会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

基于烟花算法的多传感器优化模型部署_田桂林

针对现代化战场多传感器网络部署优化问题,对传感器网络部署进行了优化,以总区域覆盖率、重点区域的共视参数、传感器资源利用率三方面作为评价指标,设计了多传感器网络优化模型,并将烟花算法应用于该模型,提出了烟花算法最优解求解方法。通过仿真验证算法的有效性,结果表明:经过烟花算法计算后,总区域覆盖率和重点区域的共视参数均超过了90%,传感器的资源利用率高；同时烟花算法的求解速度快,可赋予重点区域共视参数更高的权重,有利于战场重点区域覆盖率的提高。

  • 2021-05-06
  • 阅读451
  • 下载0
  • 7页
  • pdf

基于加权遗传算法的双目标应急物资配送车辆路径优化决策模型_宋英华

灾害发生后,应急物资调度是救援工作的核心,而应急物资车辆路径方案的选择尤为重要。以配送时间惩罚成本最小化和驾驶员心理成本最小化为目标,建立双目标应急物资配送车辆路径问题整数规划模型,并采用加权遗传算法求解,得出在两个目标成本最小情况下的最优近似配送方案。最后以四川省阿坝州九寨沟地震作为算例,验证了该模型和算法的有效性和可行性,对灾害后应急物资配送具有一定的参考价值。

  • 2021-04-29
  • 阅读450
  • 下载0
  • 8页
  • pdf

随机多变量NARMAX模型的非线性递推最小二乘算法_侯小秋

针对随机多变量NARMAX模型存在的问题,基于线性滤波﹑谱分解定理及成型滤波器原理,将随机干扰等效在系统的输出端,提出改进的随机多变量NARMAX模型。基于辅助模型的原理,在参数估计的准则函数中加入待估参数的增量约束项和遗忘因子,并结合增广递推最小二乘算法和随机非线性递推最小二乘算法,将改进的多变量NARMAX模型转换为具有耦合的子系统,给出具有遗忘因子的,能克服算法病态的,适用于具有时变参数模型的改进随机多变量NARMAX模型的非线性递推最小二乘算法。应用在线修正参数预测滤波PID控制,仿真结果验证了算法的有效性。

  • 2021-05-06
  • 阅读450
  • 下载0
  • 7页
  • pdf

融合图卷积网络模型的无监督社区检测算法_姜东明

图卷积神经网络（Graph Convolutional Neural Network）能有效地提取非欧式距离数据中的特征信息。提出一种基于图卷积网络模型的无监督社区检测算法。选择图中某些节点添加人工标签来模拟在图上的信号输入,使其满足图卷积网络的传播特征的要求,通过修改后的图卷积网络传播规则将节点本身的标签传递至其相邻节点,通过对同一节点获得的不同标签进行比较后将节点归类,之后优化归类结果并输出社区划分矩阵。使用现实世界的数据集进行测试,并与一些其他社区检测算法进行对比评估。实验结果表明算法在不同类型的数据集中都能得到很好的社区划分效果。

  • 2021-05-06
  • 阅读450
  • 下载0
  • 8页
  • pdf

电力系统并行恢复分区新模型及算法_项胤兴

制定合理的电网并行恢复分区方案可以有效缩短系统恢复时间,而如何构建更为有效的分区模型及算法是该问题的关键。提出了电网并行恢复的分区新模型及快速求解算法。首先根据系统恢复的实际过程,构建了完善的系统并行恢复最优分区新模型；进而,为了克服大型混合整数非线性规划问题求解的困难,提出了分步求解策略:先基于电气距离对待启动机组进行划分和调整；再基于电气距离和潮流追踪算法的负荷分区和调整。所构建的模型相对比较完整,所提算法计算性能好且易于实现,而有望用于工程实际。不同规模算例验证了所提模型及算法的有效性和正确性。

  • 2021-05-06
  • 阅读449
  • 下载0
  • 9页
  • pdf

基于人工鱼群算法的永磁同步电机模型预测控制研究_英文_黎智

针对基于模型预测控制算法的永磁同步电动机的控制问题,提出了一种基于人工鱼群算法的改进型PID-模型预测控制算法。首先构建了基于矩阵变换器的永磁同步电机系统模型,并采用了新的输入滤波器。然后利用人工鱼群算法完成PID-模型预测控制中的参数整定,从而解决了原有算法参数优化精度不高的问题,能够迅速地获得全局最优解。永磁同步电动机的力矩控制性能仿真实验结果表明:相比原有PID-模型预测控制算法,提出算法具有更快的收敛速度和控制效果。

  • 2021-05-06
  • 阅读449
  • 下载0
  • 7页
  • pdf

稀疏高斯厄米特PHD机动多目标跟踪算法_张文

针对基于概率假设密度（probability hypothesis density, PHD）的非线性机动多目标跟踪精度低、滤波发散、目标数目估计不准确等问题,提出一种基于交互式多模型的稀疏高斯厄米特PHD算法.该算法在PHD滤波器下,采用稀疏高斯厄米特方法对目标进行状态预测和量测更新,构造一种稀疏高斯厄米特PHD滤波器；然后将交互式多模型算法融入稀疏高斯厄米特PHD滤波框架中,解决了目标机动过程中运动模式不确定的问题.仿真结果表明该算法能对机动多目标进行有效的跟踪,相比交互式多模型不敏卡尔曼PHD等滤波方法具有更高的状态估计精度,且目标数目估计更准确.

  • 2021-05-06
  • 阅读449
  • 下载0
  • 7页
  • pdf

基于Logsitic回归模型和自_省略_密度聚类算法的分行业负荷增长规律_朱涛

电力企业营配大数据的持续积累为电力用户负荷发展规律的研究提供了良好的数据基础。传统分行业负荷特性研究方法在海量数据挖掘上存在一定局限性,且缺乏对用户负荷年度成长模式的研究。应用Logsitic回归模型自动识别电力用户的饱和水平值和增长速度,形成3项用户增长特性参数。应用参数自适应的密度聚类算法,分不同行业、不同规模搜索典型用户,获取增长特性参数的典型值,形成分行业分容量的典型负荷成长曲线。所提方法能够识别电力用户的负荷成长模式,降低数据维度,具备较好的大数据处理分析效果。最后对某沿海城市3万个电力用户进行模型验证,结果表明所提方法识别度较高,经挖掘得到的分行业负荷发展规律对负荷预测、电网规划有较强的指导意义。

  • 2021-05-06
  • 阅读449
  • 下载0
  • 9页
  • pdf