未知环境下基于约束点的移动机器人路径规划

针对未知环境中障碍物种类多样性和位置不确定性的特点,提出了基于约束点的路径规划方法。首先对机器人在未知环境中检测到的局部障碍物信息进行分类和几何特征属性描述,得其约束点信息,然后引入改进后的A*算法,将其搜索范围局限于约束点上,计算约束点的评价函数值后得到子目标点,机器人到达子目标点后,若陷入死区,则采取回溯路径策略,重新选择子目标点,否则根据该点所属的障碍物种类采取跨越或绕行避障策略,最后移动机器人在未知环境中顺利到达目标点。仿真研究说明本文提出的路径规划方法具有可行性和有效性。     

一种无线链状网络路由算法的研究与应用

文章基于货运列车状态监控的无线传感器网络应用,针对网络节点能量有限以及链状网络节点负载不均衡的问题进行分析和研究,提出一种适合该应用的新型路由算法,该算法基于网络节点可通过功率控制来调整通信距离这一前提,为每个传感器节点选择合适的数据传输路径,以达到整个网络节省能耗,负载均衡的目的。仿真结果验证了该算法有效地平衡了网络负载,节省了网络能量,提高了网络生命周期。     

改进的Dijkstra算法在灾害决策系统中的应用

灾害决策系统中,核心安置点的选择对救灾工作效率影响重大;分析常用的最短路径搜索方法,选用Dijkstra算法并对其进行改进,计算选取到达最远安置点最近的安置点作为核心安置点。实验结果表明,该方法具有良好的实用性。     

应用人工神经网络理论建立热粘塑性材料的本构关系

本文将人工神经网络（ＡＮＮ）用于建立热粘塑性材料的本构关系，意在探索出一种描述材料变形力学行为的新方法。文中给出了应用人工神经网络建立热粘塑性材料本构关系的ＢＰ模型和学习算法过程，并应用于４５号钢在高温和高速变形条件下的流动应力计算。计算结果与实测结果比较表明，二者吻合良好。因此，应用人工神经网络建立热粘塑性材料的本构关系具有重要的工程应用价值。     

基于混合聚类算法的高压配电网网架规划

以高压配电网为研究对象,建立了含建设运营、故障停电损失及资产回收等成本的全寿命周期成本规划模型,提出一种基于混合聚类算法的高压配电网规划方法.首先,根据规划区域的负荷分布情况,利用DBSCAN算法与K-means算法相结合的混合聚类算法对供电分区及变电站进行划分;然后,结合区域容载比的要求,确定各供电区待建变电站总容量;最后,利用Floyd-Warshall算法求解满足目标函数要求的变电站站址和接线形式,得到整个供电区域内的高压配电网规划方案.通过某实际规划区作为算例,验证了模型和方法的实用性和有效性.     

矿用变频器输出线路人身触电安全检测技术

随着煤矿井下综采面的扩大和大容量高耗能的电气设备在井下的广泛使用,必须考虑节能和安全问题.在井下电网中接入变频器能实现对异步电动机的调速控制,达到节能效果,但也会带来谐波污染.当发生诸如人身触电等漏电故障时,继电保护装置需要测量三相对地绝缘电阻,并判断其是否达到动作整定值以决定发出跳闸信号命令.变频器的加入带来的高次谐波,对检测三相对地绝缘电阻有很大影响.介绍几种针对三相对地绝缘电阻的监测方法,并就加入变频器带来的谐波问题重点介绍基于傅里叶算法的附加直流原理测量绝缘电阻的技术.     

基于智能变电站远动通信的自动对点调试系统

基于远动通信框架,采用模块化思想,以四遥、图像及告警信息为对象,本文将厂站仿真实验平台、调度主站平台的功能分成不同的模块,可直观体现出自动对点的行为逻辑.其中,每一个模块独立开发且互不干扰,相互之间具有可借鉴性,在很大程度上降低了开发难度.在校验检测中,本文采用循环冗余算法,其与和校验法相比略复杂,但准确度更高.由此构建出一套智能变电站远动快速自动对点系统,以保证智能变电站的可靠运行.     

基于地理信息系统的配电网停电范围智能识别方法

为了能够在设备检修时快速准确地得到该设备影响的停电范围,在系统梳理配电网陪同停电规则的基础上提出了一种基于地理信息系统(GIS)与拓扑分析的设备停电范围智能识别算法.利用GIS图形化功能直观高效地识别由于空间距离的相互影响导致需要陪同停电的设备.结合图论和配电网的特点,提出节点分裂改进邻接矩阵的方法来描述配电网结构.该方法可在设备检修导致配电网拓扑结构发生变化时,避免建立和维护繁琐的开关状态信息表,对改进的邻接矩阵通过广度优先算法实现陪停范围的智能辨识.IEEE 6算例和某省级配电网实际应用表明,本文所提方法可以快速准确地识别陪停范围.     

基于变分模态分解和改进粒子群算法优化最小二乘支持向量机的短期电价预测

针对电价序列具有非线性强、波动性大的特点,提出一种基于变分模态分解(VMD)和改进粒子群算法(PSO)优化最小二乘支持向量机(LSSVM)的短期电价预测模型.首先利用VMD将原始电价数据分解为多个子序列,然后采取LSSVM模型分别对子序列进行预测.对于LSSVM预测模型的最优参数选择问题,利用改进的PSO优化LSSVM模型的参数,能够很好地提高模型预测精度.最后集成各子序列预测结果,获得最终电价预测值.为了验证所提模型的有效性,以美国PJM市场电价数据为例进行分析,并与其他预测模型进行对比,结果表明,所提模型能够很好地对短期电价进行预测.