光伏非线性变异环形粒子群MPPT算法

为解决局部阴影条件下传统智能算法最大功率点跟踪(maximum power point tracking, MPPT)波动剧烈、收敛效果不佳等问题,采用个体位置变异环形粒子群(particle swarm optimization, PSO)优化策略,实现惯性权重与学习因子非线性变化,提高种群遍历性,均衡全局搜索与局部收敛能力,形成一种非线性变异改进环形粒子群(mutation improved ring particle swarm optimization, MIRPSO)MPPT新算法。将MIRPSO算法与传统PSO算法进行数字仿真对比与分析,实验结果表明:在多峰值寻优过程中,采用MIRPSO算法,最大功率追踪时间可缩短57.5%,追踪误差仅为2.5‰,功率振荡减弱,电能损失减小,在光照强度突变及温度持续变化时,同样可以重新准确定位到全局最大功率点。

心肌梗死后心率变异的非线性动态演变

探讨急性心肌梗死 (AMI)后 ,半年内心率变异 (HRV)的非线性动态演变规律及非线性预测的机制与临床价值。非线性指标定量分析 16例AMI患者急性期及前半年的HRV ,并与 16例健康者相对照。非线性指标为复杂度(COM)和预测度 (PRE、神经网络法计算 ) ,并与线性指标 2 4h内连续窦性RR间期的标准差 (SDNN)、2 4h内连续 5min窦性RR间期均数的标准差 (SDANN)、2 4h内连续窦性RR间期的均方差的平方根 (rMSSD)相对照。结果 :对照组COM为 10 9.93± 38.42 ,16步平均预测度为 0 .33± 0 .0 9,具有单步可预测 ,多步不可预测的混沌特性。非线性与线性指标间无相关性。COM与PRE间呈负相关 (r=- 0 .6 2 ,P <0 .0 5 )。COM、PRE、SDNN、SDANN有相同的白昼大于夜间的昼夜节律。AMI后COM第一天即明显增大 (139.5 5± 5 3.71,P <0 .0 5 ) ,演变恢复期略低于对照组 (P >0 .0 5 )。PRE第一天即显著变小 (0 .0 32± 0 .0 1,P <0 .0 5 ) ,转变为不可预测 ,并维持半年。线性指标于AMI后 2～ 3天才降为最低值 ,SDNN、SDANN2～ 3月后恢复正常 ,rMSSD半年未见回升。各指标昼夜节律均未恢复。结论 :非线性指标反映了HRV线性成分以外的生物学特性。AMI后HRV非线性演变与线性演变既有相同之处又有其自身特殊的规律 。

基于改进DPSO的故障下多无人机协同任务规划

针对故障后多无人机协同任务规划问题,提出了一种基于改进离散粒子群算法并结合匈牙利算法的任务重分配方法。首先,采用匈牙利算法进行故障下无人机队形的快速重新排列;然后,引入柯西算子提升离散粒子群算法的全局搜索能力,以增强搜索空间,同时,还提出了非线性时变的变异策略,加快算法的收敛速度,综合改进的离散粒子群算法不仅加快了收敛速度,并且解的最优性也得到了提高,此外,在分配过程中,考虑了环境障碍信息,分配结果更贴近实际也更加合理;最后,运用基本粒子群算法进行无人机的航迹规划,并在三维空间中进行了仿真实验,结果表明:所设计的算法能够有效提升任务分配的寻优结果,为多无人机出现故障后协同任务分配问题提供了理论依据。

地形·形构

本文通过对地形环境的思考与分析,结合地形形构出与当代数字化设计作品的联系,提出结合数字化非线性设计的地形形构设计方法策略,并通过在湖南常德市的两个设计实例,阐述这一方法的设计思想与深层涵义。