长护险失能等级评估标准的适应性调整与优化研究

当前,我国长护险试点城市的失能等级评估标准正逐渐趋同,但在调整过程中仍存在难题,也存在潜在的政策困境,容易导致评估结果失真,陷入“再碎片化”陷阱。对此,提出失能等级评估的优化策略:提高失能评估的精准度,促进长期护理服务更加公平;建立常态化的动态评估机制,促进失能等级评估更有效率;把控长护险待遇给付,促进基金支付更加可持续。

基于模型预测控制的四足机器人面向复杂地形自适应调整算法与实现

为解决四足机器人在海上FPSO巡检过程中因海浪波动等外界因素导致机身存在不平稳的问题,实现四足机器人在有环境干扰情况下的自适应稳定行走,在利用IMU数据的基础上,设计了以模型预测控制为基础的位姿闭环控制策略。通过运动学建模及引入姿态矩阵建立机器人整体坐标系,实现机器人的位姿控制与坐标映射;由惯性测量单元(IMU)测得机器人运动时的姿态参数,通过设计的基于模型预测控制的躯干姿态闭环控制调整算法,实现了机器人在环境干扰过程中躯干姿态的自适应调整。在仿真环境、实验室环境及现场环境下,验证了所提算法的可行性和有效性。实验结果表明,所提的闭环控制策略提高了机器人在波动环境下的稳定性,实现了四足机器人的自适应姿态调整。

基于DBN-ELM的构网型并网逆变器控制参数自适应调整方法

“双高”电力系统中电网阻抗呈现宽范围时变特性,构网型并网逆变器控制参数缺乏自适应调整能力,存在失稳风险。对此,提出一种基于深度置信网络-极限学习机的构网型并网逆变器控制参数自适应调整方法。建立闭环极点映射模型,利用深层架构对控制参数与关键极点之间的映射关系进行训练;通过训练好的闭环极点映射模型预测得到相应的关键极点,识别出关键极点最接近参考极点时构网型并网逆变器的控制参数;通过自适应调整控制参数,确保系统在电网阻抗变化时跟踪参考极点,实现自适应稳定控制。理论分析和仿真结果均表明,所提方法能够实现控制参数的自适应调整,有效提高构网型并网逆变器对电网阻抗变化的适应性。

一种自适应调整权重向量的多目标进化算法

基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)作为一种重要的多目标优化方法,已经成功地应用于解决各种多目标优化问题。然而,MOEA/D算法在解决具有高维目标和复杂帕累托前沿(Pareto frontier,PF)的问题时,容易陷入局部最优并难以获得可行解。本文提出一种改进的MOEA/D算法,包括3个优化策略:首先,使用拉丁超立方抽样方法代替随机方法初始化种群,得到分布均匀的初始种群,同时对权重向量关联解的策略进行优化;其次,提出一种稀疏度函数,用于计算种群中个体的稀疏度并维护外部种群;最后,提出了自适应调整权向量的方法,用于引导种群收敛到帕累托前沿,并且有效平衡种群的多样性和收敛性。将提出算法和4种对比算法在DTLZ和WFG系列问题以及多目标旅行商问题(multi-objective travel salesman problem,MOTSP)上进行对比实验,实验结果表明本文提出自适应调整权重向量的多目标进化(MOEA/D with cosine similarity adaptive weight adjustment,MOEA/D-CSAW)算法在处理具有复杂帕累托前沿和高维多目标的问题时,算法的综合性能要优于对比算法。

窗口长度自适应调整的策略迭代最优控制

在系统模型参数未知的最优控制问题中,策略迭代能否快速收敛到最优控制策略的关键在于值函数的估计.为了提升值函数的估计精度以及收敛速度,本文提出一种窗口长度自适应调整的策略迭代最优控制算法.充分利用一段时间内的历史样本数据,通过影响力函数构建窗口长度与值函数估计性能之间的定量关系,根据数据窗口长度对估计性能影响力的不同,实现窗口长度的自适应调整.最后,将本文所提方法应用到连续发酵过程,结果表明,本文所提方法能够加快最优控制策略的收敛,克服参数变化或外部扰动对控制性能的影响,从而提升控制精度.

基于机器学习的导航通信系统干扰抑制与自适应调整方法研究

为实现高集成、小型化、轻量化以及低功耗的目标,文章研究一种基于机器学习的导航通信系统干扰抑制与自适应调整方法。通过概述导航通信系统的基础理论,包括信号调制技术和扩频技术,详细分析系统中可能出现的自然和人为干扰,强调信噪比(Signal Noise Ratio,SNR)和误码率(Bit Error Rate,BER)在系统性能评估中的重要性。为提升系统性能,研究引入机器学习技术,以验证监督学习、无监督学习等在导航通信系统中的应用潜力。同时,文章提出一种基于机器学习的干扰抑制方法,并通过实验验证其有效性。在模拟实验中,应用该算法后,SNR得到了提升,BER均有所降低,证实所提算法具有有效性,为未来导航通信系统的优化设计提供了新的思路和技术支持。

基于AI的5G网络智能优化与自适应调整

文章探讨了人工智能(Artificial Intelligence,AI)在5G网络优化与自适应调整中的应用,重点涵盖网络规划与设计、资源分配与管理、网络维护与故障检测等方面。通过数据驱动的优化方法、深度强化学习以及实时数据处理与反馈机制,实现网络性能的显著提升。此外,进一步讨论了动态频谱管理、自适应负载均衡、网络切片动态调整、实时流量预测以及网络资源实时分配等自适应调整技术。

财经环境变化对会计制度的适应性调整分析

会计制度作为经济体系的关键组成部分,在维护经济运行的稳定性、提供有效决策支持、促进资源有效配置等方面发挥着至关重要的作用。首先,会计制度通过规范化的会计原则和规则,确保企业财务信息的透明度,使其真实、准确、可比。这不仅有助于内外部利益相关者,包括管理层、投资者和债权人等,做出明智的决策,还在保障市场有效性方面发挥了积极作用。

复合材料成型模具补偿及构件自适应调整方法研究

复合材料构件固化变形后进行模具补偿需要对构件有限元模型进行重新建模,效率低,工作量大且缺乏验证,针对复合材料成型模具型面补偿后需要调整对应的复合材料构件有限元模型的问题,提出了一种复合材料成型模具型面补偿及构件自适应调整的方法,采用虚拟材料模型实现了构件网格与补偿后模具网格相互贴合。使用典型件验证了方法的正确性,并依据T形加筋壁板构件实例讨论了在此方法下的试验结果。结果表明:(1)通过模具型面补偿,能够使T形加筋壁板和复杂筒形壁板构件固化变形量明显降低;(2)使用本文提出的方法进行T形加筋壁板固化试验,可得试验偏差测量值与数值模拟偏差值的最大相对误差为17.20%,满足工程验收标准;(3)使用本文复合材料固化成型模具型面补偿及构件有限元自适应调整方法能够避免模具补偿后构件有限元模型重构操作,提升模具补偿效率,提高结果准确性。

面向传感器突发故障的监测模型自适应快速调整技术研究

针对多传感器监测场景中传感器突发故障导致监测模型失效的问题,本文提出了一种堆叠自编码器深度学习模型的自适应快速调整方法。根据传感器故障时采集数据的分布特点自适应调整原始数据集,采用调整后的数据集正向传播和监测误差反向传播微调模型更新模型的权重和偏置,实现监测模型自适应快速调整。以机械加工过程中刀具磨损状态监测为例,采用加州大学伯克利分校的BEST实验室提供的刀具数据集验证了自适应调整方法的有效性。结果表明,该方法可解决当传感器突发故障时,在实时监测不中断的情况下,自适应调整后的监测模型可以准确地对刀具状态进行监测。

全局替换的自适应权重调整MOEA/D

当多目标问题的帕累托前沿形状较为复杂时,基于分解的多目标进化算法MOEA/D的解的均匀性将受到很大的影响.MOEA/D利用相邻子问题的信息来优化,但早期因为种群中的个体与子问题的关联是随机分配的,仅在邻居间更新会浪费优秀解的信息,影响收敛速度.针对这些问题,本文提出一种MOEA/D的改进算法(MOEA/DGUAW).该算法使用种群全局更新的策略,来提高收敛速度;使用自适应调整权重向量的策略来获得更均匀分布的解集.将MOEA/D-GUAW算法与现有的MOEA/D,MOEA/D-AWA,RVEA和NSGA-Ⅲ算法在10个广泛应用的测试问题上进行了实验比较.实验结果表明,提出的算法在大部分问题上,反转世代距离评价指标IGD优于其他算法,收敛速度也快于其他算法.

层积云背景下量子干涉雷达最优平均光子数自适应策略

量子干涉雷达(Quantum Interference Radar,QIR)是以量子力学为基础,利用量子纠缠效应进行目标探测的一种新型雷达体制,QIR探测光子数的变化会对雷达分辨率和系统生存函数产生影响。为了降低层积云液态水含量对QIR探测性能的影响,提出了基于诱骗态量子密钥协议的最优平均光子数自适应(Photon Number Adaptive,PNA)调整策略。建立了层积云液态水含量、传输距离与最优平均光子数之间的关系,对自适应调整前后的QIR分辨率和信道生存函数进行了比较。理论分析和仿真结果表明,当脉冲信号波长一定,层积云粒子浓度为1.579×10^(4)cm^(-3),层积云液态水含量为0.5 g/cm3时,采用PNA策略之后,QIR角度分辨率值由1.289下降至1.028,QIR系统角度分辨率和空间分辨率均得到有效提高;当层积云液态水含量为0.1034 g/cm^(3)时,采用PNA策略之后,信道生存函数由0.2292提高到0.4167。因此,通过PNA策略自适应地调整系统发送端信号脉冲所含的平均光子数,能够提高QIR在层积云背景下探测的可靠性。

SLAM精度的向量加权平均自适应调节研究

针对粒子滤波算法需要大量粒子以提高精度以及重采样导致的粒子多样性缺失的问题,提出一种自调INFO(向量加权平均算法)优化的粒子重组粒子滤波算法。首先,通过向量不同的加权平均规则,使得最优粒子引导粒子集向期望区域移动,以此提高估计精度;其次,实时计算最优粒子附近的粒子密度,当密度大于阈值时,自适应调整迭代次数,实时监测粒子密度,根据此指标引入次优粒子的作用自适应调整粒子集分布;最后,重采样阶段将筛选后保留的粒子与剩余粒子重新组合成新的粒子,以此增加粒子多样性。通过仿真实验检验改进算法在SLAM中的性能,结果表明该算法较标准算法相比,其位姿与路标估计精度更高且鲁棒性更佳。

混合云环境下面向数据生命周期的自适应访问控制

混合云模式下企业业务应用和数据经常跨云流转迁移,面对多样复杂的云服务环境,当前大多数混合云应用仅以主体为中心制定数据的访问控制策略并通过人工调整策略,无法满足数据在全生命周期不同阶段时的细粒度动态访问控制需求.为此,提出一种混合云环境下面向数据生命周期的自适应访问控制方法AHCAC.该方法首先采用基于关键属性的策略描述思想去统一混合云下数据全生命周期的异构策略,尤其引入“阶段”属性显式标识数据的生命周期状态,为实现面向数据生命周期的细粒度访问控制提供基础;其次针对数据生命周期同阶段策略具有相似性和一致性的特点,定义策略距离,引入基于策略距离的层次聚类算法实现数据生命周期各阶段对应访问控制策略的构建;最后通过关键属性匹配实现当数据所处阶段变化时,触发策略评估引擎上数据对应阶段策略的自适应调整和加载,最终实现面向数据生命周期的自适应访问控制.在OpenStack和开源策略评估引擎Balana上通过实验验证了所提方法的有效性和可行性.

旋转训练器旋转角度自适应调整方法研究

旋转训练器未实时根据训练人员的身体素质和条件,自适应调整旋转角度,导致阻力曲线有时无法满足人体发力曲线要求,提出一种旋转训练器旋转角度自适应调整方法。分析旋转训练器的结构,设计训练器元件。通过动力学原理分析人体运动特征,构建旋转器的动力表达式,定义旋转角度的最佳取值范围,采用补偿因子,优化角度自适应调整方法,实现旋转角度自适应调整。实验结果表明,旋转角度自适应调整方法的结构摩擦系数值仅为0.28,在6s后动能达到平稳状态,训练过程中力和力矩的变化也较为平滑,因此,该方法降低了摩擦力,可以快速达到稳定状态,其具备可行性和有效性。

基于张力减径机转矩反馈自适应调整CEC触发时间的方法

钢管头尾进入张力减径机的轧制时间的准确性对张力减径机管端壁厚控制模型的准确性至关重要,由于在张力减径机难以安装检测钢管头尾壁厚的传感器形成有效的反馈机制,从而降低了张力减径机管端壁厚控制模型的应用效果。建议引入主电机的转矩作为咬钢和抛钢的反馈判断依据,同时引入钢管的头部尾部跟踪滤掉多余的转矩波动。根据实测的咬钢、抛钢时间,送入队列计算移动平均得到CEC修正值,使得CEC可以在钢管咬钢、抛钢时准确触发,降低钢管头尾切损。该方法在实践中获得验证,切实可行。

P值合并法中基于有效终止概率的适应性样本量调整的优化研究

目的 在P值合并法中,本文对三阶段适应性样本量调整(sample-size re-estimation, SSR)进行权重优化并基于有效终止概率(efficacy stopping probability, ESP)选择最优的设计方案。方法 以两样本均数比较的优效性检验为分析目的,在三阶段SSR下,采用基于P值之和的方法,通过设定不同的样本量分配权重、每阶段的有效终止概率、设计参数及对应低估的实际模拟参数,计算得到在不同ESP组合下的最优样本量分配权重及相应的最大功效和平均样本量(average sample number, ASN)。结果 SSR在不同的第二阶段有效终止概率(ESP_(2))下存在不同的最大功效;设定第一阶段有效终止概率(ESP1)为0.10,无论原设计及实际模拟参数为多少,ESP_(2)在0.15~0.45的范围内均能获得较好且相近的最大功效,并随着ESP_(2)的增大,相应的ASN先递减而后趋于平稳或平稳上升,其中最优设计的ESP1、ESP_(2)和ESP3分别为0.10、0.45和0.35;在ESP1设定为0.1和0.2条件下,最大功效的变化范围不同,前者最大功效的极差为1.8%,后者为5.7%。结论 三阶段适应性样本量调整在ESP1不确定的情况下,为了降低ESP_(2)的选择对试验功效的影响,建议设定较小的ESP1;当确定ESP1后,可根据实际数据模拟得到较优的ESP_(2),使设计能获得较好的功效和适宜的ASN。

一种用于TACS的列车运行间隔自适应调整方法

新一代城市轨道交通信号控制系统—列车自主运行系统(TACS,Train Autonomous Circumambulation System)是基于去中心化的“车车通信”思想实现列车自主协同控制的系统,相比传统的基于通信的列车自动控制系统(CBTC,Communication Based Train Control system)更加高效、灵活和经济。为提高城市轨道交通线路运营效率,提出一种用于TACS的列车运行间隔自适应调整方法,在TACS现有技术架构上,增加客流数据分析系统,实时监测整条线路客流量,当线路出现客流高峰时,由列车自动监控系统(ATS,Automatic Train Supervision system)的列车运行调整单元重新生成列车运行时刻表,唤醒休眠列车进入运行状态来增加运力,所有在线运行列车根据最新的列车运行时刻表,交互列车运行信息,自适应调整列车运行时间间隔;通过在客流高峰时段缩短列车运行时间间隔,提高线路载客能力,在客流低峰时段延长列车运行时间间隔,降低线路运营能耗,有效提升线路的运营效率和经济性。该方案原理简单,技术上易于实现,不影响TACS现有结构和性能。

滑坡监测数据采集频率的自适应动态调整方法及应用

自动化远程监测是有效获取监测区域内对应监测数据的重要手段,而监测频率过高会导致存储和数据发送的冗余,监测频率过低则可能导致漏掉关键监测信息。由此提出了针对监测设备采集频率的自适应动态调整方法,可以实现各类常见自动化监测设备的频率动态调整,以阈值判定作为采集频率的动态调整标准,实现在有效监测的前提下大幅度减少无用监测数据。

忻州窑煤矿带式输送机运速自适应调整及效能改善分析

为解决忻州窑煤矿带式输送机运速无法根据其运量进行实时调整导致其能耗过大的问题,以图像处理技术为基础实现运速的自适应调整控制,结合实际工况为不同范围的煤宽比匹配设计对应的带速。实践表明,输送机带速进行自适应调整控制后,平均节能效率可达6.4%,每月节约电费约40.9万元。