基于多尺度融合选择卷积网络的电能质量扰动识别

传统的电能质量扰动识别在提取分类时都是人工手动单一地选择特征,这种方法普遍存在精度低、成本高、泛化能力弱等缺陷。针对目前深度学习在故障识别分类处理中的应用,文中提出一种基于多尺度融合选择卷积网络实现端到端的电能质量扰动识别分类方法。文中通过仿真实现了单一扰动信号和复合扰动信号,将Multi⁃scale目标检测和轻量级模块SKNet算法思路相结合,利用不同卷积核构造多个尺度下不同的特征,将特征融合选择得到新的主要特征量,并用线性分类器进行快速的扰动识别。研究结果表明,与未改进的深度学习识别方法对比,文中方法在特征提取上具有更强的区分空间、更高的识别率和鲁棒性,整体识别率达到99%,可为电能质量扰动识别研究提供一种新的思路。

基于分布式融合定位的无人机集群自组织协同飞行控制方法

针对无人机集群如何精确估计目标位置并协同打击目标的问题,开展了无人机集群自组织协同飞行控制方法研究。考虑噪声对定位精度的影响,建立了无人机对目标位置的含噪测量模型,设计了无人机集群自主协同移动算法。具体地,首先建立无人机集群对目标位置进行测量的全局误差最小化模型,结合梯度下降的更新机制和加权融合机制,提出了分布式感知融合算法,实现无人机集群对目标位置以及集群平均飞行速度的精确估计;在此基础上,提出了具有自适应能力的无人机位置、速度控制策略,实现集群自主协同飞行。仿真结果表明,提出的算法可以有效降低噪声干扰,显著提高无人机对目标位置和集群平均速度的测量精度,集群向多个目标点飞行的条件下,无人机对目标位置测量的均方偏差降低95%,对平均速度测量的均方偏差降低183%,实现无人机集群的自组织协同飞行控制。

基于“智慧广电”的农业信息化应用体系初探——以“智慧农场”为例

信息技术在社会各个领域中得到了广泛的应用。农业信息化为农场建设起到了推动作用。在信息化与智能化发展趋势下,智慧广电提升了农业信息化应用的科技水平。通过研究智慧广电为基础的农业信息应用,完善农业领域信息化体系建设,从而实现农业发展的实效。通过“智慧农场”实例进行智慧广电的发展前景与应用价值探索。

面向低空快递配送的空地协同路径优化研究

无人机与地面车辆联合运输是解决快递配送“最后一公里”问题的有效手段,然而无人机电池能量的有限性等因素对实现空地联运提出新的挑战。为此,提出了综合考虑地理位置及无人机能耗约束的启发式空地协同路径优化方法。首先,建立多参数耦合的无人机能耗模型,进而考虑无人机释放点位置、无人机能耗因素设计约束条件,提出包含整数决策变量的空地协同路径优化模型;然后,通过约束解耦,提出了融合粒子群优化机制的两阶段启发式算法。最后,与传统旅行商算法、模拟退火算法的对比实验结果表明,所提出的算法能够使平均配送成本分别降低12%和3%,进一步验证了所提算法的收敛性和有效性。