分布式驱动电动汽车自适应巡航控制策略研究

以分布式驱动汽车为研究对象,针对多目标协同的自适应巡航问题,应用非线性可变车头时距模型,对坡道、弯道工况设计了间距补偿策略,提高实际车间距离信号的准确性;综合考虑车辆行驶安全性,舒适性,节能性,设计了基于模型预测控制(Model predictive control,MPC)算法、分层控制的自适应巡航控制(Adaptive cruise control,ACC)系统。基于变步长离散化的方法改进ACC系统多目标协同上层控制算法,在保证较长预测时域的基础上提高系统的精确性和实时性。下层控制器中建立逆驱动系统模型、逆制动系统模型,制动/驱动切换逻辑,以车辆整体驱动效率最优为目标设计了期望力矩分配策略。在CarSim/Simulink搭建仿真环境验证了所设计策略的有效性。

基于非统计约束的计算机化自适应测验选题策略

计算机化自适应测验选题策略的优劣与测验的准确性、安全性、效率及信度等指标息息相关。然而,目前存在的选题策略在测验的效率和题库安全性方面难以取得平衡,所以,本文研究的重点在于寻找一种能够同时兼顾这两方面需求的选题策略。在本研究中,我们采用等级反应模型(GRM),提出了一种按区分度近似分布分层法(A-ADS)。实验结果表明,该方法在曝光率方面,当与按区分度分层和能力匹配法相结合的结果相接近时,A-ADS方法明显提高了测验的效率。

P/Q控制策略下的分布式电源自适应距离整定新方法

采用P/Q控制策略的分布式电源(DG)的故障电流特性与传统发电机不一致,将会导致原有配电网距离保护不能有效满足继电保护的要求。针对该问题,分析了分布式电源接入时配网故障电流与距离保护测量阻抗的相关特性,并结合P/Q控制策略下DG的故障电流特性研究了配电网单相接地自适应距离保护整定方法,解决了原有配电网距离保护不能有效动作的问题。通过对单相接地故障进行模拟仿真,证明了该整定方法的有效性,对实际应用具有一定参考价值。

基于滑模自适应有限时间一致性算法的微电网二次控制

随着微电网规模日益增大,如何快速稳定完成二次控制目标是一个亟待解决的问题。因此首先针对现有微电网中分布式二次控制器的收敛速度问题,提出了一种基于自适应有限时间的分布式二次控制,所提的控制器在不同的场景下,可以通过分布式的方式来获取当前情况下最适合的有限时间控制器的收敛系数,从而加快二次控制的速度。其次针对分布式控制器易受到扰动而无法完成控制目标的问题,设计了基于滑模控制的分布式有限时间控制器来消除扰动影响。然后通过李雅普诺夫函数证明方法分析了所提策略的稳定性和可行性。最后通过MATLAB/Simulink搭建仿真模型,在4个不同的算例下验证了本文所提的控制策略的有效性和可行性。

分布式环境中基于市场机制的资源自适应调价策略

针对分布式环境中资源定价面临的资源使用率、价格、收益三者之间的冲突问题,提出一种基于市场机制的资源自适应调价策略。该策略在保障资源提供者收益前提下,通过资源价格自适应动态调整来平衡资源节点上的任务分配与资源提供者收益之间的冲突。理论分析证明了调价策略的有效性,并在此基础上设计了自适应调价算法。仿真实验采用真实分布式系统中资源节点信息作为实验节点的性能参数,在大规模网格任务中检验了自适应调价策略的性能表现。实验结果表明,基于市场机制的"自适应调价策略"在保障资源收益、均衡资源利用率的性能表现方面显著优于传统的定价策略。

基于分布式流处理的自适应数据分发策略

现有的分布式流数据分发方法通常只针对某一类数据分布的特征进行优化,以降低处理的延迟时间。现实情况中,数据分布的特征往往会随着时间发生变化,导致针对特定数据分布特征进行优化的分发方法无法总是获得最低的处理延迟时间。解决上述问题可以使用一种自适应数据分发策略APS(Adaptive Partition Strategy)。在mini-batch分布式流处理模型中,APS策略选取一系列当下被广泛使用的数据分发方法作为候选,在每个minibatch上对不同候选方法的最大负载和键值分离程度进行整体评估,进而根据评估结果进行分发方法的调整。实验结果表明,在处理维基项目的真实数据集时,该策略与现有分发方法相比,最多能将处理延迟时间降低26.7%。

适应分布式新能源发电系统负荷调峰策略研究

随着新能源的普及,分布式新能源发电系统方式以其适应性强、灵活多变、工作稳定的特点,在能源发电中得到日益广泛的应用。新能源发电在应用期间,因所需满足的用电需求较大,为切实保障用电安全,满足居民的用电需求,可应用负荷调峰的技术,对分布式新能源进行负荷调峰处理,降低分布式新能源发电负荷。本文就分布式新能源发电系统负荷调峰进行研究,旨在推动适应分布式新能源发电系统技术的发展。

考虑扰动影响的微电网分布式自适应控制策略

通信网络、可编程控制器的引入在为微电网控制策略设计提供便利的同时,也增加了系统遭受多种类型扰动的可能性。针对控制通道中存在的未知扰动,定量分析了扰动对基于一致性的常规微电网次级控制策略产生的不利影响。进一步,提出了一种基于自适应积分滑模的微电网次级控制策略,分析了所提分布式控制策略在扰动下的动态性能,理论证明了该策略对未知扰动具有良好的抑制能力。该策略不需已知扰动的任何先验信息或假设扰动符合某种特定类型,可实现对未知扰动的自适应补偿,从而确保在多种类型扰动下微电网频率和电压的恢复以及有功功率的合理均分。仿真实验证实了所提控制策略的正确性与有效性。

基于自适应t分布与随机游走的麻雀搜索算法

针对麻雀搜索算法在解决复杂问题时存在的收敛精度降低以及陷入局部最优等问题,文中提出了一种基于自适应t分布与随机游走的麻雀搜索算法。该算法在初始化过程中使用反向学习来生成反向解,从中选择优秀的个体组成初始化种群。在原始麻雀搜索算法上采用自适应t分布策略和高斯随机游走策略可以提高麻雀个体的寻优能力,同时防止算法早熟。仿真结果表明,相较于对比算法,文中所提算法的收敛精度和收敛速度都有所提升。

WSN中节点分布的协方差矩阵自适应优化策略

针对无线传感器网络(WSNs)中传感器节点的分布优化问题,提出了一种基于协方差矩阵自适应进化策略(CMA-ES)的网络节点分布优化方法。首先,以最大化网络的区域覆盖率为目标建立问题的求解模型,然后,采用CMA-ES算法对模型求解得到网络最优的节点位置分布方案。仿真对比实验表明:CMA-ES算法可以很好地解决无线传感器网络节点的分布优化问题,相比于传统遗传算法、基本粒子群算法和差分进化算法,表现出较快的寻优速度和更高的区域覆盖率。

一种多策略改进鲸鱼优化算法的混沌系统参数辨识

针对混沌系统参数辨识精度不高的问题,以鲸鱼优化算法(whale optimization algorithm,WOA)为基础,提出一种多策略改进鲸鱼优化算法(multi-strategy improved whale optimization algorithm,MIWOA)。采用Chebyshev混沌映射选取高质量初始种群,采用非线性收敛因子和自适应权重,提高算法收敛速度,为了避免算法陷入局部最优,动态选择自适应t分布或蚁狮优化算法更新后期位置,提高处理局部极值的能力。通过对10个基准函数和高维测试函数进行仿真试验,表明MIWOA具有良好的稳定性和收敛精度。将MIWOA应用于辨识Rossler和Lu混沌系统参数,仿真结果优于现有成果,表明本文MIWOA辨识混沌系统参数的高效性和实用性。

各层分布近似的计算机化自适应测验分层选题策略

选题策略是计算机化自适应测验重要的组成部分,其好坏直接关系到测验的准确性、安全性、效率和测验信度,而分层法又是其中极其重要的一种方法.针对在分层法中按区分度分层(a-STR)和按最大信息量分层(MIS)的曝光率依然较大的缺点,提出了按区分度近似分布分层法(A-SDS)和按最大信息量近似分布分层法(MI-SDS)2种方法.通过Matlab模拟实验表明:在测验精度和效率与原方法接近的情况下,新方法比a-STR和MIS方法较明显地降低了项目的曝光率.

增程式电动物流车队列的能量管理策略研究

以增程式电动物流车队列为研究对象,为提高整个队列的燃油经济性,从队列的协同自适应巡航控制和能量管理策略两方面进行研究。利用车对车通信和前车领航车跟随式通信拓扑结构,基于分布式模型预测控制,设计了以稳定性、舒适性和经济性为优化目标的协同自适应巡航控制器。将增程式电动物流车队列的能量管理策略描述为一个完全合作类型的多智能体强化学习问题,所有智能体共同探索在不同车辆状态下的最优控制动作,提出了基于多智能体强化学习的能量管理策略。仿真结果表明,所设计的生态协同自适应巡航控制策略能够有效地平衡车辆队列的稳定性和经济性。以动态规划为基准,与单智能体算法相比,基于多智能体深度确定性策略梯度算法的能量管理策略可以在显著提高学习速率的同时获得近似最优解。

基于混沌初始化和自适应惯性权重及柯西变异的多策略海洋捕食者算法

针对海洋捕食者算法在搜索寻优过程中存在收敛速度慢和寻优精度低等问题,提出混沌初始化和自适应惯性权重及步长因子的多策略海洋捕食者算法。首先采用混沌映射的种群初始化操作,有寻优速度快、精度高的特点,有助于平衡局部最优和全局最优。其次采用根据迭代次数自适应改变惯性权重的策略,以更好地平衡全局搜索能力和局部搜索的精细程度。然后采用柯西分布变异,增强算法跳出局部最优和全局搜索的能力。最后在5个测试函数上对该算法进行仿真实验,并与其他4种群智能算法在高维和低维上进行比较和分析,验证了改进算法有更强的收敛能力和寻优能力。

分布式自适应安全策略在Mobile IP中的应用

简要介绍Mobile IP网络安全基本原理,分析集中式静态配置安全策略给MobileIP网络性能和灵活性造成的缺陷,提出动态自适应安全策略调整模型,并在该模型的基础上提出分布式动态自适应防火墙安全策略。最后讲述该安全策略在Mobile IP网络环境中的实现,论证该策略模型能很好满足当前网络环境对网络安全性能和灵活性的需求。

协方差矩阵自适应演化策略学习机制综述

基于协方差矩阵自适应(CMA)的演化策略算法(ES)是一种优秀的、不依赖于梯度信息的随机局部优化算法.基于CMA的学习机制使其对搜索空间的任意可逆线性变换具有不变性,对于病态的、高度不可分的问题有优秀的求解能力.CMA学习机制具有较强的数学理论基础,这对设计其他演化算法有很好的借鉴意义.本文旨在详细分析CMA-ES的各种学习机制,并给出其所依赖的主要理论基础.最后通过实验比较CMA-ES各种变体的优势与不足,并着重比较本文改进的CMA-ES变体与其它变体在性能上的差异.

以改造配电网设备适应性为目的的分布式电源准入容量计算

针对并网分布式电源对配电网设备运行的影响,提出分布式电源在配电网稳定运行和短路故障情况下的计算模型,以配电网输电线路、断路器及电流保护等主要设备的安全运行作为约束条件计算分布式电源极限准入容量,并得到限制分布式电源并网容量的配电设备及相关参数,以此为依据定位配电网设备适应能力薄弱点并提出相应的改造措施。计算结果表明,个别配电设备对分布式电源的适应能力较差,大大制约了分布式电源并网容量的增加。对此文中提出一种通过更新少量设备以有效提高配电网设备适应能力的改造策略,并通过对某10 k V配电网的仿真计算验证了所提改造策略的有效性。

改进变异策略的自适应差分进化算法及其应用

针对标准差分进化(Differential Evolution,DE)算法存在控制参数难以选取以及变异策略缺乏稳健性的不足,提出一种基于改进变异策略的自适应DE算法。该方法用随机选取子种群的最优个体替代全种群最优个体进行变异操作;然后采用柯西分布和正态分布分别对收缩因子和交叉概率进行扰动,并在进化过程中利用胜出个体自适应地递推调整参数分布。对五个典型Benchmark函数的测试结果表明:该方法在全局搜索能力、收敛速度和精度以及可靠性上比标准DE算法都有了大幅度提高。将该方法用于分布式孔径雷达的方向图综合问题,通过较少的仿真次数即可稳定的获得更低的旁瓣电平。

含逆变型分布式电源配电网自适应电流速断保护方案

近年来,针对含有逆变型分布式电源(IIDG)的配电网保护受到广泛关注。然而,现有的基于远方信息或就地信息的保护原理都存在着一定的局限性,尤其是IIDG以T形接入方式接于线路上的情况。为此,文中首先研究了IIDG的控制策略及其故障电流输出特性,进而提出了计及控制策略的含IIDG配电网自适应电流速断保护新原理;其次,提出了利用基于IEC 61850通信协议中的制造报文规范(MMS)服务获取IIDG的功率参考值和控制参数的保护实现方案,以较小的经济代价确保自适应电流速断保护在不同的分布式电源出力条件下具有固定的保护范围;最后,基于实时数字仿真(RTDS)和自主研发的保护装置平台,实现并验证了所提保护方案的有效性。

基于t分布变异的自适应差分进化算法

为了更好地提高差分进化算法的全局探索和局部开发能力,提出了一种改进的差分进化算法。在该算法中,引入t分布变异算子将高斯变异和柯西变异的优点结合起来,根据以往的进化经验自适应地调整进化策略及交叉概率。通过四个典型的Benchmarks函数的测试结果表明算法具有良好的性能。