基于能量优化模型的无线传感器网络分簇算法

考虑到无线传感器分簇网络中簇的规模、簇头数量和节点剩余能量是能量有效型分簇路由算法关注的重要指标,提出了一种基于能量优化模型(EOM)的分布式分簇算法——EOMC,该算法通过建立网络能耗优化模型,以最优簇头数构建分簇通信规模,并结合功率控制将候选簇头限制在一定宽度的选举环带,使得簇头分布均衡,同时兼顾到节点剩余能量进行分簇,以达到均衡节点能耗,延长网络生存期的目的。与低能耗自适应分簇分层(LEACH)协议的对比仿真的结果表明,该算法能够达到预期指标,算法的开销相对较小。

含有电力弹簧的微电网能量优化模型

提出一种含有电力弹簧的微电网能量优化模型。考虑电力弹簧作为微电网负荷调节的一种媒介,根据非关键负荷特性建立智能负荷的调节模型。根据风电出力和多种负荷预测曲线,对该能量优化模型进行分析计算;定量分析电力弹簧在计及储能充放电成本、弃风成本、电力弹簧设备折旧成本和负荷调节补贴的微电网能量优化中的作用。算例和仿真结果验证了所提能量优化模型的正确性和有效性。

一种基于数据流跟踪的无线传感网能量模型及网络优化

提出了一种基于数据流跟踪的能量模型,通过跟踪数据流在网络中的整个过程来计算全网的能量消耗,是一种不受网络结构限制的普遍适用的能量模型;在此基础上,建立了基于能耗的网络优化模型,针对链式和簇式结构进行了拓扑、功率和路由方面的优化设计,仿真结果证明了理论分析的正确性。

冷电联供分布式供能系统能量优化管理

提出了一种冷电联供分布式供能系统的能量管理优化模型。该模型根据示范点各大楼的冷、电负荷预测延时变化曲线,按照经济最优原则制定微型燃气轮机的发电计划。优化模型不仅考虑了冷电联供系统与大楼电制冷空调的运行配合问题,还计及了电网购电价格、燃气价格和微型燃气轮机上网发电价格等因素对经济运行的影响。选取典型月份的冷、电负荷预测数据进行优化计算,并对部分优化结果进行调整,结果表明,根据所提出的模型制定的微型燃气轮机发电曲线能够满足示范工程对系统运行经济性和一次能源高效利用的指标要求。

基于能量优化方法的petri网系统的可达性研究

petri网系统的可达性问题是系统的状态、行为分析的基础.本文主要研究了通过建立能量优化模型方法和神经网络技术来实现可达性问题,并给出了能量优化模型的神经网络算法设计.

多能互补微网系统能量优化策略

文章从冷、热、电能量层面出发,以一个包含风、光、蓄电网及CCHP的多能互补微网系统为研究对象,对能量优化展开研究,建立了多能互补微网系统模型,并在此基础上采用带有极值干扰的粒子群算法对模型进行求解,从而达到微网系统能量优化。

孤岛运行模式下微网实时能量管理策略

针对包含柴油发电机、光伏发电、储能装置以及负荷的独立微网系统,提出孤岛运行模式下微网实时能量管理策略。实时监测储能装置数据,对下一时刻储能装置能量状态进行预测,结合净负荷功率大小采用相应的调度策略。柴油发电机通常关闭作为备用电源,充当电压/频率支撑单元的储能装置不接受功率调度,通过留有一定调节裕量以自动吸纳微网内的剩余功率,非电压/频率支撑单元的储能装置接受功率指令调度参与负荷供电。当储能装置能量状态接近下限时,考虑柴油发电机计划开机时间提前将其开启,保证负荷不间断供电。柴油发电机投入运行后,建立能量优化模型。最后,通过实验验证所提策略的合理性,为孤岛运行模式下微网能量管理的实际工程应用提供指导以及参考。

基于偏微分方程的户外图像去雾方法

户外图像的雾化往往导致色彩降质和对比度降低,有效的去除图像中天气效果对提高视觉系统的可靠性和鲁棒性具有重要意义。根据大气散射物理模型以及有雾图像的色彩与对比度降质同场景点的景深成指数关系的先验知识,分别建立了户外图像全局去雾和局部去雾的能量最优化模型,推导了相应的求解偏微分方程。利用用户提供的简单附加信息,实现了仅从单幅图像恢复清晰图像的去雾算法。实验结果表明:去雾图像的色彩清晰度和对比度有较大改善,具有很好的应用前景。

Petri网系统的可达性分析

对Petri网系统的可达性问题做了综合性的阐述和分析, 提出了利用能量优化方法来解决可达性问题的方法, 并在此基础上结合计算代数方法和神经计算模型对可达性问题做了进一步的研究. 主要工作包括: 1.给出了Petri网到线性空间的映射规则及其可达性的等价性定理; 2.建立了能量优化模型, 将可达性判断化为优化问题; 3.用神经网络来求解能量优化模型; 4. 最后综合了计算代数方法和能量优化模型的优点给出一个基于计算代数和神经计算的方法. 作者提出了一种利用基于硬件的大规模并行的神经计算来代替基于软件的串行的数字计算的可达性判断的解决方案.

AFDCNN方法及其在齿轮故障定量诊断中的应用

传统的浅层故障诊断方法需要根据先验知识人为选取故障特征和设计分类器,基于深度学习理论的深度卷积神经网络(deep convolutional neural network,DCNN)能够完成对故障特征的自适应提取与健康状况的智能诊断,但是作为一种大数据处理工具,DCNN无法适应于小样本数据的故障诊断。在Fisher准则深度卷积神经网络识别算法(fisher-based deep convolutional neural network,FDCNN)的基础上提出了一种自适应Fisher准则的深度卷积神经网络(adaptive fisher-based deep convolutional neural network,AFDCNN)方法。在DCNN的基础上引入类内和类间约束的能量函数模型并采用优化算法得到最优能量函数模型参数,能够直接从原始时域信号中自动提取故障特征,实现智能诊断。对齿轮故障实验信号的分析结果表明,所提出的方法可以有效地实现小样本下的齿轮故障智能定量诊断。

树动态规划的超像素层次立体匹配算法

针对传统立体匹配算法视差图重建效率低、鲁棒性差的问题,该文提出一种基于树动态规划的超像素层次立体匹配方法。该方法将视差图重建问题转化为基于倾斜平面的连续全局能量最优化模型,利用PatchMatch和树动态规划策略实施基于超像素层次的能量模型最优化,并通过实验数据对本文算法的有效性和鲁棒性进行验证。实验结果表明,该算法能够快速、高精度地重建三维场景几何结构。