电力系统小信号稳定全特征值分析的改进BR算法

BR算法是一种计算非对称矩阵全特征值的数值方法。为解决矩阵阶数增加而严重恶化BR算法数值稳定的问题,本文提出一种改进的BR算法来分析电力系统小信号稳定。为提高计算精度,该算法采用正交相似变换替代高斯变换,来执行矩阵约化和特征值迭代过程中的列消元。采用严格的行消元准则,抑制特征值迭代过程中行突刺的出现,以降低带状上Hessenberg矩阵的带宽和提高计算速度。结合动态节点靠后排序策略和稀疏技术,实现状态矩阵的快速求解。3个IEEE系统和3个实际系统的仿真结果表明,改进BR算法的数值稳定性比原始BR算法有显著提高,并保留了特征值计算复杂度与矩阵阶数的平方渐进成正比的特点,为小信号稳定全部特征分析方法的研究,提供了新的思路。

滚动轴承转速-振动深度学习模型的算法对比研究

轴承健康状况直接影响着机械设备的稳定性和安全性,对轴承的运行状态进行故障诊断尤为重要。基于此,在健康、内圈故障和外圈故障3种不同状况下,选择莱文贝格-马夸特(Levenberg-Marquardt,LM)算法、贝叶斯正则化(Bayesian Regularization,BR)算法和量化共轭梯度(Quantum Conjugate Gradient,QCG)算法,对在随时间变化的加速条件下滚动轴承振动数据进行训练和测试。在MATLAB R2023b软件中构建不同类型的深度学习模型,对比分析深度学习模型的均方误差值、回归R值、训练时长和训练轮数等多种指标。经过分析得出,在追求精度和准确性、内存资源和时间充足的情况下,应选用贝叶斯正则化法算法来训练深度学习网络模型。

基于BR算法和遗传算法优化生物柴油生产

以生物柴油成本为研究对象,综合考虑了原料、工厂产能、甘油置信度对生物柴油成本的影响。引入了人工神经网络BR(贝叶斯正规化)算法和遗传算法优化对收集到的数据进行预测。59组数据中的85%作为训练集,15%作为预测集,采用相关系数和均方误差作为预测结果的评价指标。研究结果表明:使用BR算法相关系数为0.9804,均方误差为0.0036,预测平均相对误差为4.47%。使用遗传算法的相关系数为0.8972,均方误差为0.0033,预测平均相对误差为4.89%。相较于L-M算法相关系数0.9741,均方误差0.0045,预测平均相对误差5.89%;两种算法的平均相对误差均有所下降,预测的效果更好。两种方法均有效验证了原料成本、工厂产能、甘油置信度对生物柴油最终成本的重要影响。

从不确定数据集中挖掘频繁Co-location模式

把挖掘频繁co-location模式的经典算法Join-based算法扩展到了UJoin-based算法,解决了从不确定数据集中挖掘频繁co-location模式的问题。针对UJoin-based算法中ED(expected distances)计算开销大的问题,介绍了两种剪枝技术:边界矩形剪枝技术和三角不等式剪枝技术,其中,在三角不等式剪枝部分,分别讨论了取1个锚点、5个锚点和9个锚点的不同情况。通过大量实验证明了剪枝策略有效避免了大量的ED计算,提高了算法的效率。

嵌入式椭圆曲线加密算法性能的研究与改进

为了解决应用于嵌入式系统的椭圆曲线加密算法存在的加密速度较慢、系统开销过大等问题,改善其算法性能,提高加密速度,减少系统开销,对实际研发的嵌入式密码器中应用的椭圆曲线加密算法做了深入分析,并在此基础上提出从大数模幂子算法和模乘子算法2级改善整体算法性能的方案.实验结果证明算法的改进效果明显.

基于改进边界框回归损失的YOLOv3检测算法

YOLOv3检测算法中的边界框回归损失函数对边界框尺度敏感,且与算法检测效果评价标准交并比(IoU)之间的优化不具有强相关性,无法准确反映真值框与预测框之间的重叠情况,造成收敛效果不佳。针对上述问题,提出基于IoU的改进边界框回归损失算法BR-IoU。将IoU作为边界框回归损失函数的损失项,使不同尺度的边界框在回归过程中获得更均衡的损失优化权重。在此基础上,通过添加惩罚项最小化预测框与真值框中心点间围成的矩形面积,并提高预测框与真值框之间宽高比的一致性,从而优化边界框的回归收敛效果。在PASCAL VOC和COCO数据集上的实验结果表明,在不影响实时性的前提下,BR-IoU能够有效提高检测精度,采用BR-IoU的YOLOv3算法在PASCAL VOC 2007测试集上mAP较原YOLOv3算法和G-YOLO算法分别提高2.5和1.51个百分点,在COCO测试集上分别提高2.07和0.66个百分点。

基于主题模型的个性化图书推荐算法

针对传统推荐算法精准度不高的问题,在潜在狄利克雷分布(LDA)主题挖掘模型的基础上提出了一种新的适用于图书推荐(BR)的数据挖掘模型——BR_LDA模型。通过对目标借阅者的历史借阅数据与其他图书数据进行内容相似度分析,得到与目标借阅者历史借阅图书内容相似度较高的其他图书。通过对目标借阅者的历史借阅数据及其他借阅者的历史借阅数据进行相似性分析,得到最近邻借阅者的历史借阅数据。通过求解图书被推荐的概率,最终得到目标借阅者潜在感兴趣的图书。特别地,当推荐数量为4 000时,BR_LDA模型比基于多特征方法和关联规则方法精准度分别提高了6.2%、4.5%;当推荐数量为500时,BR_LDA模型比协同过滤的近邻方法和矩阵分解方法分别提高了2.1%、0.5%。实验表明本模型能够更准确地向目标借阅者推荐历史感兴趣类别的新图书及潜在感兴趣的新类别的图书。

基于水平集的复杂三维地层模型建模及在地下工程中的应用研究

由于地质体存在断层、尖灭、出露等复杂地质现象,在三维地层建模时,为了表达这些现象,无论是面模型还是体模型或混合模型,都存在空间分割或曲面求交线的问题。由于地质体拓扑关系的复杂性、数据误差以及计算机精度问题,使得这些模型在实际建模过程中常常失效。运用水平集理论可以有效解决这一问题,水平集用隐函数表达曲面(或超曲面),可以实现复杂地质体的表达及并、交、差等拓扑运算。在三维地层建模中,插值生成各种地质界面后,用水平集表达这些地质界面,利用水平理论完成各种复杂的拓扑操作,建立以水平集表达的三维地层模型。在此基础上,插入水平集表达的各种工程活动界面,利用水平集理论进行拓扑操作,可构建各种工程活动后的地层模型。再利用Marching cube算法抽取各种地质界面或工程活动界面,构建可用于实时可视化或用于工程评估(如有限元计算)等的NMTINF-BR地层模型或工程活动后的NMTINF-BR地层模型。

基于偶次幂因子分解的RSA快速算法

提出了一种基于偶次幂因子分解的RSA快速实现算法的设想,这种算法是针对传统BR算法的缺点实现的,在计算高次幂幂剩余和乘同余时结合采用数据库、偶次幂指数分解的方法进行,通过将指数幂凑成满足2的整数幂来降低汉时重量,减少循环步骤,同时利用偶次幂的对称性提高运算速度.理论分析与实验结果表明该算法与BR算法相比,缩小了近33%的循环步骤,乘法步数平均减少2 5 % ,求模的步数平均减少37.4 % .

基于交会轨道的空间操作任务自动规划方法

当前对空间操作任务的规划主要集中在轨道层面,而对载荷动作的规划研究较少。由于载荷的工作受系统状态和资源等的制约,因此对实际任务而言,仅有轨道规划还不够,还需要对动作进行规划。为了实现动作层的自动规划,提出了一种基于路径的空间操作任务自动规划方法。该方法在利用交会轨道规划算法对接近轨道进行规划的基础上,根据相关载荷的工作参数自动生成完成任务所需要的初始动作序列,并利用前向检测后向推理算法对动作序列中的冲突进行检测和修复,直至冲突得到消解。以一个空间抓捕任务为例进行了规划,验证了所述方法的有效性。

一种大数模幂的快速实现方法

在密码算法中经常会遇到大整数的乘法。论文提出了对传统BR算法的改进方法,能明显提高大数模幂乘运算的效率,从而大大缩短加解密的时间,提高加解密的效率。