变电站继电保护网络通信路径自动规划技术研究

现代电力系统中,继电保护网络承担着对电力设备故障进行快速、可靠检测与定位的重要任务。然而,传统的继电保护网络通信路径规划方法存在规划时间长、效率低以及路径质量难以保证等问题。为解决这些问题,文章提出一种基于自动规划算法的继电保护网络通信路径规划技术。首先,深入分析变电站继电保护网络的相关特点和问题;其次,构建继电保护通信路径规划模型,包括目标函数、约束条件以及多目标归一化函数;再次,提出基于布谷鸟搜索算法的变电站继电保护网络通信路径自动规划方法;最后,通过收集变电站继电保护网络数据并进行分析,验证文章提出的自动规划算法的可行性。实验结果表明,该算法在规划路径方面具有较好的表现,能够满足实际工程的需求。

基于SCD的继电保护网络通信路径自动规划技术研究及应用

结合定质交换思想提出基于SCD文件的网络信息路径自动规划技术,实现继电保护设备接入交换机免配置“即插即用”,并通过继电保护信息流业务类型识别,实现各业务信息流虚回路专线传输.搭建RTDS系统,进行了可行性和有效性仿真验证.

通信受限条件下多无人机协同环境覆盖路径规划

多无人机协同覆盖旨在有效分配多个无人机任务,实现给定区域的快速、高效全覆盖。然而,在现实应用场景中常常因为无人机之间距离超出通信范围,信号传输受阻,导致无人机之间的协作和信息交互面临极大挑战。为此,提出一种基于Deep Q Networks(DQN)的多无人机路径规划方法。采用通信中断率和最大通信中断时间两个指标来评价路径质量,通过构建与指标相关的奖励函数,实现了无人机团队的自主路径决策。仿真实验表明,所提方法在最短路径上可以与传统优化算法效果保持一致,权衡路径下在增加20%路径长度的情况下可以降低80%通信中断率,在全通信路径下则可以实现100%的全过程连接通信,因此可以根据不同的通信环境生成高效覆盖所有环境节点的路径。

基于图神经网络的多智能体路径规划方法

在多智能体路径规划问题中,每个智能体需要互相协调来完成共同的全局目标,智能体之间通常需要显式的通信策略。传统的多智能体路径规划算法受限于实时性、扩展性、不完全通信等问题,很难适用于复杂的工作环境中。为了解决多智能体工作环境中的通信问题,本文提出了一种基于图神经网络(GNN)的路径规划方法。该方法首先通过卷积神经网络(CNN)在局部观测中采集特征数据,由图神经网络在智能体之间传递这些数据。其次,为了减少智能体的惰性,提出了一种新的奖励函数,鼓励智能体更积极地探索并学习有效的协调策略。接着通过集中式收集数据训练、分布式执行提高学习效率。最后,进行多个环境下的仿真实验评估本文提出的算法,并与其他算法进行对比,验证了算法的有效性和可扩展性。

移动机器人全覆盖路径的BINN-元胞自动机规划

为了实现机器人对工作区域的全覆盖,提出了基于生物激励神经网络-元胞自动机系统的全覆盖路径规划方法。介绍了生物激励神经网络算法的基本原理,分析了该算法在机器人陷入死区时无法逃逸的问题。基于元胞自动机系统设计了机器人逃逸机制,包括逃逸点的确定和逃逸路径的规划方法。在仿真环境下,将元胞系统逃逸机制与基本RRT、文献[10]的BINN-RRT逃逸机制进行对比,结果表明元胞系统逃逸机制的规划时间比基本RRT小2个数量级,比BINN-RRT小1个数量级,且逃逸路径短于另外两种方法,验证了元胞系统逃逸机制的有效性和优越性。基于BINN和元胞系统的全覆盖路径比BINN-RRT规划路径更加平滑,验证了全覆盖方法的优越性和有效性。

船舶无线网络通信路径最优规划方法分析

为了解决传统船舶无线网络通信信息传输速率慢的问题,提出船舶无线网络通信路径最优规划方法。建立EECN和TECN双网结构,获取不同长度的通信链路数据流信息,提出TGP路径算法,根据通信数据流信息计算所有无线通信路径,最后设置评估参数量和对应权重,对各路径进行传输评估,根据评估结果选取最优路径,实现无线网络通信路径最优规划。实验数据表明,与传统规划方式相比,应用设计通信路径最优规划方法,无线网络通信数据接收速率提高19.5%,数据发送速率提高22%,可以明显提高船舶无线网络通信传输效率。

基于萤火虫算法的移动通信网络节点最优路径规划

由于移动通信网络节点存在单元拓扑边界规划距离短和网络覆盖率低的缺陷,因此研究基于萤火虫算法的移动通信网络节点路径规划方法。文章利用萤火虫算法获取节点效用函数,根据目标函数构建Sink无线移动规划架构,通过设计双向节点分级萤火虫规划模型,采用虚拟萤火虫信标关联实现网络节点路径规划。测试结果表明,该方法的单元拓扑边界规划距离较好,能够在实际规划或者处理网络通信节点过程中,更好地设定路径,实现最优路径的规划,且网络节点覆盖率与目标覆盖率基本一致。

基于自动导引车单向导引路径网络的智能车间设备布局规划

传统的设备布局设计规划方法通常采用两个设备之间的直线距离或者曼哈顿距离作为优化变量,而没有考虑工件搬运设备在实际行驶过程中的路线。在以自动导引车为主的智能车间中,则必须考虑实际物流路径和物流效率。基于自动导引车单向导引路径,采用搬运频率、单位距离成本、最短有向距离等参数建立智能车间设备布局模型,进而利用混沌遗传算法来实现对物流路径的优化和生产设备布局模型的解算。最后,通过对某缸盖智能生产车间的设备布局规划问题的具体研究,借助MATLAB将本文提出的优化算法与遗传-模拟退火算法和简单遗传算法进行对比试验,并将3种优化算法的最终结果在Plant Simulation平台上进行仿真运行,试验结果表明了所提出的基于自动导引车单向导引路径网络的智能车间设备布局规划方法的有效性。

配电自动化系统中通信网络的规划分析

随着经济的快速发展,生产力的快速发展使得各个行业对于电力的需求不断提升,在此背景下电力部门对于配电自动化系统的功能提出了更高的要求[1-2]。在配电自动化系统中通信系统有着非常重要的作用,因此要想实现高效、持续稳定的电能供应就应该对通信网络方式进行分析和规划。

配电自动化系统中通信网络的规划与组建探讨

针对配电自动化系统规划相关内容,从通信网络规划与组建入手,做了简单的论述。通信网络是实现配电自动化系统实现监管与控制的重要网络。在进行规划与组建时,要从配网通信网络组网结构与骨干层通信方式等方面做好综合考虑与分析,借助电网规划设计平台的作用,提升规划与组建的效率,保障通信网络设计的质量。

基于模糊神经网络控制的AGV避障路径规划仿真

自动导引车(AGV)作为一种现代化物流设备,在许多领域得到了越来越广泛的应用。AGV在行进过程中的主要任务是避障及路径规划。针对AGV的避障路径规划问题,定义了AGV的行驶环境,提出了AGV避障路径规划的模糊神经网络控制方法,设计了模糊神经网络控制器,并用Matlab进行了仿真。仿真结果表明该模糊神经网络控制器满足控制要求,该研究为进一步精确控制AGV奠定了基础。

基于模板的战术通信网络自动规划研究

随着战术通信以及网络信号的快速发展,部队的通信技术水平不断提升,通信网络系统也越来越规范与科学。然而伴随着技术的进步企业、民用及其它类型信号种类越来越多,为了减少多种因素对战术通信的干扰,提高战术通信网络规划质量和效率,本文以模板为基础对战术通信网络进行规划,并对其进行监控与管理,以此来实现战术通信网络的自动规划。

基于大数据的热轧带钢自动化通信网络规划设计

以大数据为基础的数据通信网络规划,其背景与依据是网络资料的迅速成长与资讯科技的更新及发展。在现有的数据通信网络规划目标的基础上,运用大数据分析工具对轧钢生产中网络使用者的价值认知与行为进行深入的研究,对生产的需求进行评价,从而制定出更加科学、公平的计划,并且将大数据应用于数据通信网络规划,旨在推动生产网络的健康发展。

基于深度强化学习的图书分拣车的路径规划

针对图书智能分拣系统中的分拣车路径规划问题,提出一种基于深度强化学习框架和竞争双深度Q网络路径规划算法。将分拣车的路径规划问题构建成马尔可夫决策过程,然后通过结合竞争Q网络和双深度Q网络构建竞争双深度Q网络(D3QN),进而在避免过估计的同时,优化网络结构。最后,通过设计智能代理的状态、动作和奖励函数,并采用动态ε-贪婪算法和衰减式学习率策略,使智能代理能够快速地选择最优动作,缩短完成预定卸载的移动路径,降低碰撞障碍物的概率。仿真结果表明,相比于基于竞争Q网络、双深度Q网络和深度Q网络的路径规划算法,提出的基于D3QN方法所规划的路径更短、碰撞率更低。

基于深度Q网络的多起点多终点AGV路径规划

自动引导小车(AGV)在工厂中承担不同节点之间的物料运输工作,在考虑全局路径最优的情况下需要对AGV进行多起点多终点的路径规划。针对现有深度强化学习算法研究多考虑单起点达到单终点的路径规划情况,涉及多起点多终点的情况时泛化性能较差的问题,提出一种基于深度Q网络(DQN)的AGV全局路径规划求解模型。首先通过改进算法的输入的AGV状态和改进奖励函数的设置提升算法收敛的效率;再利用改变训练初始点位置的方式提升数据的丰富度和模型对环境的感知程度,并以此提升模型对不同起点单个终点环境下路径规划的泛化能力;最后在训练过程中插入不同终点下AGV的状态数据,以获得模型对多终点路径规划的能力。通过在不同规模环境下的仿真与A^(*)算法和快速扩展随机树算法的对比实验和模型的扩展性实验,验证了该方法在多终点情况下的路径规划能力。

耦合电网约束条件的电力通信多路由自动规划的实现

电力通信技术不仅为电力系统提供更为可靠的保障,同时也可能因其故障给电力系统带来更为严重的影响,电网业务与通信业务紧密耦合。针对当前通信路由规划算法不能适应当前电网业务独立性约束以及安全校核需求的问题,文章首先介绍了电网业务通道特点,然后提出一种以电网继电保护、安全稳定控制通道独立性为约束条件,以业务可靠性、传输时延、经济性、规避重载为指标的电力通信多路由自动规划算法,以此算法为基础,探索并提出了3类微应用场景,开发形成智能决策系统,在某区域电网中实际应用。解决了传统人工手段规划路由效率低、科学性不足的问题,提高了电网业务整体抵御N–2的能力。

基于无线传感器网络的AGV移动路径规划方法

针对自动引导车(Automated Guided Vehicle,AVG)移动路径规划中存在规划效果较差的问题,设计一种基于无线传感器网络的AGV移动路径规划方法。通过无线传感器网络模型采集AGV周围环境信息,构建AGV移动环境栅格地图。利用动态、静态地图的逆向传感器模型更新栅格地图,并计算障碍物坐标在栅格地图中的位置,判断障碍物是否在已有局部栅格地图中,利用栅格赋值规则,在最新栅格地图上实现AGV移动路径规划。通过实验分析得出,该方法可规划最接近理论路径的最佳路径,且当信噪比为40 dB、80 dB、120 dB时,路径规划耗时较短。

基于改进型BP网络的自动寻路设计与实现

针对静态环境下机器人的自动寻路问题,进行了研究与探索,设计了一类改进型BP神经网络。该网络在结构上以按功能分类的方式取代传统的分层模式,在权值的设置方面参照了组合逻辑电路的基本原理;分析了时序逻辑电路的信息记忆过程,从而进一步赋予神经网络良好的记忆特性;提出一种基于人类寻路思想的路径规划方法。实验结果表明,通过将该寻路算法融入到改进的BP网络中,不仅使寻路的实现变得简单和方便,而且具有较高的实时性与适用性。

基于无线网络安全的农业机器人自动避障系统

农业机器人能够感测其周围环境,解释感测到的信息,以获得其当前位置和周边环境信息;并规划实时轨迹,以到达目标对象。在整个过程中,自动避障是一个需要挑战的基本问题。为了实现农业机器人的避障功能,提出了一种基于无线网络安全的农业机器人自动避障系统。系统采用无线网络安全技术与嵌入式控制技术,引入机器人自动避障策略,并通过差动驱动农业机器人的数值模拟和实验结果验证了系统的有效性、准确性和可行性。

基于改进粒子群优化算法的AGV全局路径规划

分析了用人工神经网络模型描述环境时,采用Sigmoid函数作为神经网络作用函数的不足之处,提出采用双曲正切函数作为神经网络的作用函数,使网络更有利于路径优化算法的寻优计算。粒子群优化(Particle Swarm Optimization,PSO)算法具有收敛速度快,需要调节的参数少等优点,但优化过程中容易发生"早熟"收敛,使优化陷入局部极小值。通过引入模拟退火算法"、交叉算子"和"变异算子",提出了一种新的改进粒子群优化算法(Improved Particle Swarm Optimization,IPSO)来解决AGV全局路径规划问题。仿真结果表明,IPSO具有很强的全局寻优能力,并且收敛速度比PSO快,能够为AGV规划出理想的路径。