基于智能估计的无线传感器网络定位算法

节点定位是无线传感器网络的基本机制,位置数据是监测事件不可缺少的信息,传感器节点必须首先确定自身的位置。针对无线传感器网络的节点定位问题,提出了基于Free Search优化的智能定位算法,介绍了Free Search优化算法和智能估计的模型。该算法的基本思想是将参数估计问题转化为非线性函数的在线优化问题,利用Free Search获得未知节点坐标的最优估计。仿真结果证明,与最小二乘估计定位算法相比,新算法定位精度显著提高。

基于大数据背景的电力调度数据智能估计技术研究

针对电网常规运行、检修运行过程中出现的大量电路状态重构和全角度覆盖的运行工况,即电力调度大数据,进行电路运行状态的分析和电路各类故障的精准定位。基于转移潮流策略和电力调度大数据的状态智能估计技术,对SCADA系统的量测进行了错误数据的精准定位,经过在实际环境中的运用,证明了新策略的有效性。

大数据驱动和分析的舰船通信网络流量智能估计

以准确估计舰船通信网络流量为研究核心,提出基于大数据驱动与分析的舰船通信网络流量智能估计方法。该方法以大数据驱动和分析领域中的经验模态分解、卷积神经网络为技术核心,使用基于改进集合经验模态分解的舰船通信网络信号降噪方法,去除舰船通信网络信号中噪声;构建去噪后舰船通信网络信号中的流量时间序列图,凸显通信网络流量在各个时间段的变化特征之后,将舰船通信网络流量时间序列图中的时间序列,作为基于卷积神经网络的网络流量预测方法的预测样本,提取舰船通信网络细节信号的时间序列,估计流量的趋势信息与时间信息,实现舰船通信网络流量智能估计。经测试:该方法对舰船通信网络流量智能估计后,估计结果与实际流量基本一致。

大数据驱动和分析的舰船通信网络流量智能估计

研究大数据驱动和分析的舰船通信网络流量智能估计方法,提升网络流量智能估计效果。利用基于数据驱动的K-means聚类算法,提取具有标志性的有效通信网络流量数据;通过领域粗糙集算法,在有效通信网络流量数据内,提取流量数据时间序列特征;利用随机森林算法,剔除多余的时间序列特征,实现特征降维;在长短期记忆神经网络内,输出降维的时间序列特征,输出舰船通信网络流量智能估计结果。实验证明:该方法可合理提取有效舰船通信网络流量数据,有效提取并降维通信网络流量数据时间序列特征,可精准智能估计通信网络流量。

非线性系统智能状态估计研究进展与展望

综述了近年来基于智能方法的非线性系统滤波器和观测器的设计方法.关于滤波器,一方面介绍了基于智能方法辨识系统模型而设计的间接滤波器,分析了模型偏差修正的重要性;另一方面探讨了基于智能方法设计的直接滤波器的研究进展.关于观测器,重点介绍了基于神经网络的广义Luenberger观测器的设计方法,总结了该观测器稳定性和鲁棒性的理论分析结果,并进一步介绍了适用范围更广的智能自适应鲁棒观测器的设计方法.最后,对非线性估计问题的进一步研究提出了几点展望.

基于改进动态线损估计法的超差智能电表识别

针对传统抽检电能表方法存在的精度低、工作量大、效率差等问题,提出一种电能表误差估计新方法。首先,对所收集的配电台区电表日电量数据进行筛查,标识出轻(空)负载数据。接着利用改进动态线损估计算法判断台区是否存在突变超差电表。然后,利用迭代算法缩小可疑电表数量。最后,采用聚类算法和相关性系数定位突变超差电表;设定日均误差电量超量阈值来定位缓变超差电表。通过2个不同规模的配电台区电表数据验证所提方法在缓变和突变超差电表检测上的有效性。与限定记忆最小二乘法、动态线损结合FMRLS的算法相比,所提方法误差估计精度高,误检率仅为10.6%,依靠每日一笔的电量数据就可以得到较好的误差估计结果。

防空反导智能战场态势估计研究

在军事科技理论面临着巨大变革的背景下,为解决防空反导战场态势估计智能化发展的问题,通过对态势估计的三层模型进行分析以及对防空反导态势的要素构成进行探讨,研究了OODA环中防空反导态势估计的过程,建立了防空反导智能战场态势估计的系统模型,深入地探讨了阻碍防空反导智能化战场态势估计研究的五方面问题以及有望解决问题的关键技术措施,从而为防空反导智能战场态势估计研究提供了新思路。

基于交互多模型的车辆质量与道路坡度估计

车辆结构参数和道路环境信息的实时准确获取是提高智能汽车运动控制性能的重要因素之一,而车辆质量与道路坡度信息是多种汽车控制系统的必要信息,因此质量与坡度在线估计的研究一直受到关注。针对车辆质量与道路坡度的联合估计问题,提出了一种基于交互多模型的质量与坡度融合估计方法。首先,设定了适宜进行质量精确估计的工况条件,据此提出了基于模糊规则的质量估计置信度因子计算算法,进而设计了基于置信度因子的递推最小二乘车辆质量估计算法,以实现质量的在线估计。然后,以车辆纵向动力学模型为基础,建立了运动学和动力学2种坡度估计模型,并设计了基于运动学模型的线性卡尔曼滤波坡度观测器,基于电子稳定性程序ESP的纵向加速度信息实现坡度估计,设计了基于动力学模型的无迹卡尔曼滤波坡度观测器,基于ESP和发动机管理系统EMS的力信息实现坡度估计。运动学模型未考虑车辆姿态信息,坡度估算结果与实际值有偏差;动力学模型对模型精度要求高,算法稳定性差,为充分发挥2种方法优势实现坡度的精确估计,采用交互多模型算法实现了2种坡度估计方法的加权融合。最后,对所设计的算法进行了实车试验验证。结果表明:所设计的质量与坡度估算算法具有较好的实时性和准确性,适合智能汽车运动控制的应用需求。