用于求解连续优化问题的均匀设计和改造BLX-α的分散搜索算法

分散搜索算法是近年来快速兴起的一种基于种群的进化计算方法,与遗传算法不同的是,它对高质量解和多样性解并存的小数据集使用多种系统子方法和有限次随机过程来获取全局最优解或满意解.基于分散搜索的柔性框架,使用均匀设计来改进以往连续分散搜索算法中的多样性产生方法,将BLX-α算子加以相应改造作为解合并方法,提出了一种基于均匀设计和改造BLX-α算子的新型分散搜索算法(URBSS)来解决非线性连续优化问题.通过8个广为使用的测试函数进行了仿真实验,实验结果表明在与其他连续优化方法的比较中,URBSS能够准确快速地搜索到全局最优解,具有很好的收敛速度和全局优化能力.

地下工程灾害水源的磁共振探测研究

地面磁共振探测(Surface Magnetic Resonance Sounding,SMRS)是近年来发展起来的一种地球物理新方法,这种在地面直接探测地下介质中氢核丰度的技术,不仅可以用于缺水地区的地下水资源勘查与评价,还可以在地下水引起的堤坝渗漏、滑坡、海水入侵等地质灾害水源的探测预警中发挥独特的作用.本文首次提出了地下磁共振探测方法(Underground Magnetic Resonance Sounding,UMRS),将SMRS方法引入到地下工程领域,实现隧道工程和煤矿开采等地下狭窄空间极端环境的探测.为应用UMRS方法,需要深入研究地下水超前探测理论、准全空间处理与反演方法、旋转多匝小线圈探测模式,强电磁干扰环境自适应噪声压制策略、以及复杂地质环境磁共振与瞬变电磁联合探测关键技术等难题.论文还简要介绍了超导磁探测技术和工程盾构及掘进实时探测等新技术在地下工程生产安全探测预警中的应用前景.

FlexRay通信协议的总线周期优化

FlexRay是一种具有高带宽、确定性和可靠性的车载网络通信协议,能够满足未来先进汽车高速控制的需要。为了更好地在汽车上使用FlexRay总线协议,根据特定的应用场合,对总线上消息的时间分析和总线周期的优化配置十分重要。对FlexRay周期调度进行了研究,基于二维装箱法和NSGA-II算法提出对在静态段和动态段传输的FlexRay消息进行时间分析的方法,最后将其整合成一个总线优化配置算法。通过优化算法对FlexRay总线周期进行配置,显著提高了FlexRay总线的带宽利用率,在实际应用中增强了系统的时间性能。

隧道超前探测准全空间磁共振理论及应用

依据地下探测的全空间特点,首次提出准全空间探测模型,推导准全空间MRS响应核函数表达式,有效剔除隧道已挖空区域在计算结果中的影响,提高MRS正演计算准确度。同时,反演方法采用序列二次规划法进行,完成了地下准全空间模型磁共振数据非线性反演。理论数据中,对比地面半空间、地下全空间的反演结果,准全空间模型能更精确地反演地下灾害水体位置及含量,且在含噪10%的情况下仍然得到较为理想的反演结果。在理论研究的基础上,结合金温铁路泽雅隧道的MRS现场测试,对掘进掌字面前方隐伏含水构造进行解释,并利用瞬变电磁数据对MRS探测结果进行了一致性的比对分析。该项研究表明准全空间探测模型结合SQP反演算法能够准确给出地下灾害水体的定位及富水程度,实现地下水害的超前准确预报,为隧道磁共振探测提供理论基础。

基于多项式预测滤波理论的虚拟传感器构建

本文提出了一种虚拟传感器的构造方法,通过预测的方法改善由于网络不确定性造成的传感器信号采样延时和丢失问题。采用多项式预测滤波理论构建虚拟的本地传感器,将网络引入的传输延时和错误对传感器信号造成的影响转化为虚拟传感器的输出误差。将传感器信号的传输与使用分离,使用户不必考虑复杂的网络特性,而只需关注虚拟传感器的输出误差。本方法不仅保证了传感器信号网络传输的实时性和可靠性,也使网络控制系统的分析与设计更加方便。

嵌入式Linux下的FRAM驱动程序设计

针对铁电存储器(FRAM)在基于ARM9的嵌入式Linux系统下设备节点的读写及应用问题,研究Linux系统的驱动设计,分析FRAM的工作原理和硬件特性,提出基于Linux系统标准驱动架构与铁电底层预处理、读写、控制等工作机制相结合的FRAM驱动程序设计与实现流程。底层实现采用内核级基于FRAM的寻址方式,结果证明了该驱动在相应数据存储、传输中的可行性与稳定性。

基于量子进化算法求解动态交通分配模型

解决城市交通局部拥挤的最佳途径是进行路径引导,其核心理论是实时动态交通分配。针对这类模型变量多、维数大以及约束条件多等局限性,本文提出了一种以量子进化方法作为路网的交通均衡分配的主要优化方法,以整个交通网络中各条出行路径的总出行时间最小为优化目标的动态交通分配模型的求解方法。仿真实验结果证实了利用量子进化求解动态交通分配问题的有效性与合理性。

基于SVM和窗口梯度的多焦距图像融合方法

为提高多焦距图像融合质量,提出了一种基于支持向量机(SVM)和窗口梯度的多焦距图像融合方法。该方法首先对多焦距图像进行基于窗口的经验模态分解(WEMD),得到一组内涵模式函数分量(高频)和残余分量(低频),WEMD可以有效解决图像分解中的信号混叠问题;然后,利用SVM的输出指导低频分量融合,选取更清晰的聚焦区域;利用本文的窗口梯度对比算法指导高频分量融合,在保持融合图像对比度的同时保证图像的一致性;最后,经过WEMD逆变换得到融合图像。在9组多焦距图像上进行实验,从主观评价和5种客观评价指标方面,本文的融合方法相比于其他5种方法能获得更好的融合质量。