自适应指数加权移动平均指数控制图设计

现代制造过程中,某些产品的不合格率非常低,这类过程通常称为高质量过程,此时过程中相邻不合格产品之间的时间间隔服从指数分布。为了监控这类高质量过程,文章提出一种自适应指数加权移动平均(AEWMA)指数控制图。仿真结果表明,此控制图的平均运行链长(ARL)与Shewhart控制图、指数加权移动平均(EWMA)控制图相比具有优越性,尤其对整个区间内的偏移具有较好的检测性能。

基于质心和自适应指数惯性权重改进的粒子群算法

针对粒子群优化(PSO)算法易出现早熟收敛及寻优精度低等问题,为提高粒子群优化算法寻优能力,提出了一种基于质心和自适应指数惯性权重改进的粒子群优化算法(CEPSO)。首先,使用各粒子的适应度计算权重系数;然后,分别使用各粒子当前位置和迄今为止最优位置构造了加权的种群质心和最优个体质心,使用平均粒距来度量群体状态,并依据群体状态设计了分段指数惯性权重;最后,结合使用分段指数惯性权重和双质心调整了粒子速度更新公式。仿真结果表明,CEPSO能增强寻优能力,并具有较强的稳定性。

移动平均线方法的最佳步长组合的确定

移动平均是股票技术分析中最常用的方法之一.但现在没有多少文章来讨论究竟应用步长为几的移动平均为好,即赚钱最多或赚钱的机会最高.

基于CS的SE-二次移动平均法的月度用电量预测

月用电量具有逐年增长性与季节波动性二重趋势，针对该特点提出了一种基于季节指数的二次移动平均法的用电量预测模型，并利用布谷鸟搜索算法的全局搜索能力，确定二次移动平均法的移动步长，以提高该模型的预测性能。将该模型应用于某公司4幢通信大楼的月度用电量预测中，实验结果验证了所提模型的有效性。

基于页面自适应替换缓存替换算法的电力数据通信网设备漏洞快速查找方法

随着电力及其系统设备系统等关键信息基础设施逐渐成为网络攻击的重灾区,其面临的网络安全形势愈加严峻。国家电网公司对电力系统网络安全提出了更高的要求。电力数据通信网作为电力系统重要的通信通道,仍存在一定的不足。本文针对电力数据通信网设备被动检测搜索速度不高的问题,提出了一种新的漏洞快速查找方法,采用缓存思路,建立二级缓存数据库,利用页面自适应替换缓存替换算法思想和移动平均算法,将其作为分级规则,选出更优先的CVE存入第一级缓存,通过梯度搜索大大的提高了CVE的搜索速度,减少了不必要的计算资源浪费。实验结果证明该算法显著提高电力数据通信网设备漏洞查找速度,助力电力数据通信网高效完成设备网络安全漏洞检测工作。

深度神经网络训练中适用于小批次的归一化算法

近年来,批归一化(Batch Normalization,BN)算法已成为深度网络训练不可或缺的一部分。BN通过计算批次中示例的均值和方差来对输入进行归一化,从而缓解深度神经网络训练中的梯度爆炸或者消失的问题。但是,由于算法与批次大小有关,BN算法用于小批次时会因为不准确的估计导致性能下降。批重归一化(Batch ReNormalization,BRN)用指数移动平均(Exponential Moving Average,EMA)后的值对输入进行归一化操作,减小了归一化算法对批次的依赖。本文基于图像分类任务研究了在输入是小批次时归一化技术的应用,提出了通过改变EMA初值并对估计值加以修正来得到更准确的参数估计的批归一化算法。实验结果表明,所提算法与标准的BN和BRN算法相比,收敛速度更快,准确率有一定的改善。

一种快速人脸跟踪算法的研究

提出了一种新的在连续运动场景中人脸的检测和跟踪方法.首先采取FloatBoost算法检测人脸,以提高检测速度和精度,然后运用运动学原理及运动估计的思想,利用时间序列分析中移动平均法和指数平滑法预测下一帧图像中跟踪目标的运动位置区域,以减少图像搜索区域,降低处理资源的消耗,达到实时跟踪的效果.仿真实验中,利用MATLAB进行人脸的检测、跟踪实验,并运用本文算法与FSA,CPME算法对跟踪目标物体的时间进行了对比实验.实验结果表明,本文所提出的方法具有良好的实时性和准确性.

一种自适应的低负载故障检测方法

为了研究低负载故障超时计算的粒度,在现有的低负载故障检测方法的基础上,提出了自适应DSS故障检测方法。通过动态获取近期往返时间,利用指数加权移动平均算法对超时做加权运算,根据近期网络环境的动态变化自动设置故障检测超时,从而在确保系统检测的强完整性的同时,降低故障检测的误判率。实验表明,该方法分别降低了39%故障检测时间和26%故障误判率。

基于预测的数据中心间混合流量调度算法

为解决在线流量和离线流量共用一个数据中心传输网络,且2种类型的流量在链路中的分配模式固定不变而导致的链路利用率低的问题,提出了一种基于在线流量预测的离线流量调度方式.首先使用结合了EWMA方法和贝叶斯拐点检测算法的Sliding-k算法对链路中需要优先保障的在线流量进行预测,使预测既能在网络环境突然变化时灵敏响应,又能在网络平稳时减少不必要的重调整.根据预测结果计算出离线流量的可用剩余空间,实现动态的带宽分配之后,使用能够同时考虑流量截止时间和流量大小2个维度的SEDF算法对离线流量进行调度.实验结果表明:Sliding-k能够同时满足网络突变和网络无变化情况下的预测需求,并且能够提高传统EWMA方法的准确率,它和SEDF的结合能够提高数据中心链路的利用率.

用于语音处理的变步长LMS自适应增益控制新方案

针对语音通信系统中由于干扰、音频源不稳定等因素导致的接收端语音突变或响度不一致的问题,提出一种变步长最小均方误差自适应增益控制(VSSLMS-AGC,variable step size least mean square-adaptive gain control)新方案。该方案首先利用指数加权移动平均记录历史梯度信息,以此来调节最小均方误差算法的步长,使算法收敛速度更快,稳态误差更小;然后将变步长思想运用到自动增益控制中,确保能够自适应地调节语音增益值,使原先幅值不一的音频信号输出范围恒定且不失原有的特性,降低语音落差,改善听觉感受。

改进的EWMA算法在骨骼节点跟踪滤波中的应用

为改善Kinect骨骼节点跟踪过程中的延迟情况与平滑效果,提出一种基于改进EWMA算法的滤波方法。在滤波输出节点数据计算中,引入指数式加权控制的移动趋势因子;依据节点当前移动速度,通过线性插值法实现算法中权值参数的自适应优化;从算法的数据仿真与应用测试两方面对比分析标准EWMA算法与改进算法的滤波性能,实验结果表明,当节点移动时,采用改进方法的骨骼节点跟踪过程具有更高的实时性与平滑度。

基于AdaBoost算法的多参数模型风电机组叶片结冰监测与预警研究

叶片结冰是影响冬季我国部分高海拔高湿度地区风电机组安全运行的因素之一。及早检测出叶片结冰能够及时调整机组运行方式,保证机组安全。分析了叶片结冰对风电机组运行性能和运行参数的影响,将功率、叶轮转速和环境温度作为监测叶片结冰的变量。采用自适应增强(AdaBoost)算法分别建立功率模型和叶轮转速,引入指数加权移动平均(EWMA)方法分析功率和叶轮转速模型的预测残差,从而对叶片结冰时2个参数的异常变化进行监测,当风电机组输出功率和叶轮转速2个参数同时出现异常且环境温度低于0℃时发出叶片结冰预警。利用昆明某风场风电机组实际叶片结冰数据验证了该方法的有效性。

基于KL距离的自适应阈值网络流量异常检测

针对现有网络流量异常检测方法检测精度低且对网络环境动态变化适应性差的问题,根据网络流量在相邻时间周期内的强相关性特性,提出一种自适应阈值的网络流量异常检测方法。利用滑动窗口控制KL距离值数量,建立指数加权移动平均模型获取下一时刻的KL距离预测值,并采用滑动窗口划分的KL距离子序列与预测值确定自适应阈值范围,通过判断观测值是否在自适应阈值范围内实现网络流量异常检测。实验结果表明,该方法能有效检测网络流量异常,具有较高的检测精度。

基于CEEMDAN-GMDH-ARIMA的大坝变形预测模型研究

为提高大坝变形预测精度,针对大坝变形数据的复杂性和非线性等特征,基于自适应噪声完备集成经验模态分解(CEEMDAN)、数据处理群集法(GMDH)和差分自回归移动平均模型算法(ARIMA)进行大坝变形预测研究。采用CEEMDAN将大坝变形原始数据分解为高频随机分量、中频周期分量和低频趋势分量,再分别采用GMDH模型、ARIMA模型对高中频分量、低频分量进行预测,建立基于CEEMDAN-GMDH-ARIMA的大坝变形预测模型。以江西上犹江水电站为例,将该模型预测结果与反向传播(BP)、径向基函数(RBF)、GMDH和CEEMDAN-GMDH模型的预测结果进行对比分析。结果表明:CEEMDAN-GMDH-ARIMA模型的均方根误差(E_(RMS))、平均绝对误差(E_(MA))、相关系数(r)分别为0.048 mm、0.035 mm、0.994,均优于BP、RBF、GMDH、CEEMDAN-GMDH模型,模型预测效果最好,能够很好地体现监测点水平位移变化趋势。

融合对抗网络和维纳滤波的无人机图像去模糊方法研究

针对无人机(UAV)测量中出现的运动模糊问题,尝试将DeblurGANv2网络引入到UAV测量模糊图像的恢复任务中,并设计一种自适应指数移动平均损失函数(Adaptive Exponential Moving Average Loss Function, AEMALF),又将维纳滤波后的图像存在振铃效应进行高频抑制并通过色彩映射等方法恢复原图像部分细节,建立了模拟仿真的UAV测量运动模糊图像数据集。提出了一种改进的对抗网络DeblurGANv2算法和配合维纳滤波预处理的图像去模糊方法。实验结果表明,相较于同类算法,所提算法更能充分挖掘图像多尺度特征,恢复的图像平均峰值信噪比(Peak Signal to Noise Ratio, PSNR)和平均结构相似性(Structural Similarity, SSIM)均有显著提高。

一种考虑功率波动死区的光储出力研究方法

为解决光伏在并网过程中功率波动的问题,首先根据国标设置功率波动的死区限值,然后对光伏控制系统进行理论分析,并且选取测试过程中功率波动较大的光伏数据,采用自适应指数移动平均算法对其优化,最后在MATLAB中搭建仿真模型,验证光伏和储能系统能够将超出死区的功率控制在一定范围内,同时维持系统电压的稳定。

基于动态、非正态EWMA控制图的废旧产品再制造质量控制方法

鉴于废旧件的原始质量与服役工况不确定,导致其再制造过程波动性大、加工时段不连续等问题,提出一种基于动态、非正态分布指数加权移动平均控制图的再制造过程质量控制方法。根据非参数方法中的Wilcoxon秩和检验的理论知识,应用秩统计量,获得与样本数据分布无关的统计量;在此基础上,通过不断移动控制图数据窗口来更新在线观测点,并利用得分函数获得动态的光滑参数,构建面向动态、非正态分布的再制造过程质量EWMA控制图,实现了动态再制造过程质量的自适应监控。以废旧TPX6113镗床的导轨再制造过程为例,对其再制造过程质量进行动态监控,结果表明,所提方法能够快速监控到质量异常,且相比于其他控制图具有更好的监控性能,证明了该方法的有效性和可行性,为再制造过程实际的质量监控提供了一种有效的途径。

基于双级矩阵变换器的直驱永磁同步风力发电系统有功功率平滑优化控制

风能的随机波动性使得风力发电机输出的有功功率随风速变化而波动,影响风力发电机输送到电网的电能质量。在对风电系统传递函数进行推导的基础上,对风电系统的稳定性能进行了分析,并针对现有有功功率平滑控制中存在的风电系统稳定性、功率平滑性和风能利用率之间的矛盾,提出了一种基于模糊指数移动平均(exponential moving average,EMA)算法的有功功率平滑控制策略。该策略同时兼顾了系统稳定性、功率平滑性和风能利用率3个方面的要求,即能够根据风速情况实时对周期数进行调整,使得系统在风速下降时,首先确保风电系统能够安全稳定运行;在风速波动剧烈段,有效抑制风电系统输出有功功率的随机波动;在风速平稳段,提高风能利用率。在Matlab/Simulink仿真平台上搭建了双级矩阵变换器(two-stage matrix converter,TSMC)风电系统模型,仿真结果验证了该控制策略的可行性和有效性。

无线传感网络中基于链路质量的地理路由

传统的贪婪地理路由算法通常选择离目的节点最近的邻居节点作为下一跳节点,这种单纯寻求最小跳数的路由算法可能会选择质量较差的链路传输数据,导致包的投递率较低,数据传输的可靠性变差。针对这一问题,在总结现有基于链路质量的地理路由度量方法的基础上,提出了一种基于EWMA链路质量评估算法的地理路由协议。协议中节点利用周期广播的探测包评估与邻居节点之间的链路质量,并交换地理位置信息。转发节点选择离目的节点更近且链路质量更好的邻居作为下一跳节点,从而有效地减少数据分组的丢失,提高网络数据传输的可靠性。

基于MEWMA的自适应KLPP的非线性过程故障检测

针对非线性动态过程中的微小扰动问题,本文提出一种基于多元指数加权移动平均(MEWMA)的自适应核局部保持投影(KLPP)的非线性过程故障检测算法.首先,构造一个具有动态特性的数据矩阵,并引入核函数,执行KLPP算法;其次,白化KLPP提取的特征分量,并采用MEWMA预测非线性动态过程中的均值漂移;最后,将估计的均值漂移与白化后的特征分量相结合,构造一个自适应监控统计量,并利用核密度估计确定其控制限.将所提出的监测方案应用于一个非线性数值例子和(TE)过程进行仿真分析,仿真结果表明,该方法具有可行性和优越性.