基于在线迭代寻优算法的供热二次管网水力平衡调试方法研究与应用

本文在分析总结现有的供热二次管网水力失调现状及现有的水力平衡调试方法的不足之上,提出了一种基于在线迭代寻优算法的供热二次管网水力平衡调试方法,并给出了该方法的调试过程和算法流程图。在该水力平衡调试方法的基础上,研发了一套在线水力平衡调试系统与软件,并将该软件应用于实际项目中。结果表明:基于在线迭代寻优算法的供热二次管网水力平衡调试方法与工具,可以实现实际系统的二次管网水力平衡,调试后水流量绝大部分满足与设计流量的10%偏差;通过水力平衡,实现了供热系统的巨大节能,在本应用中,系统节能率约为17.66%。

环形智能加工系统中RGV的动态调度策略

基于MDP理论,将“RGV执行并完成任务所需时间”构建为动态优先级,引入随机变量“CNC发生故障和排除故障的时间”,结合RGV、CNC、物料的状态变化情况,建立基于MDP理论的状态转移模型。并在数值迭代算法的基础上设计了MDP迭代寻优算法对三组系统进行求解,从而得到一道工序物料加工过程中,CNC有1%的概率发生故障的情形下环形智能加工系统在未知动态环境下的最优调度策略。

基于5G客户体验的自动驾驶数字化智控的研究与应用

自动驾驶是运营商深度融合新一代精品基础设施,助力社会行业数智化转型的重要一环。但自动驾驶对网络运维工作的自治水平要求较高,不仅需要执行、感知工作的自动化,更重要的是分析决策和智能洞察的AI使能。目前,国内外主流运营商自动驾驶网络平均处于L1-L2之间,离完全自治的目标相去甚远。本研究主要对5G波束智能赋形实现覆盖优化自动智控进行研究,通过收集用户MR、MDT等数据完成建模,针对用户潮汐及突发变化场景,通过权值、功率调整等手段自动化精细调整,最终实现覆盖优化的全场景智控,为自动驾驶提供坚实的智能网络基础,为客户和运维带来新的价值和能力。

基于多尺度卷积神经网络的图像去噪方法研究

应用传统方法对图像去噪处理后,图像的峰值信噪比仍旧比较低,文章提出了基于多尺度卷积神经网络的图像去噪方法。以多尺度卷积神经网络为架构,由去噪模块与边缘模块组建成多尺度卷积神经网络去噪模型,利用残差学习法对模型进行训练,并利用寻优迭代算法对代价函数进行求解,利用训练好的去噪模型对图像进行多尺度卷积计算,根据噪声真值对图像平滑处理,实现图像去噪。通过实验证明,本次设计方法去噪后图像噪声有了明显降低,峰值信噪比高于传统方法。