基于改进自组织映射神经网络的信号协调控制交叉口群划分方法

针对以往研究在路段关联性判断和路网主要流向方面考虑不足,提出了一种基于改进自组织映射神经网络(self-orgnizing map,SOM)的信号协调控制交叉口群划分方法。首先,在离散性指标和阻滞性指标的基础上,考虑路网交通流运行的主路径特征引入主路径指标来表征路网交叉口之间路段关联性;其次,为弥补SOM输出结果可能大于实际需求且输出无标签的不足,把SOM中激活神经元权重作为层次聚类的输入,运用层次聚类改进SOM;并根据指标与路段关联性的关系设计关联性判断准则,据此界定交叉口之间路段关联性。最后,根据最大流最小割理论识别路网瓶颈,以瓶颈为基点向外划分交叉口群;并通过算例分析得出,该方法能够有效界定交叉口路段关联性和识别路网瓶颈,对信号协调控制配时优化具有重要基础作用。

考虑同调机组的电力系统主动解列断面搜索方法

将电力系统解列断面搜索问题转化为单目标多约束优化问题,提出了一种考虑同调机组的解列断面搜索新方法。节点间电抗值的大小反映了其电气连接强弱程度。首先以节点间线路电抗值为线路权值,利用Dijkstra算法计算同调机群中发电机之间最小电抗连接线路,得到同调机组连通图,之后用prim算法得到同调机组连通图的最小生成树,并将其等值为一个节点,从而保证电力孤岛内机组连通性。最后利用Dinic算法求得非同调机群间最小潮流割集,得到最优解列断面。对经典IEEE-39节点系统进行算例仿真,验证了文中所提出方法能够快速准确定位解列断面。

基于网络流规划的滑阀组件选配方法的研究与实现

滑阀组件在进行装配时对其配合精度要求较高,为了得到滑阀组件的最优装配组合,提出了一种基于网络流规划的选配方法,将解决网络最大流问题的方法运用到滑阀组件选配问题的求解中。并通过应用实例验证了该方法的优越性和可行性,提高了选配效率,并使不适配零件数量为最少。