分层模型与改进IA的含DG配电网故障定位研究

常规的含分布式发电(DG)装置的配电网故障定位方法忽略了配电网馈线节点数量的影响,导致定位结果精度不高。因此,将分层模型与改进免疫算法(IA)相结合,设计了分层模型与改进IA的含DG配电网故障定位方法。首先,构建三层含DG配电网故障分层模型,并分析单节点故障信息。然后,通过改进基础IA的抗体间相似度,优化算法的期望繁殖度。最后,基于改进后的IA优化分层模型的节点搜索路径,建立世界坐标系并融合DG开关状态得到最终的故障定位信息。试验结果表明:应用该方法定位的故障节点距离与真实的故障节点距离最大差值仅为0.013 km。该方法表现出的适应度值曲线与最优适应度值曲线高度接近,定位精度较高,能够满足含DG配电网故障运维工作的现实需求。

基于IA-BP神经网络的UWB室内定位系统

复杂的室内环境给定位系统带来非视距误差和多径干扰,消除或降低误差成为超宽带(UWB)室内定位研究的热点。提出一种基于IA-BP神经网络的UWB室内定位方法,将BP神经网络训练的误差值作为免疫算法计算亲和度的抗原,通过免疫算法寻得BP神经网络的最优权值和阈值,避免BP神经网络收敛速度较慢和容易陷入局部最优值的问题,达到定位误差较小的目的。仿真实验结果表明,IA-BP神经网络训练100个样本输出的最大归一化误差不超过0.02,以3个锚点构成的定位场景中,待定位节点的仿真输出轨迹与实际运动轨迹基本吻合。

基于IA-BP算法的GPS高程拟合误差补偿方法

BP算法是校正GPS高程拟合误差的常用手段,但传统BP算法易陷入局部极小,使测量结果的精度稳定性差。提出一种基于免疫算法(IA)和BP神经网络结合的优化算法,利用IA进行全局搜索,然后,调用BP算法进行局部搜索。实验结果表明:该优化算法在训练多层前向神经网络时可有效地避免传统BP算法易陷入局部极小,并可保持其高预测精度,收敛速度快,具有寻优的全局性和精确性,进而提高了测量精度,且神经网络的GPS高程拟合误差与标准值间的相对误差均方差小于0.042 2,相对误差均值小于0.047 2,相对误差最大值小于0.050 3。

基于IA技术双控制器网络化控制系统可靠性

在用以太网作为传输媒体的计算机网络化控制系统的基础上,提出了一种基于智能代理技术有双控制器的计算机网络化控制系统.在该系统中,控制系统的各组件是安装了一定硬件和软件的计算机,它们构成一个个智能代理,多个智能代理通过协同工作来完成整个控制系统的任务,提高了系统的性能.考虑到系统中计算机控制器的重要作用和状态,建立了系统的可靠性模型,利用Markov过程理论证明了与通常网络化控制系统相比,基于智能代理技术有双控制器的计算机网络化控制系统具有更高的可靠性和安全性.

基于IA技术双控制器网络化控制系统可靠性

本文以因特网作为主要传输媒介的计算机网络控制系统为基础,提出了一种以智能代理技术为基础,对计算机网络进行双向控制的管理系统。在本系统中,是将配置了丰富硬件与软件的计算机作为系统的控制关键组件,在将其构成智能代理后,就能够以多个代理相互协作的方式来对我们所需要的任务进行完成,从而对系统的性能进行有效的提高。

IA视角下教育资源网站的设计

论文描述了我国教育资源网站建设现状和存在的问题,并指出IA理论指导网站建设的重要作用,为教育资源网站的建设提供一种新的建设理念和应用方法。

基于IA-BP优化算法的物料含水率测量技术

为了对微波谐振腔含水率测量结果进行校正,提出一种基于IA-BP优化算法的进化神经网络模型。模型首先利用IA算法,对解群分布多样性的特性进行全局搜索;同时结合BP算法中基于梯度信息指导权值调整的性能,进行局部搜索,进而避免在最优解或次优解附近震荡,并迅速收敛到最优值。结果表明:该优化算法预测精度高,且收敛速度快,具有寻优的全局性和精确性,提高了测量精度。

基于IAS软件平台的电解铝厂监控系统

针对目前我国某些企业信息化水平不够高,领导层无法实时高效调度生产一线数据等问题,以某电解铝厂阳极焙烧车间监控系统设计为背景,介绍车间底层设备网络、监控网络和信息管理网络集成监控系统的硬件与软件设计方案。

基于XML的IA分布式系统网络重组策略

随着信息技术的快速发展,人们对网络的实时性和可靠性要求也越来越高。该文在python语言下,通过提取IA分布式系统的网络监测结果,依据网络节点的等级属性,提出一种基于XML的网络重组策略,实现在节点状态突变的情况下的动态网络重组。实验证明,该策略能有效提高系统的应变力,提高网络的可靠性和实时性,保证网络通信的正常进行。

蜂窝网络下行链路单反馈干扰对齐算法研究

干扰是无线蜂窝网络面临的主要问题之一。蜂窝网络干扰对齐能消除干扰的影响从而提高系统信道容量。经典蜂窝网络下行链路干扰对齐算法仅优化单个用户自身信道容量,从而限制了蜂窝小区整体信道容量的提升。从提高蜂窝小区总信道容量出发,该文提出一种蜂窝网络下行链路单反馈干扰对齐算法。构建了蜂窝网络下行链路干扰对齐数学模型;在用户端以最大化用户SINR为目标构造接收矩阵;而在基站端以最大化小区总信道容量为目标构造预编码矩阵,并通过梯度投影算法来求解该优化问题。实验结果表明,相比于传统蜂窝小区下行链路干扰对齐算法,新算法可有效提高蜂窝网络下行链路信道容量。

三小区环境中基于三角分解的低复杂度干扰对齐算法

针对3小区每小区2个边缘用户的MIMO下行链路,在不改变系统自由度的前提下对联合信道进行下三角分解得到系统的等效模型;在此基础上,根据不同小区受到的干扰不同,该文提出一种线性干扰对齐算法同时消除小区间干扰和小区内干扰。该算法利用联合信道分解可以先消除一半的小区间干扰,并根据不同小区的用户设计其干扰抑制矩阵,减少了用户端接收矩阵个数及相应处理,从而降低了接收端的复杂度。仿真表明,随着数据流的增加,系统容量和能量效率都有明显的提高,在自由度相同的情况下,天线数不同对系统容量和能量效率有较大影响。

军事MAS中战斗行为协调的计算

在军事MAS(multi-agentsystem多自主体系统 )中制订规划 /计划时需要对任务和战斗行为相互间存在的依赖关系和时序关系进行分析 ,计算出可保障MAS中相互进行良好协作的行为序列 ,避免因可能发生的时序错误、冲突造成协作失败。论述IA(区间代数 )网络计算应用于军事MAS中的任务 /战斗行为协调时的基本方法和应注意的问题。

家庭网络中蓝牙技术的研究与实施

文章对不同无线组网技术进行了比较,说明采用蓝牙技术构建家庭内部无线网络的优势,分析在以家居服务器为核心的家庭网络中,蓝牙技术的应用架构,并分别从家居服务器、操作板和信息家电3个方面详细讨论了蓝牙技术在家庭网络中的实现原理和关键技术问题,最后,展望了未来蓝牙技术进入家庭的趋势。

基于免疫神经网络的航空设备故障预测研究

为解决武器装备全寿命周期费用高、经济可承受性差的难题,开展航空装备的故障预测技术研究。采用免疫算法改进隐含层激励函数得到免疫神经网络,用以进行装备特征参数的跟踪预测,结果表明免疫算法改进的神经网络可在故障前3小时实现预测,较BP网络性能有较大改善。

基于约束的协同设计冲突检测模型

针对协同设计冲突无法准确全面检测的问题,提出了一种基于约束的冲突检测模型。在分析了协同设计中约束分层和约束满足问题的基础上,该检测模型将约束划分为已知约束关系集合和未知约束关系集合两部分,分别对其进行冲突检测。采用区间传播算法验证已知约束关系集合;提出用免疫算法优化反向传播(BP)神经网络来模拟未知约束关系集合进行冲突检测,并与遗传算法优化BP神经网络进行对比,收敛速度提高了62.96%,证明了算法具有较快的收敛速度和较强的全局收敛能力。为实现计算机支持的冲突检测,研究了基于可扩展标记语言(XML)文档的约束关系集合表达方法,设计了基于约束满足的冲突检测系统的架构体系,并以C#和Matlab为平台开发了行星齿轮箱协同设计冲突检测系统。最后,通过实例验证了冲突检测模型的可行性和有效性。

基于PNN的机载设备故障预测

故障预测是PHM体系的重要特征,提出基于过程神经网络(PNN)对机载设备进行故障预测;首先建立了基于PNN的多步预测模型,推导了模型在函数正交基展开形式下的计算公式;基于正交基函数展开和矢量矩免疫算法训练PNN,推导出了适用于进化算法的优化问题模型;以设备转换部件Out2信号的全寿命故障规律为例进行了故障预测,基于MATLAB进行了仿真,结果表明,基于PNN进行故障预测精度较高,是一种有效的方法。

大跨悬索桥损伤定位的自适应概率神经网络研究

由于概率神经网络(PNN)以贝叶斯概率方法描述测量数据,因而PNN在有噪声条件下的结构损伤检测方面,具有巨大的潜力。而PNN中高斯核函数的宽度,严重影响网络的泛化能力,本文提出了一种运用自适应PNN进行复杂结构的损伤定位研究方法,并与传统PNN对大跨悬索桥的损伤定位进行了仿真性能比较;同时讨论了噪声程度、特征向量简化对损伤识别精度的影响。研究发现,运用自适应PNN进行损伤定位,不仅性能优于传统PNN,而且进行特征向量简化时,可以提高损伤定位的识别精度。

改进免疫算法在预测过程神经网络中的应用

基于过程神经网络(procedure neural network,PNN)建立了具有高精确度的多步预测模型。针对PNN训练过程复杂的特点,提出了一种基于正交基函数展开和矢量矩免疫算法(vector distance based i mmunealgorithm,VD-IA)相结合的PNN训练方法。根据PNN在三角函数正交基展开形式下的数学模型,推导出适用于VD-IA的优化问题模型,采用一种自适应策略加快了VD-IA的收敛速度。基于Mackey-Glass混沌序列检验了该方法的有效性,将该方法与BP训练方法、改进粒子群优化(i mproved particle swarmopti mization,IPSO)算法进行了对比分析。仿真结果表明,基于VD-IA的PNN训练方法可以获得较优的结果,且获得泛化性能较好的PNN模型。

在线客户支持服务智能代理系统架构的研究

在对传统的客户支持服务系统进行分析的基础上 ,提出了一种基于智能代理的在线客户支持服务系统结构 ,并对如何运用粗糙集和神经网络理论解决系统中的智能诊断问题作了进一步的探讨 ,从而为客户提供更为有效和便捷的支持服务。

异构无线网络干扰对齐技术研究

由于宏蜂窝和微蜂窝所构建的异构网络可以大幅提高网络的容量而成为未来移动通信的发展趋势,但是微蜂窝的引入增加了异构网中小区的数量,使得小区间同道干扰更加突出,成为限制异构网容量的主要因素,因此,需要研究有效的干扰抑制技术以增强网络性能。近年提出的干扰对齐技术能够获得干扰网络的最大自由度并可达其最优容量。为此研究了基于低秩干扰空间的多小区干扰对齐技术,然后将其推广到异构无线网络,提出了优化的异构网络干扰对齐方案。仿真结果表明,优化后的干扰对齐技术能够有效提高网络容量并降低实现复杂度。