二进制编码差异演化算法在Agent联盟形成中的应用

在多Agent系统中,通过形成联盟可以提高Agent求解问题的能力,因此,联盟是多Agent系统的重要合作方法.从本质上讲,Agent联盟的形成是一个复杂的组合优化问题.引入差异演化算法来解决这一问题.差异演化是一种基于群体差异的演化算法,适合于求解连续空间的最优化问题.首次将以实数编码的差异演化算法应用于Agent联盟问题,提出二进制编码的差异演化算法解决组合优化问题,通过引入S型函数把变异操作的结果限制在集合{0,1}上,可以快速、高效地找出合适的Agent联盟.与遗传算法和蚁群算法的对比实验表明,该算法是正确、有效、可行的,在运行时间和解的性能上都优于相关算法.     

q×2m的高速FFT处理器设计

对非2次幂长度的海量数据FFT处理器设计,采用补零技术会造成巨大硬件资源的浪费,且影响算法性能.提出了一种适合于硬件实现,可处理数据长度为q×2m的FFT算法(q为非2质数)以及基于此算法的FFT处理器设计方法.提出的操作数地址映射方法充分利用了算法的同址特性,使得在最少的存储空间需求下,达到最大的数据并行性;设计的混合运算单元有效地统一了混合基和q点DFT运算,减少了运算部件的资源占用率,使得多个运算单元的并行成为可能.仿真结果表明,计算16位20480点DFT运算需要7181个时钟周期,系统频率达到了105 MHz.不仅有效地扩展了FFT处理器的数据处理范围,同时满足SAR等实时系统对处理速度的要求.     

齿轮系统噪声预估及声诊断方法研究

通过对正常齿轮系统和故障齿轮系统振动信号的试验测试,提取了正常与故障齿轮的信号特征,以声学理论为基础,在系统运转的情况下分别在时域和频域对系统振动所产生的声压进行了模拟计算,并对正常情况、齿根裂纹故障情况(深度为3mm和5mm)、分度圆裂纹故障(深度为2mm和4mm)及齿面磨损情况下齿轮系统的辐射声压进行了比较分析,并与试验结果进行了对比验证。结果表明,利用声诊断方法不仅可以较好地对几种典型故障(类型,大小)进行初步定征和识别,在故障诊断领域有良好的应用前景,而且可以降低声压级测量的成本,有效避免环境噪声的影响。     

基于ARM和MiniGUI的呼气式酒精测试仪研究

设计了一种以ARM7微控制器LPC2210为核心的燃料电池型呼气式酒精测试仪;该仪器在LPC2210上移植嵌入式操作系统uClinux,利用燃料电池传感器的输出电压与酒精浓度的相关性,通过采集燃料电池传感器中酒精气体反应产生的模拟信号计算出酒精浓度;详细介绍了燃料电池传感器的电化学原理,及在ARM-Linux嵌入式操作系统环境下,利用轻量级的图形用户界面支持系统MiniGUI进行软件界面开发的方法,提高了人机交互友好性和易操作性;实验表明,该酒精测试仪具有稳定性好、精度高、抗干扰性强的明显优点。     

一种在ASP.NET中调用存储过程的新方法

提出了一种新的在ASP.NET中调用存储过程的方法。该方法和通用方法相比,具有可以提高开发速度,代码容易维护的优点。     

中短波红外图像传感器读出电路研究进展

随着红外技术和探测器性能的进步,中波和短波红外技术在恶劣天气中具有更优秀的成像性能,在民用、军事和航空航天等领域中得到了越来越广泛的应用。读出电路作为连接探测器阵列与后级图像处理电路的关键模块,其性能对中短波红外相机系统性能具有重要影响,决定了最终的成像质量。文章综述了中短波红外图像传感器读出电路的发展现状,分析了读出电路中噪声、动态范围、帧频等问题,重点探讨了针对以上问题的解决方案。最后对读出电路未来设计的改进方向进行了讨论。     

An automatic docking method for large-scale sections based on real-time pose measuring and assembly deviation control

Aiming at the problem of poor accuracy consistency of large sections’ docking assembly, an automatic docking method using multiple laser trackers to measure the position and posture of the docking sections in real time was proposed. In the solution of the pose of the docking section, real-time pose measurement of the docking section was realized by establishing a global coordinate system and a coordinate fusion method of three or more laser trackers. In the automatic control of the docking process, the real-time communication protocol and the circular negative feedback control strategy of measurement-adjustment-re-measurement are adopted, and the fully-automated docking of large sections is realized. Finally, an experimental verification system was set up, and the docking of the large-scale section reduction models was realized under the requirements of docking accuracy, and the effectiveness of the automatic docking scheme was successfully verified.     

Understanding Boosted Selective CO2-to-CO Photoreduction with Pure Water Vapor over Hierarchical Biomass-Derived Carbon Matrix

Solar-driven CO₂ reduction reaction (CO₂RR) with water into carbon-neutral fuels is of great significance but remains challenging due to thermodynamic stability and kinetic inertness of CO₂. Biomass-derived nitrogen-doped carbon (N-C_b) have been considered as promising earth-abundant photocatalysts for CO₂RR, although their activities are not ideal and the reaction mechanism is still unclear. Herein, an efficient catalyst is developed for CO₂-to-CO conversion realized on diverse N-C_b materials with hierarchical pore structures. It is demonstrated that the CO₂-to-CO conversion preferentially takes place on positively charged carbon atoms next to pyridinic-N using two representatives treated pollens with the largest difference in pyridinic-N density and N content as model photocatalysts. Systematic experimental results indicate that surface local electric field originating from charge separation can be boosted by hierarchical pore structures, doped N, as well as pyridinic-N. Mechanistic studies reveal that positively charged carbon atoms next to pyridinic-N serve as active sites for CO₂RR, reduce the energy barrier on the formation of CO*, and facilitate the CO₂RR performance. All these benefits cooperatively contribute to treated chrysanthemum pollen catalyst exhibiting excellent CO formation rate of 203.2 µmol h⁻¹ g⁻¹ with 97.2% selectivity in pure water vapor. These results provide a new perspective into CO₂RR on N-C_b, which shall guide the design of nature-based photocatalysts for high-performance solar-fuel generation.     

基于 IPPA 优化 PNN 的变压器故障诊断研究

针对变压器故障诊断精度低的问题,本文提出一种改进寄生捕食算法(IPPA)优化概率神经网络(PNN)的电力变压器 故障诊断模型,首先利用主成分分析(PCA)对故障数据进行数据降维减少无效特征,然后利用混沌反向学习,柯西变异算子和 融合贝塔分布的线性递减函数的权重等多策略改进寄生捕食算法( IPPA),提高其优化能力,并使用改进后的 IPPA 算法优化 PNN 网络的平滑因子,以提高 PNN 的分类精度和鲁棒性。 最后将 PCA 处理后的数据输入到 IPPA-PNN 模型中进行故障诊断 并以变压器数据为依据进行测试,测试结果表明,IPPA-PNN 模型准确率达到 93%相比于 PPA-PNN 和 PSO-PNN 模型提高了 7%和 10%能够有效地提高变压器的故障诊断性能。     

基于AEKF滤波与H∞滤波的锂离子电池SOC联合估计

锂电池荷电状态（SOC）的准确估计对提高电池的动态性能和能量利用率至关重要。针对现有卡尔曼滤波SOC估计方法存在估计精度低、鲁棒性差等问题,采用锂离子电池的二阶电阻-电容等效电路模型,通过HPPC循环脉冲实验和动态应力测试工况放电实验,结合带可变遗忘因子的递推最小二乘法（VFFRLS）及开窗理论,对等效电路模型参数进行在线辨识,提出利用自适应扩展卡尔曼滤波（AEKF）算法和H_∞滤波算法联合估计SOC的方法。结果表明：与AEKF算法相比,在DST工况下该算法可以使电池荷电状态估计的最大绝对误差减小3.902 9%,平均绝对误差减小0.962 2%,均方根误差减小0.551 5%。与H_∞滤波算法相比,在DST工况下该算法可以使电池荷电状态估计最大绝对误差减小1.309%,平均绝对误差减小2.893 4%,均方根误差减小2.613 6%。