基于混合分解和PCG-BiLSTM的风速短期预测

为降低风速的随机性对风力发电的影响,提高风速短期预测的精准度,提出一种基于混合分解、双通道输入、多分支PCG-BiLSTM深度学习模型的短期风速预测方法。首先,将全年风速数据分为春、夏、秋、冬4个季度,选取春季作为主要实验对象;其次,利用奇异谱分解(SSD)和变分模态分解(VMD)以降低原始春季风速数据复杂度,生成具有不同模态且复杂度低的子分量,两种不同模式子分量组合为混合分量,实现不同模式分解算法的优势互补;最后,将混合分量以双通道的形式输入到多分支PCG-BiLSTM深度学习模型中,其模型的每个分支由卷积神经网络(CNN)与门控循环单元(GRU)并联组成时空特征提取模块,用于提取两种分解分量组合的混合分量的时空特征,各分支提取对应混合分量的时空特征经聚合后再由双向长短期记忆网络(BiLSTM)进一步提取风速信号的正向和反向双向波动规律,进而得到最终的风速预测结果。多组实验结果表明:提出的组合预测方法在短期风速预测中具有较高的精度和泛化能力,优于其他传统预测方法。

基于并行混合网络的短文本情感分析模型

针对目前在短文本语义情感分析过程中会存在的传统词嵌入对情感语义表达不充分,特征挖掘不全面,准确率较低等问题,提出一种基于多头注意力机制的MACGRU并行混合网络模型。首先,根据胶囊网络(CapsNet)与双向门限循环单元网络(BiGRU)不同的特点选择BERT词嵌入与Glove词嵌入对短文本做向量化表示,并对Glove词嵌入改进加入位置嵌入和词性嵌入,使短文本在词嵌入阶段获取更丰富的短文本信息;其次,将BERT训练的词向量和Glove训练的词向量分别输入CapsNet和BiGRU中提取短文本局部语义信息和短文本的上下文语义信息;然后,在CapsNet和BiGRU的特征输出后都加入多头注意力机制对提取到的情感特征进行加权处理;最后,将多头注意力机制加权后的局部特征和上下文语义特征进行融合并通过softmax函数进行情感分类输出。上述模型在公开数据集COVID-19上进行实验验证,其模型的准确率,精准率,召回率,F1指标都达到了95%以上,相较于其它基准模型性能更优,也充分证明了该模型的优越性。

基于RBF神经网络的四旋翼磨抛机器人力/位混合控制

由六自由度并联平台和四旋翼无人机构成的四旋翼磨抛机器人的飞行轨迹和末端执行器打磨力难以稳定控制,为此提出一种基于RBF神经网络的力/位混合控制方法。根据Euler-Lagrange方程建立系统动力学模型,采用力/位混合控制器实现机器人在打磨时对力和位置的精度要求。在力控制环,采用PID控制和接触力前馈控制;在位置控制环,采用基于RBF神经网络的鲁棒控制。利用MATLAB/Simulink进行机器人轨迹跟踪和磨抛力控制仿真实验。结果表明,所提出的控制方法使得四旋翼磨抛机器人具有良好的轨迹跟踪效果,并且打磨力能保持稳定。

并联式混合动力汽车的BP网络实时能量管理

为了提高并联式混合动力汽车(PHEV)的燃油经济性,提出了一种基于BP神经网络的并联式混合动力汽车实时能量管理策略。采用瞬时优化能量管理策略结合多种路况离线仿真得到能量管理规则,利用模糊C-均值聚类对能量管理规则进行分类并提取部分规则作为神经网络的训练样本。训练得到的BP神经网络控制器根据车辆实时工况控制混合动力系统的转矩分配,以实现最优的能量分配。基于ADVISOR的仿真研究表明,与瞬时优化能量管理策略相比,该能量管理策略不仅能够保证车辆的燃油经济性,而且明显提高了能量管理的实时性。

并联混合动力汽车的发动机转矩估计

提出采用神经网络对发动机转矩进行估计的方法,以发动机台架性能实验所得数据为基础,在Mat-lab中建立了多种类型的神经元和层数的发动机输出转矩模型。在网络模型的建立过程中,提出了一种新的训练方式,通过对不同模型的训练及结果分析,筛选出了估计精度和泛化能力都较为理想的模型,并以此模型进行了实际的转矩估计,取得了较满意的效果。

基于CAN总线的分布式控制网络在串并联式混合动力客车上的应用

针对一辆串并联混合动力客车,介绍了其动力系统电控网络原理,设计了一个紧凑高效的基于CAN总线的动力总成分布式控制网络,包括一个车载数据采集监视系统。

基于小波神经网络的混合动力汽车实时控制策略

提出了基于小波神经网络的并联式混合动力汽车实时控制策略,用以控制混合动力系统的转矩分配,以提高混合动力汽车燃油经济性。该策略采用一个小波神经网络控制器,结合瞬时优化控制策略得到的控制规则进行训练,实现对混合动力系统的实时控制。基于ADVISOR的仿真研究表明,该控制策略不仅能够保证车辆的燃油经济性,而且克服了瞬时优化控制策略难以实时控制的缺点。

基于神经网络的并联式混合动力汽车控制策略

为提高并联式混合动力汽车的燃油经济性和控制系统的响应时间,应用神经网络实现控制策略。首先,结合逻辑门限控制策略和等效燃油消耗最小原理制定控制策略,并根据电池的荷电状态(SOC)进行调整。然后将调整后的策略在典型工况JA1015循环上实验,采集合理样本来训练对角回归型神经网络(DRNN),获得基于神经网络的控制策略。最后,在电动汽车仿真软件ADVISOR平台上进行仿真实验,仿真结果表明,采用神经网络的控制策略,提高了并联式混合动力汽车的燃油经济性,响应快,且具有通用性。

多换流器并联的交直流配电网潮流计算方法

针对多换流器并联的交直流配电网潮流计算展开研究,提出了基于虚拟主从策略的潮流计算方法。将多换流器并联的直流母线视为平衡节点,利用该节点上的功率平衡方程以及Udc=f(P)下垂特性方程,将首编号换流器定义为虚拟主换流器,推导得到其功率与其他换流器下垂特性曲线的关系式,实现该换流器功率与母线直流电压的求解;将其他换流器定位为虚拟从换流器,按照P=f(Udc)下垂曲线进行功率更新,解决了多换流器同时控制平衡节点电压的潮流计算难题。通过算例测试验证了所提算法的有效性和正确性。

聚丙烯腈质量指标软测量混合模型的应用

运用多种软测量技术,提出一种多类型混合软测量模型,并用于聚丙烯腈生产过程质量指标的推理估计,证明该模型性能优良。

基于FCMAC神经网络的PHEV转矩分配策略

针对混合动力汽车转矩分配策略对整车的燃油经济性和排放性能具有重要的影响,提出了基于模糊小脑模型(FCMAC)神经网络控制的整车转矩分配方法.以某变速箱前置式双轴转矩耦合并联混合动力汽车为研究对象,建立了以发动机的输出转矩为目标的FCMAC神经网络控制策略,将输入量离散化后的高斯基模糊隶属度进行规则相乘后作为FCMAC神经网络的输入,经过hash映射及权值调整输出发动机转矩,实现了混合动力汽车的转矩分配.在AVL-Cruise及Matlab/Simulink平台上建立仿真模型,将其控制策略与基于逻辑门限值控制策略的仿真结果进行比较.结果表明:在NEDC工况下FCMAC控制策略较逻辑门限值控制策略,油耗与排放都有改善,提升了并联式混合动力汽车的燃油经济性和排放性.

聚合反应过程质量指标的推理估计混合模型

针对聚合反应过程的非线性、时变性和不确定性,提出了一种多类型混联混合推理估计模型。该模型以过程机理知识为基础框架,以各种神经网络和回归辩识模型的计算结果作为混合模型中各子模型或机理模型的过程参数。为了体现过程的多模式集成特点,该混合模型充分利用各种类型模型的不同特性,既保证按照动力学规律描述聚合反应过程特性,又充分利用现场运行和分析的数据,辩识模型结构参数,使所建模型不必完全依赖对过程特性的认识。将该混合模型用于聚丙烯腈生产过程质量指标的推理估计,现场应用效果证明了这种模型的优良性能。

并联混合动力汽车发动机动态控制时的转矩估计

探讨了BP网络,并利用BP网络对并联混合动力汽车(PHEV)发动机动态控制时进行转矩估计。以发动机台架性能实验所得数据为基础,使用Matlab中的Neural Network工具,建立不同神经元个数和层数的BP网络对实验数据进行训练,在网络模型的建立过程中,提出了一种新的训练方式,从而得出估计精度和泛化能力都较为理想的模型,并以此模型进行了实际的转矩估计,取得了较满意的效果。

忆阻迟滞模型与神经网络并联的谐波减速器混合迟滞建模研究

针对谐波减速器随负载变化所表现出的负载转矩与扭转角之间的迟滞特性,导致谐波减速器转换精度下降的问题,构建了忆阻迟滞模型与RBF神经网络并联的谐波减速器混合迟滞模型。将忆阻器模型改进成忆阻迟滞模型,用于描述谐波减速器迟滞输出的基本变化规律;借助具有非线性拟合能力的RBF神经网络对谐波减速器迟滞模型与忆阻迟滞模型之间的差值进行补偿。实验数据验证结果表明,与忆阻迟滞模型相比,所构建的混合迟滞模型能有效描述谐波减速器迟滞的突变和非光滑特性,模型验证均方误差为0.06。

并联混合动力汽车中CAN网络的研究与实现

本文研究并实现了并联混合动力汽车上的CAN(ControllerAreaNetwork)网络。为了减少车上日益增加的线束且能从现场设备获得更丰富的信息,应用了一种车上控制器局域网络CAN,实现了车辆各控制平台的互联,大幅度减少了用线数量,提高了可靠性和安全性、降低了成本。

基于KFCM-MNN并联式混合动力汽车能量管理策略

为了提高并联式混合动力汽车的燃油经济性,文章提出了一种基于核模糊c聚类(kernel fuzzy cmeans clustering,KFCM)的多神经网络(multi-neural network,MNN)能量管理设计方法。采用动态规划全局优化离线仿真得到全局最优解,使用KFCM算法对全局最优解数据集合按照车辆运行模式作聚类划分,针对每一个聚类建立局部神经网络。训练后的MNN模型结构根据实时工况,将多个局部神经网络的输出联结作为能量管理策略的输出,以实现发动机和电机转矩的实时优化分配。仿真结果表明,基于KFCM-MNN的能量管理策略,具有对动态规划能量管理策略很好的学习模拟能力,是一种准最优的控制策略。

多核分组处理系统软件结构研究

结合分组处理和多核系统的特点,对分组处理系统的基本结构进行了详细的分析,并通过实际平台对分析的结论进行了验证。分析中不仅考虑了通信和同步的开销,也考虑了数据Cache和指令Cache的命中率问题。分析和实验的结果表明,如果能够对各个处理阶段的资源进行恰当的分配,使用混合结构的分组处理系统有可能获得比并行结构系统更好的性能。进一步提出了设计混合分组处理系统时需要解决的关键问题和需要遵循的一些原则。

一种基于并行计算的混合算法优化有分流换热网络

换热网络优化是化工过程系统工程领域的研究难点,其数学模型具有高度的非凸、非线性,在使用单一启发式算法优化时,往往具有局限性。研究以换热网络的年综合费用最小为目标,针对强制进化随机游走(RWCE)算法在优化时由于个体间独立进化,导致优化过程中信息缺乏交流的问题,提出将遗传算法(GA)与其混合。混合后的算法在保持前一半优势种群中的个体单独进化的基础上,通过周期性的交叉、变异等操作产生子代来替换掉劣势种群,从而增强了原有算法的整型变量优化能力,并弥补了弱势个体无法更新的不足。为了兼顾算法在大种群下优化有分流换热网络的计算效率,节约时间成本,使用OpenMP系统将混合算法实现了并行化设计。通过三个不同规模的换热网络问题对并行后的混合算法进行验证,结果表明该算法能在有效提升优化质量的前提下相比串行算法大幅缩短计算时间,其中两个算例突破了目前文献最优解。

用于生物分子网络比对的自适应匈牙利贪心混合算法的并行化

生物分子网络比对是生物信息学中一个重要领域,是研究生物现象和生命机理的有效手段,而自适应匈牙利贪心混合算法(AHGA)是其中一个有效的生物分子网络比对算法。但是生物分子网络数据的规模都比较大,而且由于其拥有生物背景,生物分子网络数据具有一些特殊性。为了能够在可以接受的时间范围内获得大规模生物分子网络的比对结果,使用MPI和统一计算架构(CUDA)对自适应混合算法进行了并行化,在比对中充分考虑生物分子网络的生物学意义,对两种方式进行了对比分析,以寻找更合适生物分子网络的比对方法。

应用于24GHz物位雷达的微带阵列天线设计

为了提高24 GHz物位雷达系统的精度和抗干扰能力,设计并制作了一款高增益、低副瓣、易集成的微带阵列天线。为了抑制天线的副瓣电平,该天线各阵元间的电流采用同相不等幅分布设计;同时,采用两种不同馈线的单元和串并联混合馈电网络,降低了馈电网络的设计难度。实测结果表明,该阵列天线的带宽为690 MHz(23.77~24.46 GHz),最大增益达到20.1 dBi,E面和H面的副瓣电平分别为-20.7 dB和-19.3 dB。该阵列天线结构紧凑、可靠性高,可用于24 GHz物位雷达系统。