可靠性知识与最优评估配电网故障恢复(二)最优评估

对配电网故障恢复 (FSR)决策解集最优评估指标进行了模糊性研究 ,形成前向神经网络(FNN)的输入矢量 ;采用统一、规范化准则 ,对各优化目标进行等级划分并进行不同的组合 ,形成FNN的学习样本集 ,其输出即决策解的综合性能的评估值。不仅可以准确地获得最优解 ,同时可以依据最优评估值的大小来估计该解的总体性能的好坏。仿真结果表明 。

多维进程行为评估模型建立及最优化方法

针对目前进程行为评估模型所存在的模型优化问题和模型选取问题,定义进程行为,采用隐马尔可夫模型(HMM)来描述进程行为。讨论了准确率与误报率的关系,提出多维进程行为评估模型,以弥补单一进程行为评估模型的不足,基于布尔运算对多维进程行为评估模型进行融合,提高了评估性能。并基于代价决策树理论,给出了选取最优进程行为评估模型的目标函数,用于在融合后的多维进程行为评估模型上选择最优进程行为评估模型。最后,对所提出的多维进程行为评估模型的性能进行了测试,并与传统的STIDE和HMM方法进行了比较,结果证明了其有效性和优越性。

基于Spark与优化分块的大幅面遥感影像SLIC分割方法

针对大幅面遥感影像在分块边界特征不连续和分割效率不高等问题,本文提出了结合Spark平台及最优紧密度评估的简单线性迭代聚类超像素分割算法(SLIC)。首先,使用结合最优紧密度的SLIC超像素分割方法完成图像分块,解决分块边界精度低的问题;然后,利用Spark对分块数据并行SLIC分割算法,提高运算效率;最后,将WorldView-2卫星影像和GF-2号影像作为试验数据,利用比值植被指数结合最大类间方差法改进SLIC算法以提高超像素分割精度。结果表明,改进SLIC方法在运算效率上比原方法提高了约9倍,边缘拟合精度提高了1.5%,欠分割误差提高了8.2%,边缘召回率提高了0.2%。

采用建模训练的多目标微粒群优化算法

为了避免粒子群算法在存在较多局部最优解的作用下收敛于伪最优解,文章提出一种基于分布估计的多目标微粒群优化算法(MOPSO-EDA)。在每次寻优过程中,利用分布估计算法对决策空间的粒子进行训练,通过建立较优解的概率模型,并对概率模型进行更新、采样,以得到新的粒子信息。文中使用最优值评估选取法求取微粒局部和全局最优位置。通过与其他两个著名算法(NSGA-Ⅱ、SPEA2)在GD和SP两方面进行比较,得出MOPSO-EDA获得的Pareto解具有较好的收敛性和分布性。

基于Apriori-ANP的电动汽车充放电站并网性能综合评估方法

电动汽车充放电行为的随机性,导致充放电站运行数据波动性强、指标间权重差距大,传统方法难以全面准确评估其充放电站的并网性能。为此,提出了一种电动汽车充放电站并网性能的综合评估方法。首先,提出了包含安全性、适应性、稳定性等5项准则的综合评估指标体系。其次,采用Apriori算法处理指标间关联关系。同时引入博弈思想将网络分析(Analyticnetworkprocess, ANP)法与基于指标相关性的指标权重确定法结合以确定指标的最优组合权重。基于最优组合权重和基于逼近理想解排序法建立评估模型,对各充放电站并网的综合性能进行量化分析。最后,采用某市电动汽车充放电站运行数据对所提方法进行验证,并与已有评估方法进行对比。结果表明所提评估体系与评估方法的有效性和优越性。

基于复杂阴影测量方法的建筑物高度反演

阴影法能以较低的成本测量大范围的城市建筑物高度,但其中的阴影长度测量方法在复杂阴影场景中存在测量效率低、精度差、鲁棒性低等问题。对此,该文提出了一种复杂建筑阴影测量方法。该方法首先通过渔网法和多种约束条件相结合实现对阴影的测量与划分;其次,统计所有划分区域的阴影长度值,利用四分位法和双向逼近策略确定阴影最优值;然后,综合评估所有区域最优值确定阴影长度;最后,利用立体交会的建筑高度对应用该阴影测量方法计算的建筑物高度进行验证。结果表明:该方法计算建筑物高度有90.6%以上绝对误差在0~5 m之间。因此可以得出该文方法计算的阴影长度有着较高的精度,能够满足不同种类的复杂阴影测量,提高了阴影法反演建筑物高度的精度,为城市建筑物高度的反演提供新的技术支撑。

自适应变分模态分解在矿山变形监测数据去噪的应用

为了消除变形数据中包含的白噪声,提出了一种基于自适应变分模式分解的噪声消除模型。针对变分模式分解中关键参数选择不确定的问题,提出了基于相邻分解层数的最优分解评价值,指导最优分解层数,利用互信息熵判定噪声临界值。在确定模型的参数之后,去除所确定的噪声分量,并且重组剩余分量以获得噪声去除后的变形序列。对实际沉降数据进行去噪,通过实验比较,自适应变分模式分解的去噪评价指标均优于小波去噪、经验模态分解和完全集合经验模态分解。

自适应滤波器在机载武器测试系统中的应用

针对飞机机载武器设备特点和测试维修要求,在分析了自适应滤波器的结构、最优评估等特性基础上,根据现场可编程门阵列(FPGA)的设计过程,构建了基于最小均方误差(LM S)算法的横向自适应滤波器。仿真结果和使用表明:设计实现的自适应滤波器,在FPGA中开辟512 kB的随机存储器(RAM)存储空间,能够实现权值系数向量的自动调节,且适应信号变化的特性,滤波后的信号测试误差不大于5%,且LM S算法在0.1 m s内可收敛到最优,满足数据处理的实时性和机载武器系统测试的要求。