A Novel Incremental Mining Algorithm of Frequent Patterns for Web Usage Mining

Because data warehouse is frequently changing, incremental data leads to old knowledge which is mined formerly unavailable. In order to maintain the discovered knowledge and patterns dynamically, this study presents a novel algorithm updating for global frequent patterns-IPARUC. A rapid clustering method is introduced to divide database into n parts in IPARUC firstly, where the data are similar in the same part. Then, the nodes in the tree are adjusted dynamically in inserting process by ＂pruning and laying back＂ to keep the frequency descending order so that they can be shared to approaching optimization. Finally local frequent itemsets mined from each local dataset are merged into global frequent itemsets. The results of experimental study are very encouraging. It is obvious from experiment that IPARUC is more effective and efficient than other two contrastive methods. Furthermore, there is significant application potential to a prototype of Web log Analyzer in web usage mining that can help us to discover useful knowledge effectively, even help managers making decision.

Maximum Power Point Tracking Using the Incremental Conductance Algorithm for PV Systems Operating in Rapidly Changing Environmental Conditions

Maximum Power Point Tracking (MPPT) is an important process in Photovoltaic (PV) systems because of the need to extract maximum power from PV panels used in these systems. Without the ability to track and have PV panels operate at its maximum power point (MPP) entails power losses;resulting in high cost since more panels will be required to provide specified energy needs. To achieve high efficiency and low cost, MPPT has therefore become an imperative in PV systems. In this study, an MPP tracker is modeled using the IC algorithm and its behavior under rapidly changing environmental conditions of temperature and irradiation levels is investigated. This algorithm, based on knowledge of the variation of the conductance of PV cells and the operating point with respect to the voltage and current of the panel calculates the slope of the power characteristics to determine the MPP as the peak of the curve. A simple circuit model of the DC-DC boost converter connected to a PV panel is used in the simulation;and the output of the boost converter is fed through a 3-phase inverter to an electricity grid. The model was simulated and tested using MATLAB/Simulink. Simulation results show the effectiveness of the IC algorithm for tracking the MPP in PV systems operating under rapidly changing temperatures and irradiations with a settling time of 2 seconds.

Research on the MPPT of Photovoltaic Power Generation Based on the CSA-INC Algorithm

The existing Maximum Power Point Tracking(MPPT)method has low tracking efficiency and poor stability.It is easy to fall into the Local Maximum Power Point(LMPP)in Partial Shading Condition(PSC),resulting in the degradation of output power quality and efficiency.It was found that various bio-inspired MPPT based optimization algorithms employ different mechanisms,and their performance in tracking the Global Maximum Power Point(GMPP)varies.Thus,a Cuckoo search algorithm(CSA)combined with the Incremental conductance Algorithm(INC)is proposed(CSA-INC)is put forward for the MPPT method of photovoltaic power generation.The method can improve the tracking speed by more than 52%compared with the traditional Cuckoo Search Algorithm(CSA),and the results of the study using this algorithm are compared with the popular Particle Swarm Optimization(PSO)and the Gravitational Search Algorithm(GSA).CSA-INC has an average tracking efficiency of 99.99%and an average tracking time of 0.19 s when tracking the GMPP,which improves PV power generation’s efficiency and power quality.

A NON－INCREMENTAL TIME－SPACE ALGORITHM FOR NUMERICAL SIMULATION OF FORMING PROCESS

A non-incremental time-space algorithm is proposed for numerical. analysis of forming process with the inclusion of geometrical, material, contact-frictional nonlinearities. Unlike the widely used Newton-Raphson counterpart, the present scheme features an iterative solution procedure on entire time and space domain. Validity and feasibility of foe present scheme are further justiced by the numerical investigation herewith presented.

自动确定边角混合网独立闭合差的增量算法

为评定外业观测数据质量和发现粗差,提出了一种闭合差搜索的通用算法。首先,针对高速铁路隧道中的各类边角混合网,基于平差理论,计算由边角混合网中测站数、非测站数和观测数确定其独立闭合差的数目,给出最简闭合差构成原则,求出余弦和正弦闭合差,推导闭合差限差计算模型,建立由闭合差探测观测值粗差的方法;进而导出闭合差增量与测站递增产生的重叠观测点数之间的数学关系式,设计数据结构实现测站与结点间双向多对多的拓扑映射关系,并基于分治思想,提出队列-测站双循环的增量算法来自动搜索最简且独立的闭合差;最后,以西南某高速铁路隧道构建的边角混合网为例进行算法验证。结果表明:增量算法能够在混合网中自动确定100%数量的最简独立闭合差,对观测值中存在的粗差100%予以探测,验证了采用该算法搜索闭合差及检核粗差的有效性。

基于SLAM技术的矿区巷道巡检机器人路径规划优化

针对矿区巷道环境复杂、道路狭窄等特点,提出了一种基于SLAM(SimultaneousLocalizationandMapping)技术的矿区巷道巡检机器人路径规划优化方法,实现机器人的自主定位和地图构建。采用激光雷达、RGB-D相机等多种传感器相融合,获取矿区三维点云数据,并使用SLAM算法实时构建矿区三维地图。同时,通过配准当前获取的点云数据与已构建的地图,实现机器人在矿区内的自主定位。针对矿山中存在的狭窄、弯曲、分支等复杂环境,提出了一种增量式A~*优化算法用于路径规划。该算法在传统A~*算法的基础上,引入了路径平滑、走廊宽度约束等优化策略,能生成满足矿区复杂环境约束的平滑可行路径。算法采用增量式方式更新,只需对改变的局部区域重新进行路径搜索,大大减少了整体路径规划的计算耗时。通过试验验证该算法性能,结果表明:与传统路线规划方法相比,该算法能够快速、精准地完成巡检任务,为矿区巷道巡检机器人推广应用提供了参考。

三阶段自适应采样和增量克里金辅助的昂贵高维优化算法

代理辅助进化算法已广泛应用于求解代价高昂的多目标优化问题,但大多数由于代理模型的局限性而仅限于解决决策变量低维的问题。为了解决高维的昂贵多目标优化问题,提出了一种基于三阶段自适应采样策略的改进增量克里金辅助的进化算法。该算法使用改进的增量克里金模型来近似每个目标函数,此模型的超参数根据预测的不确定性进行自适应更新,降低计算复杂度的同时保证模型在高维上的准确性;此外,在模型管理方面提出一种三阶段自适应采样的策略,将采样过程分为不同的优化阶段以更有针对性的选择个体,能够首先保证收敛性,提高算法的收敛速度。为了验证算法的有效性,在包含各种特征的两组测试问题DTLZ(deb-thiele-laumanns-zitzler)、MaF(many-objective function)和路径规划实际工程问题上与最新的同类型算法进行实验对比,结果表明该算法在解决决策变量高维的昂贵多目标优化问题上具有较强的竞争力。

丘陵山地柑橘果园机器人自主导航与精确控制系统设计与试验

为实现丘陵山地柑橘果园机器人的自主导航,设计了一种基于激光雷达和惯性传感器的果园自主导航系统.使用激光SLAM融合多传感器所获数据,并利用误差状态卡尔曼滤波器进行位姿优化,从而构建果园的三维全局点云地图.对全局地图进行分析和处理,确定机器人的安全行驶区域,并应用基于机器人运动学多约束条件的三次非均匀B样条曲线轨迹优化算法实现路径规划,使用NDT-ICP算法实现机器人在全局地图中的定位.为适应丘陵山地果园地形复杂性,提出了一种基于预瞄跟踪的自校正增量PID控制策略,利用递归最小二乘法实时调整PID参数,并在机器人履带式行走机构上进行了系统整合测试.试验结果表明,误差状态卡尔曼滤波器优化后的地图精度与优化前相比有明显提升.机器人以1.2 m/s速度行驶时,导航控制系统的直线行驶平均位置偏差和航向角偏差分别为0.18 m和4.2°,转弯行驶平均位置偏差和航向角偏差分别为0.38 m和16.7°,可满足丘陵山地柑橘果园智能农机自主导航作业需求.

基于改进LGWO-INC算法的MPPT控制研究

光伏发电阵列板在局部遮阴下会产生多个功率峰值,传统算法难以准确快速追踪光伏最大功率点(maximum power point,MPP),该文提出一种基于莱维飞行灰狼算法(Levy grey wolf optimization,LGWO)与电导增量法(incremental conductance,INC)结合的复合算法追寻MPP,莱维飞行帮助灰狼算法跳出局部最优,搜寻MPP附近时,切换电导增量算法减少系统振荡,在静态与动态局部遮阴下通过Simulink进行光伏并网仿真验证。研究结果显示,所提复合算法收敛效果快速精确,并且符合并网谐波(total harmonic distortion,THD)含量要求,可保证系统的稳定运行。

基于改进布谷鸟搜索算法的光伏最大功率点跟踪策略

实际工程中,光伏阵列在随机变化的环境中会出现局部遮光的情况,从而导致光伏阵列的功率-电压特性曲线会呈现多峰值状态,传统的最大功率点跟踪(maximum power point tracking, MPPT)算法易陷入局部最优解,追踪速度和精准度无法得到满足。针对这一问题,提出一种基于布谷鸟搜索算法(cuckoo search algorithm, CS)和电导增量法(conductivity increment method, CI)结合的光伏MPPT算法,在算法前期利用布谷鸟搜索算法将大步长和小步长交替使用使得全局搜索能力增强,找到全局最大功率点所处区域附近;在后期,采用步长小、控制精度高的CI进行局部寻优,快速准确地锁定到最大功率点。在MATLAB/Simulink中搭建仿真模型,并与原始布谷鸟搜索算法和粒子群优化(particle swam optimization, PSO)算法进行比较。仿真结果表明,将CS与CI结合的算法使得收敛速度更快,精度更高,稳定状态时功率曲线的波动更小。

基于增量式PID算法的香精施加系统设计

为解决加热不燃烧烟草制品生产过程中香精施加量无法根据薄片质量变化进行实时调控的问题,设计了一种基于增量式PID算法的香精施加系统。该系统由称重单元、螺杆泵、喷嘴、流量传感器等组成,通过称重单元实时获取薄片质量数据,根据理论计算模型确定香精施加量,基于增量式PID算法驱动螺杆泵定量输出香精至喷嘴中,利用流量传感器对香精施加量实时反馈,实现香精精准施加。验证结果表明,当薄片质量发生变化时,香精施加量可快速调整,最大超调量为1%,最长调整时间为1.8 s,系统具有较好的跟踪性能;施加量检测值与理论值的偏移率为0.23%~0.52%,施加量组内波动为3.11%~4.17%,系统可实现香精的准确、均匀、稳定施加。

一种基于FPGA的小型化VCSEL激光器温控电路设计

原子磁强计具有高灵敏度的优点,常被用于测量磁场,磁强计系统中激光器波长的稳定性易受温度影响,导致灵敏度下降。为了提高温度的稳定性,设计一种基于FPGA的激光器温度控制电路,采用ZYNQ7020作为主控芯片,实现可编程逻辑端与处理系统端的信息交互,通过PID算法对数据处理,改变加热信号幅值。为防止直流加热信号引入磁场干扰,影响磁强计性能,采用1 MHz交流正弦波进行加热,完成对温度的闭环控制,最终实现了VCSEL温度控制电路的小型化。实验结果表明,该电路能够将温度控制在80℃,控制精度可以达到±0.003 5℃,满足磁强计系统中激光器对温度稳定性的需求。

基于顶点组重分配的动态增量图划分算法

图划分是分布式图计算中的一项基础工作,其作用是将大规模图进行划分并分配到集群中的不同机器上.图划分的质量对分布式图计算的性能有很大的影响,其目标是降低负载平衡和最小化边割.如今,现实中的图数据通常呈动态增长态势,这就需要一种能够处理动态增量图的划分方法,在图数据动态增长的过程中确保划分的质量不受影响.目前虽然有一些动态图划分算法被提出,但它们不能同时专注于实时处理动态变化和获得高质量的划分结果.提出基于顶点组重分配的动态增量图划分算法(ED-IDGP)来解决大规模动态增量图的划分问题.在ED-IDGP算法中,设计实时处理4种不同单元更新类型的动态处理器,并在每次处理完单元更新后通过在分区发生动态变化的附近执行局部优化器进一步提高图划分的质量.在ED-IDGP的局部优化器中,利用基于改进标签传播算法的顶点组搜索策略搜索顶点组,并利用提出的顶点组移动增益公式衡量最有益的顶点组,将该顶点组移动到目标分区中做优化.在真实数据集上从不同的角度和度量指标评估了ED-IDGP算法的性能和效率.

基于组合相似度动态聚类和词熵的网络话题在线检测

[研究目的]为实现网络热点话题的在线检测,提升增量式聚类算法的聚类效果,提出了基于组合相似度的动态聚类算法,同时通过计算词熵实现主题词提取和演化跟踪。[研究方法]通过CIFG-BiLSTM-CRF模型实现文本的命名实体识别,计算文本与话题的实体相似度,再取文本词向量与话题中心余弦相似度的最大值作为词向量相似度,二者结合判断文本所属话题。在聚类过程中利用时间窗口策略实现话题中心和成员文本的动态更新。同时,计算文本词熵,生成话题的词熵和列表,实现话题主题词提取和演化跟踪。实验以新冠疫情新闻为数据实现话题在线检测,并展示了话题主题词的演化和跟踪过程。[研究结论]实验表明,与传统相似度计算方法相比,组合相似度能够获得更好的聚类效果,聚类过程中提取出的话题主题词也正确地反映了原始数据的热点话题内容。

基于滑动窗口的流式RDF数据的模式匹配方法

数据在社交网络中通常呈现为流式的特征。针对流式RDF数据,提出一种增量的模式匹配方法。设计一种面向RDF数据的索引结构,被定义为顶点聚簇的数据子图。提出一种基于顶点-边标签映射的有效验证的匹配算法,减少遍历过程中候选数据规模。实验结果表明,该方法在环状和星状查询图的模式匹配算法效率更具时间优势。

基于增量式PID算法的移动机器人定位系统设计

为了提高应用于智能制造领域的四轮全向移动机器人定位精度,本文基于增量式PID算法,采用STM32、激光测距模块和陀螺仪构建全向移动机器人定位系统,并搭建机器人移动定位测试实验环境。测试表明所设计的定位系统具有良好的定位精度和运行稳定性,能够满足智能制造领域移动机器人部分应用场合的定位要求。

局部阴影下基于IBOA-INC的光伏复合MPPT控制

针对传统的最大功率点追踪(Maximum Power Point Tracking,MPPT)算法陷入局部极值不能找到最大功率点(Maximum Power Point,MPP)以及传统的蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)存在收敛速度慢和搜索震荡较大等问题,提出一种改进的蝴蝶优化算法(Improved Butterfly Optimization Algorithm,IBOA)结合电导增量法(Conductance Increment Method,INC)的复合MPPT追踪方法。在IBOA中,引入自适应动态转换概率来平衡算法的全局与局部搜索,然后在全局搜索阶段引入Levy飞行策略,使蝴蝶个体广泛分布于搜索空间中,提高全局寻优能力;同时在局部搜索中设置新的寻优对象,并通过贪婪算法进行筛选保留,提高局部搜索的能力。当系统位于MPP附近时,利用INC局部搜索能力强的优点快速、准确地收敛到MPP并且稳定功率的输出。仿真结果表明,在静态和动态阴影下与BOA、PSO算法进行对比,所提算法具有更快的追踪速度、更高的追踪效率和更强的鲁棒性。

面向销售数据的多项缺失值关联性的增量填补

数据缺失会影响数据的质量,可能导致分析结果的不准确和降低模型的可靠性,缺失值填补能减低偏差方便后续分析.大多数的缺失值填补算法,都是假设多项缺失值之间是弱相关甚至无相关,很少考虑缺失值之间的相关性以及填补顺序.在销售领域中对缺失值进行独立填补,会减少缺失值信息的利用,从而对缺失值填补的准确度造成较大的影响.针对以上问题,本文以销售领域为研究目标,根据销售行为的多维度特征,利用不同模型输出值的空间分布特征特性,探索多项缺失值的填补更新机制,研究面向销售数据多项缺失值增量填补方法,根据特征相关性,对缺失特征排序并用已填补的数据作为信息要素融合对后面的缺失值进行增量填补.该算法同时考虑了模型的泛化性和缺失数据之间的信息相关问题,并结合多模型融合,对多项缺失值进行有效填补.最后基于真实连锁药店销售数据集通过大量实验对比验证了所提算法的有效性.

基于数字可量测影像组合定位算法在地图测绘当中的应用

针对地图测绘过程当中测量精度较低,测绘还原度不高等问题,对数字可量测影像组合定位算法在地图测绘当中的应用进行研究。地图测绘通过移动测量站对路网数据、地理背景以及立体影像的地图数据信息进行采集。同时建立数字可量测影像的观测方程以及组合定位框架,以减小地图测绘误差。经过对比实验验证,数字可量测影像组合定位算法在地图测绘中应用的可行度高,相比其他地图测绘方式具有更小的轴向误差,且波动幅度较小。该方法能够进行更加精准、全面的地图测绘工作。

基于一致性算法的增量配电网实时调度方法

为增强增量配电网实时调度效果,使配电网中各节点的负荷更均衡,引入一致性算法,针对增量配电网,提出了一种全新的实时调度方法。首先,利用注意力机制,预测未来任意一段时间增量配电网的负荷变化情况与需求,确定配电网实时调度目标;其次,构建增量配电网调度模型,为后续配电网实时调度提供支持;在此基础上,利用一致性算法进行增量配电网启发式全局搜索,通过模型的迭代,生成符合增量配电网实时调度要求的最优方案。结果表明,该方法在负荷均衡度方面表现更好,能更好地平衡增量配电网中的负荷,有效降低负荷的不均衡程度,调度效果优势显著。