首先,根据当前点与终点的位置关系,设定寻路方向的优先级顺序,减少不合理方向上的冗余规划计算量;其次,修改到达终点的判断条件,可在轨迹规划时实现路径的跳跃;再次,针对A*算法轨迹规划效率低的问题,提出自适应步长策略;最后,针对内存占用大,以及面对大地图时可能出现的内存溢出问题,提出了八方向搜索法.实验结果表明,相较于原始的A*算法,改进的A*算法在轨迹规划效率上获得了极大的提升,同时内存占用大的问题也得到了很好的解决

摘要:本文提出一种具有超宽输入功率范围的三路整流电路.通过在三条整流支路中采用不同阈值电压的二极管,使每条支路对不同输入功率进行高效整流,三条整流支路协同作用,使所提出的整流电路能够在超宽输入功率范围内保持高效率工作;设计并实现了一个工作在2.4 GHz的三支路整流电路,三条整流支路分别实现在-10~11、11~24和24~35 dBm的功率范围内,效率保持在30%以上.测试结果表明:在-6~25 dBm的输入功率范围内,电路的转换效率均可保持在40%以上,最高效率可以达到71.2%.所提出的整流电路对输入功率的灵敏度较低,能够在超宽输入功率范围内实现高效率能量转换,可用于能量收集或动态无线能量传输系统中.

摘要:针对多智能体系统中的分布式凸优化问题,本文提出一种基于自适应事件触发机制的零梯度和优化算法.基于虚拟时钟设计了一种自适应事件触发条件,当每个智能体的虚拟时钟满足该条件时才触发条件,有效地降低了控制器的更新次数和系统的通信负担.通过构造李雅普诺夫函数,证明了在该算法下所有智能体的状态能渐近收敛到全局最优解.此外,所设计的事件触发条件使得最小事件触发间隔时间可设计,有效地排除Zeno行为.最后,通过仿真验证了该算法的有效性.

摘要:本文主要研究具有时变时滞的脉冲随机马尔可夫跳变系统的有限时间保性能控制问题.通过选取模态相关的李雅普诺夫泛函,使用线性矩阵不等式(LMI)、平均驻留时间方法等技术,得到一些新的充分条件来确保系统有限时间稳定,并给出了系统的上界性能指标.基于该充分条件设计了系统的状态反馈保性能控制器.最后,利用Matlab的LMI工具箱进行数据仿真,得到相应的均方轨迹图.数值例子结果表明,得到的仿真结果和理论结果一致,验证了文中理论的有效性.

摘要:为了保证永磁无刷直流空心轴电机的输出性能和抑制电磁振动,提出了一种基于非线性多元回归的修正代理模型优化方法.首先,通过AE(Audze-Elglajs)准则确定最优空间填充抽样,并采用核主成分分析(Kernel Principal Components Analysis,KPCA)算法筛选出4个主要变量用于构建代理模型;其次,采用非线性多元回归构建代理模型,决定系数R²值均大于0.9,验证了代理模型的精度;最后,采用鲁棒多目标遗传算法求解代理模型,获得了最优定子槽参数.结果表明,通过优化定子槽参数,电机平均转矩降低了1.3%,不影响输出性能,电机空载、额定负载时最大振动加速度分别降低19%和34.5%,有效地降低了电磁振动,验证了优化方法的有效性和可靠性.

摘要:针对现有智能优化算法在求解配电网无功优化时存在的收敛速度慢、易陷入局部最优解等问题,提出一种基于多目标沙猫群算法(MOSCSO)的含风光储配电网无功优化方法.MOSCSO融合了多目标算法中外部储存集的更新和选择机制,具有较好的全局寻优能力,而沙猫群算法(SCSO)特有的搜索和攻击的种群更新方式保证了其具有较快收敛速度和较好寻优能力.建立储能设施(ESS)作为控制变量的IEEE 33节点系统数学模型,应用MOSCSO进行仿真验证.结果表明,本文所提方法在平衡风光发电系统的同时能够降低网损和提高电网稳定性,通过与传统算法比较,验证了MOSCSO在无功优化模型上的有效性和稳定性.

摘要:现有遥感图像目标检测算法存在参数量大、检测速度慢和难以部署于移动设备的问题,为此,本文提出了一种无锚框的轻量级遥感图像目标检测算法.首先设计了DWS-Sandglass轻量化模块以降低模型体积,并改进模型激活函数,以确保检测精度.然后引入无参数注意力模块SimAM,使网络能够专注于更重要的特征信息.最后对无锚框算法的冗余通道进行剪枝操作以减少模型参数量,并通过微调回升精度.在HRSC2016数据集上的实验结果表明,与当前主流的无锚框检测算法相比,该算法在检测精度相当的情况下检测速度更快、模型体积更小,更适合在移动设备部署.

摘要:举办大型活动会导致周边受影响区域在短时间内集中大量人群和车辆,场馆周边路网与常态交通具有差异化特征.为探究大型活动对场馆周边路网运行状态的影响机理,解析活动规模、路段与活动场馆的空间距离等因素的影响特征,构建融合XGBoost算法与部分依赖图的可解释机器学习模型,以捕捉不同因素的非线性效应与协同影响.以北京市为例开展了实证研究,单因素的异质性影响表明:路段与活动场馆的空间距离及活动规模对场馆周边路网运行状态的影响较大,其相对重要度分别达到27.1%和25.4%,距离活动开始/结束的时间对场馆周边路网运行状态存在明显非线性特征,在活动开始前30~60 min,以及活动结束后30 min内,场馆周边3 km以内的路段将受到显著影响.二维因素的协同影响表明:当活动规模大于3万人时,节假日和不利天气对场馆周边路网运行状态呈负面影响,而在降雨和雾霾天气下,场馆周边路网运行状态受时空影响较大,影响范围为活动开始前60 min与结束后40 min内距离活动场馆2.5 km内的路段.相关研究结论可为大型活动期间道路拥堵致因辨别及制定科学有效的路网管控策略提供定量化的决策依据.

摘要:针对光伏功率随机性及波动性大,单一预测模型往往难以准确分析历史数据波动规律,从而导致预测精度不高的问题,提出一种基于卷积神经网络-门控循环单元(CNN-GRU)和改进麻雀搜索算法(ISSA)优化的极限梯度提升(XGBoost)模型的短期光伏功率预测组合模型.首先去除历史数据中的异常值并对其进行归一化处理,利用主成分分析法(PCA)进行特征选取,以便更好地识别影响光伏功率的关键因素.然后采用CNN网络提取数据的空间特征,再经过GRU网络提取时间特征,针对XGBoost模型手动配置参数困难、随机性大的问题,利用ISSA对模型超参数寻优.最后对两种方法预测的结果用误差倒数法减小误差的同时对权重进行更新,得到新的预测值,从而完成对光伏功率的预测.实验结果表明,所提出的CNN-GRU-ISSA-XGBoost组合模型具有更强的适应性和更高的精度.

摘要:水库水位预测为其运营、防洪、水资源调度管理提供了重要决策支持.准确可靠的预测对水资源的优化管理起着至关重要的作用.针对水库水位数据的非线性、不稳定性以及复杂的时空特性,提出一种融合自适应变分模态分解(VMD)、卷积神经网络(CNN)和门控循环单元(GRU)的混合水库水位预测模型.VMD通过对水位序列进行分解消除噪声,CNN用于有效提取水位数据的局部特征,GRU用于提取水位数据的深层时间特征.以葠窝水库日水位为例,与多个相关模型对比分析,结果表明:精度方面,新模型在选取的评价指标上均表现最佳;运算效率方面,本文选择的GRU与长短时记忆网络(LSTM)相比,运算效率显著提高.新模型预测的高精度、高运算效率更能满足实际水库水位实时调度的需求.

摘要:精准的风速预测是将风能大规模应用到电力系统中的关键,而风速序列的随机性和波动性等特点使得风速预测难度增加.为增强风速序列的可预测性,采用Logistic混沌映射策略、自适应参数调整策略以及引入变异策略对食肉植物算法(CPA)进行改进,并提出了基于误差修正和VMD-ICPA-LSSVM的短期风速预测模型.首先将气象因子作为最小二乘支持向量机(LSSVM)的输入对风速进行预测,获得误差序列.再利用K-L散度自适应地确定变分模态分解(VMD)的参数,并对误差序列进行分解.结合改进食肉植物算法(ICPA)优化LSSVM可调参数的方法来预测分解的子序列.叠加各子序列预测结果后对原始预测序列进行误差修正,进而得到最终风速预测值.实验结果表明,与其他模型相比,所提模型有着更好的预测精度和泛化性能.

摘要:利用法国布雷斯特(Brest)港BRST测站和英国塞文大桥监测系统GNSS双频观测数据,分别在静态和高动态环境下进行GPS-IR水位反演,探究传统GNSS监测系统进行水位反演的可行性与精度.结果表明:L1波段反演精度高于L2波段;在静态场景下,GPS-IR水位反演结果与验潮站数据相关系数大于0.98,在高动态场景下,桥梁GPS-IR水位反演精度稍低.利用经验模态分解(EMD)方法对算法进行改进,提高了在桥梁复杂环境下GPS-IR水位反演结果的精度,均方根误差(RMSE)相比经典方法降低约50%.本文方法提高了GPS-IR技术在不同水域环境下的适用性,在水位监测中具有很好的应用前景.

摘要:利用全球导航卫星系统反射(GNSS-R)信号进行潮位反演时,需要对多路径频率进行估计.常规反演方法仅对主频率估计,因此存在数据利用率低、反演结果时间分辨率不足的问题.为解决该问题,本文利用Savitzky-Golay(SG)平滑滤波优化GNSS-R潮位反演.首先,利用Lomb-Scargle周期图(LSP)法提取信号功率的前4个频率f₁~f₄,并反演它们对应的潮位值;然后,利用SG平滑滤波方法提取最佳反演结果;最后,以法国BRST站和MAYG站30 d的数据验证算法的有效性.通过与LSP法和窗口LSP(WINLSP)法进行对比,结果表明:相比LSP法,滤波后BRST站和MAYG站的日均反演值数量分别提升34.3%和19.6%,反演值的最大时间间隔分别减少43.2%和29.4%,RMSE值变化不大;相比WINLSP法,滤波后BRST站和MAYG站的日均反演值数量分别提升24.2%和45.9%,反演值最大时间间隔分别减少25.4%和28.6%,RMSE值均减少了7 cm.总体而言,该方法能够在保证精度的前提下提高反演结果的数量,同时提高了数据的利用率和潮位反演的时间分辨率.

摘要:利用遥感技术进行水质监测,全面地掌握水质分布情况对水环境保护具有重要意义.水质参数与地表反射率并非简单的线性关系,BP神经网络和支持向量机(SVM),因其非线性模拟的特点,被广泛应用于水质反演.传统BP神经网络存在收敛缓慢、容易陷入局部最优的问题;SVM虽然具有很好的拟合能力,但受惩罚系数及核函数参数影响较大.以云龙湖为研究区域,利用Sentinel-2影像和实测数据,针对重要水质参数电导率和浊度,提出一种基于麻雀搜索算法(SSA)优化BP神经网络及SVM的水质反演耦合模型,利用SSA对BP神经网络及SVM进行参数寻优,基于验证集MAE计算模型权重,对SSA-BP、SSA-SVM模型测试组输出层加权计算后获得最终反演结果.与BPNN、SVM、SSA-BP、SSA-SVM模型对比,结果表明:1)Sentinel-2影像对电导率及浊度的敏感波段均为可见光及短波红外波段;2)SSA-BP-SVM水质反演耦合模型精度更高,电导率及浊度反演模型R²分别为0.92、0.89;3)云龙湖具有典型的城市水体特征,电导率受上游南望净水厂排水影响较大,浊度受社会生产活动带来的颗粒污染物影响较大.基于Sentinel-2影像利用SSA-BP-SVM模型进行水质反演具有较好的应用潜力,能够为云龙湖水质监测以及制定保护措施提供一定的技术支撑.