自主多决策粒子群的无线传感器网络覆盖优化

网络节点覆盖是无线传感器应用的重要一环,为提高网络节点覆盖率,提出一种基于自主多决策粒子群的无线传感器网络覆盖算法。该算法首先引入Bernoulli混沌与Logistic混沌映射耦合成为一种新的精英混沌映射来初始化种群,提高初始解质量,为全局寻优奠定基础。其次,引入一种多决策方法,通过随机赋予粒子不同学习方式,使它们获得不同于其他群体的自主决策能力,增强算法的局部寻优性能。然后,利用一种融合柯西变异与反向学习的交替扰动策略对最优粒子进行扰动变异,提高算法跳出局部最优的能力。在典型测试函数的实验结果表明,自主粒子群所提算法收敛速度更快、寻优精度更高、稳定性更强,且用其优化的无线传感器网络节点分布更均匀、覆盖率更高,验证了该算法的有效性和可行性。

基于长短期记忆神经网络的生命体触电电流检测

针对当前低压配电网剩余电流保护设备只能依靠剩余电流幅值作为保护机构动作依据,无法识别触电特征的问题,提出了基于小波分解降噪和长短期记忆(LSTM)神经网络的低压配电网生命体触电电流检测方法。首先将总剩余电流信号通过小波分解算法进行降噪,然后将降噪后的生命体触电电流波形作为输入,对LSTM神经网络进行训练,建立生命体触电电流检测模型。仿真实验表明:该方法在速度和准确率上与卷积神经网络(CNN)和反向传播(BP)神经网络相比有明显优势,能够满足剩余电流保护装置速动性的要求,并且稳定性好,生命体触电识别准确率高,对新一代的继电保护设备的研究与开发具有一定的参考价值。