基于不变风险最小化的高比例分布式光伏配电网拓扑异常检测

高比例分布式光伏接入配电网后,其出力波动导致终端用户功率数据偏移,不满足机器学习中数据独立同分布的要求,导致基于学习的拓扑异常检测方法收敛慢、精度低。为此,提出一种基于不变风险最小化(IRM)方法的高比例分布式光伏配电网拓扑异常检测方法。基于自适应在线深度学习构建配电网数据潮流(DF)模型,利用用户和配电变压器侧的历史量测数据反映量测点有限的配电网中各电气量间的潮流映射关系。基于IRM方法构建配电网DF模型,形成改进的IRM-DF模型,降低高比例分布式光伏接入产生的数据分布偏移对原有DF模型的影响,提升模型的准确性。利用IRM-DF模型代替配电网的节点网络方程,输出各节点关联性矩阵,并利用孤立森林算法筛选出矩阵中的异常点,确定异常拓扑位置。以仿真的低压配电网为例验证了所提方法的准确性和有效性。

机电产品体积最小化多学科协同设计建模

现代精密机电产品的设计制造技术正朝着产品体积越来越小,技术复杂程度越来越高,集成的功能单元越来越多,产品功能越来越强大的方向发展。基于这种趋势,本文在文献[1]研究基础上,结合多学科协同设计技术,采用二元推理循环反馈法,给出体积最小化设计原则的多学科优化理论及算法模型。

个人信用信息采集范围最小化原则之替代方案

被许多国家立法奉为个人信息收集行为基本准则的最小化原则,适用至个人征信领域会产生理论不适和现实弊端。三种优势互补的系统组合方案可以成为个人信用信息采集范围最小化原则替代之选:以绝对敏感信息为主要内容的负面清单制度,通过确定禁止采集的信用信息范围实现对信用主体核心权益的底线保护;相关性原则将最小化原则意涵中的直接相关性拓展至间接相关性,这使得相对敏感信息和替代数据能够有条件地进入个人征信系统;从采集最小化原则到使用最小化原则体现了“严进”向“严出”征信理念的转变,它要求个人征信机构和信用信息使用者做到“最少使用”和“最小侵害”。

核规则化最小体积覆盖椭球认知模型

提出了基于最小体积覆盖椭球(MVEE)的类别认知模型,提出的核规则化自适应最小体积覆盖椭球认知模型可以在机器学习、鲁棒多元统计、奇异值检测、聚类等众多领域得到应用。以奇异值检测标准数据库为例,与一类支持向量机(OCSVM)、线性规划奇异值检测算法(LPND)进行了比较,结果表明,该模型准确度总体要高于一类支持向量机和线性规划奇异值检测算法。

结合优势结构和最小目标Q值的深度强化学习导航算法

针对现有基于策略梯度的深度强化学习方法应用于办公室、走廊等室内复杂场景下的机器人导航时,存在训练时间长、学习效率低的问题,本文提出了一种结合优势结构和最小化目标Q值的深度强化学习导航算法.该算法将优势结构引入到基于策略梯度的深度强化学习算法中,以区分同一状态价值下的动作差异,提升学习效率,并且在多目标导航场景中,对状态价值进行单独估计,利用地图信息提供更准确的价值判断.同时,针对离散控制中缓解目标Q值过估计方法在强化学习主流的Actor-Critic框架下难以奏效,设计了基于高斯平滑的最小目标Q值方法,以减小过估计对训练的影响.实验结果表明本文算法能够有效加快学习速率,在单目标、多目标连续导航训练过程中,收敛速度上都优于柔性演员评论家算法(SAC),双延迟深度策略性梯度算法(TD3),深度确定性策略梯度算法(DDPG),并使移动机器人有效远离障碍物,训练得到的导航模型具备较好的泛化能力.

注射模浇注系统的最小体积优化

介绍了一模多腔平衡布置注射模分流道的最小体积优化的设计理论 ,提出了各层流道直径间的关系 ,并综合考虑塑料熔体的流变参量、压力损失和最佳的剪切流动速率。通过计算示例和计算机程序化 ,介绍流道优化设计步骤。

基于贪婪投影三角化的散货料堆体积测量

文中基于自动化抓取以及库存盘点所需的料堆参数信息,研究料堆体积的求取方法,提出一种基于贪婪投影三角化的三角网格微积分的体积求取方法.运用贪婪投影三角化算法将点云数据分成无数个三角网格,求取每个三角网格与地面组成几何体的体积,其体积和即为料堆的体积.并与实际测量数据以及传统算法求解的结果进行对比分析,验证了算法求取料堆体积的准确性.

基于误差最小化的铸造不锈钢零件高速切削工艺方法研究

铸造不锈钢零件在切削过程中容易产生变形和振动,导致表面粗糙、切削尺寸偏差大。为了解决这一问题,提出基于误差最小化的铸造不锈钢零件高速切削工艺方法研究。在数控机床的支持下,采用在线测量的方式测量铸造不锈钢零件数据,将数控机床测量的坐标值转换为零件表面实测点,获取合适的测量点完成对加工路径的规划,在此基础上通过粗加工和精加工结合的形式对铸造不锈钢零件进行高速切削处理,并以误差最小为目的对加工误差进行补偿处理。实验结果表明:提出的基于误差最小化的高速切削工艺方法加工误差小、精度高,零件表面质量高,该工艺方法的实用性得到了增强。

机电产品体积最小化设计原则的科学定义与解读

在传统设计中，最小体积是作为基于目标函数、设计变量和约束条件的优化目标在运用，而不是作为促进创新设计的指导原则在使用。现代精密机电产品的设计制造技术正朝着产品体积越来越小，技术复杂程度越来越高，集成的功能单元越来越多，产品功能越来越强大的方向发展。基于这种趋势，本文在文献[1]的研究基础上，对该研究创新性提出的体积最小化设计指导原则，给予科学的定义与解读，对机电产品的创新设计提供了新的思路。

基于非凸优化模型张量补全的RIP条件

限制等距条件在稀疏优化中具有重要的意义,它是稀疏性的保证.在压缩感知和矩阵补全中,基于l_(1),L_(*)以及l_(1)−l_(2)和L_(*)−LF优化模型的限制等距条件已经获得较丰富的成果.本文将推广到张量上,基于Tucker秩和L_(*)−LF优化模型,研究低秩张量X恢复的限制等距性质(RIP),给出限制等距性常数δ_(2r_(n))的一个界.

基于改进加权核范数最小化的图像去噪算法研究

针对彩色图像的高斯噪声,在加权核范数最小化(WNNM)框架下,提出了一种对于彩色图像去噪的多信道(MC)优化模式。首先,选择多种类型噪声计算量,利用信道的冗余特性将RGB补丁连接起来,再引入权重矩阵以协调3种信道的图像保真性。把所提的MC-WNNM模型转换成线性等式约束现象,并采用交替位置乘子法(ADMM)解决。每个变量更新步骤都具有其封闭解,并能保证收敛性。基于真实用于无人机目标识别的彩色图像添加噪声进行仿真实验,实验结果说明,该算法相较现有的BM3D方法及WNNM方法具有明显优势。

最小作战单元现场警情处置实战化组训探析

公安部在2021年9月印发的《关于在全警实战大练兵中进一步加强最小作战单元现场处置专项训练的通知》中指出:“全面深化全警实战大练兵,扎实开展最小作战单元现场处置专项训练,为切实履行好新时代公安机关职责使命提供有力的支撑和保障”。此处的“最小作战单元”泛指以精准的指挥、灵活的技战术运用、有效的协同配合、规范的处置流程来完成勤务实战行动的警察基本作战小组。

氢能无人机等效消耗最小化策略设计

【目的】为了提高氢能混合动力固定翼无人机飞行过程中能源系统功率变化的稳定性以及燃料经济性。【方法】在传统等效消耗最小化策略理论的基础上引入一种考虑蓄电池组功率变化幅度对能量消耗影响的变等效因子。将此因子与原有等效因子加权相加,形成复合等效因子。建立了适用于复杂飞行工况的无人机混合动力仿真平台,研究了复合等效因子对等效消耗最小化策略控制效果的影响。【结果】结果表明,使用复合等效因子的等效消耗最小化策略可以有效降低能源系统的功率波动幅度,巡航飞行时氢燃料电池的功率波动幅度比传统等效消耗最小化策略降低了94.7%,飞行过程中蓄电池组SOC累计变化量降低了46%;在3.5 h的飞行任务中可节省193标准升氢气,提高了燃料的经济性。当蓄电池组SOC接近平衡值时,可以大幅减缓充电功率的变化率。改进后的等效消耗最小化策略有利于延长能源系统的使用寿命,提高燃料电池和蓄电池组的安全性。

非高斯噪声下基于KL散度最小化的目标跟踪

在复杂环境下的目标跟踪系统中,由于受随机脉冲干扰、建模误差、未知异常值等因素影响,系统模型的过程噪声和测量噪声呈现出非高斯重尾的复杂特性。提出了一种在分布式融合框架下基于KL散度(KLD)最小化的算法。首先,包含了目标状态、过程噪声和测量噪声等多个参数的先验模型被构成学生t分布;其次,KLD最小化的方法解决近似分布拟合真实分布差距过大的问题,提高了学生t建模的准确性;最后,采用协方差交叉融合策略实现对局部平台状态估计融合与修正。仿真结果表明,所提算法较传统的NKF、STF、MCCKF算法,具有更高的估计精度。

最小体积法玻璃化保存的研究进展

在低温保存领域,玻璃化能有效防止冰晶的形成,具有良好的保存效果。玻璃化保存需要的条件是极快的降温速率和高浓度的低温保护剂,但高浓度低温保护剂会对细胞造成渗透损伤和毒性损伤。最小体积法能通过减小样本体积,大大提高降温速率,降低实现玻璃化所需的保护剂浓度。本文综述了最小体积法玻璃化保存的最新研究进展,包括有载体的微滴玻璃化保存、喷射微滴玻璃化保存、生物打印微滴玻璃化保存和微流体封装微滴玻璃化保存。其中,喷射微滴玻璃化保存、生物打印微滴玻璃化保存及微流体封装微滴玻璃化保存,是将新型的微滴产生技术与玻璃化技术相结合,因其能迅速产生大小均匀的微滴,具有高通量特点,在低温保存领域具有很大的发展潜力。

面向数据压缩的NOMA-MEC系统能耗最小化研究

该文研究基于数据压缩的非正交多址-移动边缘计算(NOMA-MEC)系统中系统能耗最小化问题。考虑到部分压缩与卸载方案和基站端计算能力有限等条件,通过联合优化各用户的任务压缩和卸载比例、发射功率以及任务压缩时间等变量,建立一个系统能耗最小化优化问题。为了求解该问题,首先推导出各用户最佳发射功率的闭式表达式。接着利用连续凸逼近(SCA)方法对原问题的非凸约束进行近似,然后提出一个基于SCA的高效迭代算法来求解原问题,从而得到该系统的最佳资源分配方案。最后借助于计算机仿真对所提出方案的性能优势进行验证,仿真结果表明相比于其他基准方案,该文所提方案能有效降低系统能耗。

上软下硬复合地层基于衬砌结构弯矩最小化的隧道横断面优化设计

[目的]为有效防止隧道衬砌破损及渗漏水,对上软下硬复合地层隧道横断面进行衬砌结构弯矩最小化设计研究。[方法]根据复合地层隧道围岩压力特点及合理假设,提出软土-硬土及土-岩两类复合地层隧道衬砌结构荷载作用模式。基于最理想的零弯矩复合地层隧道优化思路,建立隧道横断面半结构力学模型,计算得出零弯矩隧道横断面合理轴线方程,以及复合地层分界线处及隧道横断面水平中线处直径解析表达式。简述了复合地层隧道横断面弯矩最小化设计流程。[结果及结论]软土-硬土隧道零弯矩横断面合理轴线呈梨形,土-岩隧道零弯矩横断面合理轴线呈类马蹄形;实际工程可基于隧道横断面合理轴线方程,通过综合评估和加权平均法来确定隧道横断面设计所需关键参数,从而设计出新型上软下硬地层隧道横断面,以期最大限度减少复合地层隧道横向变形。

包含非数值型属性的交互式遗憾最小化查询

近年来,遗憾最小化查询作为多准则决策的重要工具之一,逐渐成为数据查询的研究热点.遗憾最小化查询中,通过与用户进行交互,不断地学习用户的偏好,可以有效帮助降低查询的遗憾率.然而,已有的研究仅针对具有数值型属性的数据定义遗憾率并据此进行遗憾最小化查询,当面对包含非数值型属性的数据时,这些方法不再适用.本文提出的遗憾率定义针对包含非数值型属性的数据,并给出新的交互式遗憾最小化查询问题的定义.在此基础上,采用“支配”的概念提出用于预处理的skyline删减算法,利用偏好矩阵帮助学习用户偏好,并提出用于解决交互式遗憾最小化的算法MECR_QS.最后,实验结果表明MECR_QS算法能有效处理包含非数值型属性的交互式遗憾最小化查询.

基于结合先验信息的最小支撑稳定器的三维重力正则化反演

如何将先验信息融入地球物理反演,进而改善反演的不适定性,一直是地球物理反演领域的研究热点。将先验信息直接融入目标函数的方法通常会增加目标函数的复杂性。为了不在目标函数上增加约束项,更加简单、方便地实现先验信息的融入,本文以三维重力正则化反演为例,将先验信息融入最小支撑稳定器,实现了对最小支撑稳定器的重构,并设计了单块体和双块体模型,进行对比试验。试验结果表明:相较于基于最小支撑稳定器的三维重力反演结果,基于结合先验信息的最小支撑稳定器的三维重力正则化反演更好地还原了异常体的几何形态和物性分布;此外,基于新方法反演的误差迭代曲线收敛更快,拟合精度更高。故此,通过最小支撑稳定器的重构实现先验信息的融入是可行的,该方法适用于三维重力反演,具有实现方便且不额外增加约束项的优点。

碳化处理含钢渣建筑材料的体积安定性研究进展

钢渣是炼钢排出的固体废渣,我国钢渣产量巨大,但综合利用率低,占用土地且污染环境,迫切需实现钢渣的资源化利用。近年来已开始将钢渣作为胶凝材料或骨料应用在建筑材料中,已有研究和工程实践表明,钢渣中f⁃CaO和f⁃MgO在服役期间遇水会造成体积膨胀,引发建筑材料的体积安定性不良问题,故解决钢渣的体积安定性问题是实现钢渣资源化利用的关键。研究发现钢渣具有较高的碳化反应活性,碳化反应可消耗钢渣中的f⁃CaO和f⁃MgO,通过碳化处理可改善含钢渣建筑材料的体积安定性不良问题,为钢渣的推广应用提供新途径。基于已有研究,综述了碳化处理含钢渣建筑材料的体积安定性研究进展,介绍了钢渣的组成和分类,探讨了钢渣的膨胀机理,综述了碳化温度、水固比、湿度、粒径和级配、CO_(2)浓度和压力、碳化时间、外加剂等碳化因素对含钢渣建筑材料体积安定性的影响,针对研究现状和存在的问题提出了碳化钢渣建筑材料进行工程应用的研究方向。