基于WBOA的3D-DV-Hop节点定位算法

针对三维(3D)-DV-Hop定位算法未知节点从最近的锚节点获取平均跳距估算距离时定位精度低的问题,提出了一种新的基于WBOA的3D-DV-Hop算法。首先,该算法去除了网络中无法通信和无法定位的节点;然后添加了修正因子,修正平均跳距。接着创建一个用于优化的蝴蝶初始种群,构建目标函数。采用自适应权重来平衡全局搜索与局部搜索的能力,使得算法不易陷入局部最优,加快了算法的收敛精度;最终求得全局最优平均跳距。仿真结果表明:尽管算法的平均运行时间略有增加,但算法的定位精度得到了有效提高。

非均匀网络中半径可调的ARDV-Hop定位算法

针对无线传感网络中传统DV-Hop(Distance Vector Hop)定位算法节点分布不均匀导致定位误差较大的问题,提出了非均匀网络中半径可调的ARDV-Hop(Adjustable Radius DV-Hop in Non-uniform Networks)定位算法。该算法通过半径可调的方式对节点间的跳数进行细化,用细化后呈小数级的跳数代替传统的整数级跳数,并建立了数据能量消耗模型,优化了网络传输性能。ARDV-Hop算法还针对节点分布不均匀的区域提出跳距优化算法:在节点密度大的区域,采用余弦定理优化跳距;密度小的区域,采用最小均方误差(Least Mean Square,LMS)来修正跳距。仿真实验表明,在同等网络环境下,与传统DV-Hop算法、GDV-Hop算法和WOA-DV-Hop算法相比,ARDV-Hop算法能更有效地降低定位误差.

不同速度焊接的DV19A硅钢焊接接头的微观组织及力学性能

采用扫描电子显微镜、X射线能谱仪、电子背散射衍射仪、拉伸试验及硬度测试等,研究了激光焊的焊接速度对DV19A硅钢焊接接头微观组织和力学性能的影响。结果表明:焊接接头热影响区的晶粒比母材细小,从而提升了接头的抗拉强度。焊接速度为400 mm/min的焊接接头晶粒最粗大,焊缝应力分布最多,力学性能最差。焊接速度为350和375 mm/min的接头力学性能相当,但前者晶粒更细小,且成分稳定性好、应力分布最佳、焊接性能最优。

基于模拟退火和樽海鞘群优化的DV-Hop定位算法

针对无线传感器网络(WSNs)中传统DV-Hop算法定位误差较大等问题,提出基于模拟退火和樽海鞘群优化的DV-Hop定位算法。该算法分别引入RSSI和修正因子来量化最小跳数以及校正平均跳距,在未知节点估计过程中,采用改进的樽海鞘群优化算法代替最小二乘法,并且与模拟退火算法相结合,缓解了樽海鞘群优化算法在寻优过程中容易陷入局部最优的缺点。仿真结果表明:改进后的DV-Hop算法相比于传统DV-Hop定位算法以及其他智能优化算法,定位精度得到明显改善。

基于dv/dt参数提取的变流器IGBT驱动自调节技术

绝缘栅双极晶体管(IGBT)作为轨道交通变流器关键部件,对其驱动的调节可以显著改善dv/dt、开关损耗等影响变流器运行的重要参数。为此提出了一种基于dv/dt参数提取的变流器IGBT驱动自调节技术。首先基于IGBT驱动等效电路建立数学模型,分析了dv/dt、门极电阻、开关损耗三者之间的数学关系。其次以dv/dt参数的限制为主要优化目标,开关损耗的平衡为约束条件,提出一种基于Bang-Bang控制的自调节控制策略从而实现门极电阻主动切换,并在双脉冲测试中整定控制策略重要参数。最后通过有无自调节技术对比试验测试,验证了本技术的有效性。

视觉语法视角下网络自制访谈节目话语表达与互动意义——以《DV计划》为例

技术的发展改变着人们的媒介使用习惯,传统电视访谈节目日渐式微,而与此同时,网络自制访谈节目不断涌现,在节目内容与影像表达上呈现出多样化的风格。其中,《DV计划》以单台摄影机拍摄的方式创造出一种全新的节目形式。本文以视觉语法理论为框架,从再现意义、互动意义与构图意义三方面对该节目展开分析,探究影像符号和节目话语表达之间的关联及互动意义。

基于螺旋更新策略蜜獾优化的DV-Hop定位算法

节点定位是无线传感器网络(Wireless Sensor Networks,WSNs)的关键技术之一。针对传统距离向量跳段(Distance Vector Hop,DV-Hop)算法定位误差偏大的问题,提出了一种改进蜜獾算法(Honey Badger Algorithm,HBA)与DV-Hop相结合的算法。首先,针对网络平均跳距估计不准的问题,依据锚节点比例对未知节点平均跳距进行分段修正。其次,采用改进型的HBA替换最小二乘法估算未知节点的位置,进一步降低计算误差。初始化蜜獾个体时引入Sobol序列,增加初始种群的多样性;为了加强HBA的局部搜索能力,引入了螺旋更新策略。最后,采用镜像策略规避估算位置越界的情况。结果表明,所提算法相较于传统DV-Hop算法、平均跳距修正的DV-Hop算法和基于粒子群优化(Particle Swarm Optimization,POS)的DV-Hop算法具有更高的定位精度和稳健性。

基于分层DVS的电路故障诊断研究分析

为进一步提高电路故障诊断效率,提出利用分层离散沃尔泰拉级数(Discrete Volterra Series,DVS)算法诊断电路故障,使用分层设计简化DVS结构,并引入贝叶斯信息准则(Bayesian Information Criterion,BIC)选择阶数,从而解决特征提取步骤中复杂的DVS参数计算问题。实验结果表明,采用分层DVS方法提取电路故障的特征,可以在0.01 s之内辨识和处理故障,精确检测和识别电路故障。同时,利用分层DVS方法,能够有效地消除电路信号噪声。DVS算法可在55.32 ms时间内发现电路故障,且故障检测精度与准确率均高于蚁群算法和随机森林算法。

无线传感器网络DV-Hop定位算法的改进

在无线传感器网络中,节点定位占有极其重要的一席之地。无需测距方案中的DV-Hop算法因其计算简单易于实现得到广泛应用。传统DV-Hop算法不能够提供相对好的定位精度,为了保证定位的准确性,文章对DV-Hop算法进行了优化。在优化算法中,采用加权误差修正锚节点的估计平均跳距使其更加接近实际值,之后采用二维双曲线算法代替三边法或最小二乘算法确定接近实际位置的待测节点坐标。仿真结果验证了文章提出算法在无线传感器网络中定位的准确性。

基于多应用场景的改进DV-Hop定位模型

针对距离矢量跳(DV-Hop)定位模型定位精度低、优化策略场景依赖性强的问题,提出一种基于函数分析和模拟定参的改进DV-Hop模型——函数修正距离矢量跳(FuncDV-Hop)定位模型。首先,分析DV-Hop模型的平均跳距、距离估计和最小二乘法中的误差原因,引入待定系数优化、阶跃函数分段实验、带等效点的权重函数策略和极大似然估计修正;其次,考虑多应用场景,用控制变量法,分别将总节点数、信标节点比例、通信半径、信标节点数和待测节点数作为变量,设计对照实验;最后,进行仿真定参和整合优化测试两阶段实验,最终的改进策略较原DV-Hop模型的定位精度提高了23.70%~75.76%,平均优化率57.23%。实验结果表明,FuncDV-Hop模型的优化率最高达到了50.73%,与基于遗传算法和神经动力学改进的DV-Hop模型相比,FuncDV-Hop模型的优化率提升了0.55%~18.77%。所提模型不引入其他参量,不增加无线传感器网络(WSN)的协议开销,且有效提高定位精度。

超声NT、TR、DV值联合胎儿心脏测量参数Z-评分对胎儿先天性心脏病的诊断

目的:探究超声NT、TR、DV值联合胎儿心脏测量参数Z-评分对胎儿先天性心脏病的诊断价值。方法:回顾性分析2019年01月至2021年02月在我院行孕11-13+6周产前超声检查的胎儿先天性心脏病(CHD)孕妇45例(观察组),健康胎儿孕妇90例(对照组)。对两组孕妇孕早期胎儿超声颈项透明层(NT)、三尖瓣(TR)反流、静脉导管血流(DV)值,NT、TR、DV与CHD的相关性,胎儿心脏测量参数Z-评分进行分析。结果:观察组胎儿NT值,明显高于对照组胎儿,(P<0.05)。观察组胎儿中心室收缩峰值流速(S)/最大心房收缩回流流速(A)值、前负荷指数(PLI)、静脉峰值流速指数(PVIV)及静脉搏动指数(PIV)的DV血流频谱均高于对照组胎儿,(P<0.05)。观察组胎儿反流束起始部的宽度、流束最大长度、最大反流速度、三尖瓣反流彩束占右心房面积比的TR相关指标明显高于对照组胎儿,(P<0.05)。采用二分类Logistic回归分析,NT≥3.0mm、TR及DV均为胎儿先天性心脏病危险因素,(P<0.05)。观察组的主动脉(AO)的Z-评分显著高于对照组,肺动脉(PA)的Z-评分显著低于对照组,(P<0.05)。结论:超声NT、TR、DV值联合胎儿心脏测量参数Z-评分对胎儿先天性心脏病具有较高的预测价值,临床意义重大。

基于蜣螂算法优化的DV-Hop定位算法

针对无线传感器网络中传统DV-Hop(distance vector-hop)算法定位误差大的问题,提出了一种基于蜣螂算法优化的DV-Hop定位算法。首先使用双通信半径的方式细化节点间跳数,并使用最小均方误差准则计算锚节点的平均跳距,将改进后的平均跳距的平均值当做每个未知节点的平均跳距,最后引入权重因子优化适应度函数,使用蜣螂优化算法代替三边测量法进行坐标计算。仿真结果表明,所提算法比经典DV-Hop算法平均定位误差提升了55.69%、59.61%和67.59%,误差方差提升了52.41%、45.58%和36.87%,具有良好的定位精度和较好的稳定性。

基于多通信半径和改进遗传算法的DV-Hop定位

针对无线传感器网络定位算法中DV-Hop(distance vector-hop)算法定位精度不高的问题,从跳数和跳距两方面进行优化,提出了一种利用多通信半径和改进遗传算法优化的DV-Hop定位算法。首先,设置节点的通信半径为多个,细化节点间的跳数,降低跳数误差;其次,将局部搜索能力强的禁忌搜索算法与遗传算法相结合优化信标节点的平均跳距;最后,采用加权的方式修正未知节点的平均跳距,降低跳距误差。仿真结果表明:在同等条件下,本文改进算法比传统DV-Hop算法和有关改进算法定位精度更高。

模块化多电平换流器子模块对地电压分析及其dv/dt抑制方法

模块化多电平换流器在开关过程中,子模块对地电压变化产生的dv/dt对杂散电容充放电形成共模电流,造成严重的传导电磁干扰。文中推导子模块对地电压跳变值与桥臂中子模块位置的关系,分析不同跳变值出现的概率,指出某些位置会出现数倍电容电压(UC)的跳变。为将所有位置子模块的最大对地电压跳变抑制为UC,文中提出一种抑制方法,该方法基于上一控制周期的子模块投切状态、桥臂电流方向、电容电压及当前控制周期需要投入的子模块个数,来确定当前周期的子模块投切状态,并限制两个周期之间子模块投切状态改变的数目为一个或一对,从而达到抑制对地电压跳变的目的。最后通过实验验证子模块对地电压跳变规律及所提方法的有效性。

基于改进灰狼优化算法的DV-Hop传感器定位算法

定位技术一直以来是无线传感器网络领域的研究热点。传统距离向量(Distance Vector-Hop,DV-Hop)定位算法的定位误差较大,针对该问题,在传统DV-Hop算法的基础上,提出了一种基于改进灰狼优化算法的DV-Hop传感器定位算法(Levy Grey Wolf Optimization Distance Vector-Hop,LGWODV-Hop)。第1阶段,采用锚节点双通信半径计算跳数;第2阶段,将锚节点的估计距离与真实距离的差值作为误差因子来修正全网络中的平均跳距;第3阶段,用结合Levy飞行策略的灰狼优化算法代替最小二乘法求解未知节点坐标。仿真结果表明,在一定的条件下,所提出的算法平均定位误差相较于传统DV-Hop算法、DEDV-Hop算法和PSODV-Hop算法分别降低了56.09%,22.87%和3.02%。

基于DVS 1612与JIS 4270标准的转向架构架疲劳强度研究

对比DVS 1612和JIS 4207两种标准的特点,分析了其载荷规定、接头形式和评估方法等方面的差异性,分析可知,JIS 4270标准对载荷的规定更为详尽,且采用均方根合成动应力的评价方法更适于工程应用。以某城市轨道车辆转向架焊接构架为研究对象,用两种标准进行疲劳强度评估。结果表明:两种标准下转向架构架均满足疲劳强度要求,但两者在不同部位的利用度差异较大。JIS 4270标准下电机座、齿轮箱座焊缝的利用度更大,而DVS 1612下横侧梁对接处、横向止挡座处焊缝的利用度更大。

改进型DV-Hop定位模型及其求解的混合视觉进化神经网络

针对DV-Hop定位模型跳距估计精度低且难准确获取未知节点位置的问题,提出改进型DV-Hop定位优化模型及其求解的混合视觉进化神经网络优化算法。DV-Hop定位模型设计中,引入4种通信半径细化节点间的跳数计算,并利用动态权重因子修正最小跳数及平均跳距计算模型,获得改进型DV-Hop的计算模型。算法设计中,依据果蝇和蝗虫视觉系统的信息处理机制,建立输出全局和局部学习率的混合视觉神经网络,进而在此神经网络的输出引导下,借助哈里斯鹰优化算法中哈里斯鹰的位置更新策略设计状态更新策略,由此获得能求解DV-Hop定位问题的视觉进化神经网络优化算法。比较性的数值实验显示,该算法求解基准函数优化问题具有明显优势,并对未知节点的定位精度高且收敛速度快。

基于DVS 1608的轨道车辆空气弹簧焊接上盖疲劳评估方法研究

空气弹簧作为轨道交通车辆的二系悬挂,其安全可靠性对车辆的动力学特性和乘坐舒适性有着重要的影响,文中给出了一种对空气弹簧焊接上盖进行疲劳评估的计算方法。首先,采用疲劳耐久极限法确定空气弹簧疲劳载荷工况,空载45 kN,横向位移±110 mm;建立轴对称模型,进行旋转得到三维模型,再施加边界条件和垂向载荷,进行横向位移加载;其次,得到焊接上盖的应力结果,根据计算出的母材最大应力92.0 MPa和焊接区域最大应力32.6 MPa,判断满足静态强度要求;进而,完成上盖焊缝横向位移时的应变测量,验证仿真计算结果与试验结果一致;最后,选取最严苛部分(或提取全部)节点应力数据,根据DVS 1608定义的方法进行疲劳估算,计算出各节点应力利用率,依次进行焊接疲劳强度可靠性评估。计算得出焊缝外侧过渡区应力利用率最大1.09,大于允许值1,由于文中对焊缝过渡区域进行打磨处理,疲劳强度值可以提高30%,判定焊缝满足1000万次疲劳强度要求。

基于割圆术的DV-Hop全局优化WSNs节点定位算法改进研究

为提升DV-Hop(distance vector-hop)算法定位精度水平,提出一种基于割圆术的DV-Hop全局优化(circle-cutting technique for global optimization of DV-Hop algorithm,CTGO-DV-Hop)算法。该算法精确了最小跳数,引入权值模型对全部锚节点的平均单跳距离进行优化,并采用加权最小二乘递推算法对未知节点坐标进行拟合。实验测试多种因素对于算法的影响,结果表明,所提出的CTGO-DV-Hop算法表现出良好的性能,相较于DV-Hop、OCSLC-DV-Hop和WOCS-DV-Hop,平均定位误差的最大降幅为70%左右,适用于构建节点数目大、锚节点比例低的无线传感器网络系统。

基于新息的改进EKF-DV-Hop定位算法研究

为提高扩展卡尔曼DV-Hop(EKF-DV-Hop)定位算法的准确性,降低其定位误差,提出了一种基于新息的改进自适应EKF-DV-Hop定位算法(Adaptive Extended Kalman Filter DV-Hop,AEKF-DV-Hop)。首先定义误差因子,通过除去对计算信标节点跳距误差大的节点进而增加跳距准确性,并应用最小二乘法估算未知节点的坐标;然后将估算的坐标和信标节点间的欧氏距离作为EKF的观测量,进一步优化未知节点坐标;最后使用自适应算法在线更新状态噪声矩阵和观测噪声矩阵。仿真对比得到,AEKF-DV-Hop对环境具有更好的适应性,定位精度有较明显的提升,增强了环境适应性。