摘要：针对传统制冷站控制系统易产生振荡,且无法实现系统性能整体优化的问题,本文提出一种制冷站非线性预测控制策略,优化目标函数设计为满足建筑冷量需求的同时,尽可能提高系统整体能效.为解决上述两个优化目标之间的矛盾关系,本文采用模糊逻辑设计了优化目标权重自适应模块,实时求取权重因子最优解;针对非线性系统在线优化求解困难问题,本文提出了基于神经网络的非线性滚动优化算法,采用神经网络作为反馈优化控制器,并将系统优化目标函数作为在线寻优性能指标,结合Euler-Lagrange方法和随机梯度下降法对控制器权值和阈值进行在线寻优,算法计算量小,占用存储空间适中,便于采用低成本的现场控制器实现制冷站预测控制.仿真实验结果表明,本文所提出的预测控制策略与PID控制相比,在未加入优化目标函数权重自适应模块情况下,系统平均能效比提高约32.5%;进行优化目标函数权重自适应寻优后,系统平均能效提高约39.43%.

摘要：基于IoU网络提出一种IT-AWCR(IoU network tracking with adaptive weighted characteristic responses)目标跟踪算法.首先,根据目标运动速度设计目标搜索区域确定策略,通过理论分析使用ResNet50的block 3、block 4卷积块的输出分别作为目标的浅层和深层特征表示;然后,以目标定位准确度和滤波模型抗干扰能力为评价指标,通过优化算法自适应计算目标深、浅特征响应加权权重,从加权融合响应中获取目标粗略位置和边界框,经扰动操作获取多个候选边界框输入IoU调制-预测网络预测IoU值,取最大IoU对应边界框为最终预测目标边界框;最后,根据训练样本的相关学习权重和样本间相似度更新生成样本集,基于样本集采用稀疏优化策略实现滤波模型更新.OTB2015和VOT2018数据集上的实验结果验证了所提出算法的有效性.

摘要：针对云资源调度问题,依据强化学习算法和云资源调度模型,建立了一种同时优化任务完成时间和运行成本的多目标云资源调度模型,并提出了一种权重自适应的强化学习算法对其进行求解。设计基于一维数组的状态空间和动作表示方法,压缩算法的存储开销,以提高算法效率。引入一种权重自适应的动作选择策略,首先根据执行动作所得到的回报值权重自适应,再通过启发式函数选择动作,以提高算法的收敛速度。使用Cloudsim仿真平台求解随机生成的数据,对使用权重自适应的Q学习算法进行测试。实验结果表明,权重自适应的启发式Q学习算法在寻优能力和负载均衡方面比遗传算法和Q学习算法好,在收敛速度方面比Q学习算法和启发式Q学习算法快。

摘要：PID控制算法在包括主动磁轴承在内的工业控制上得到了广泛应用,但电磁轴承控制系统的复杂性使得PID参数的整定十分困难。在对权重自适应粒子群算法(AW-PSO)研究的基础上,提出利用AW-PSO算法对电磁轴承控制系统的PID控制参数进行优化,并通过MATLAB仿真证明了这一方法的可行性,仿真结果表明AW-PSO在电磁轴承PID控制系统设计中将具有良好的应用前景。

摘要：针对预警雷达对气动目标协同识别的需求,提出一种自适应权重双输入自注意力残差融合识别方法。通过分析不同波段雷达对气动目标的微动差异性,在传统卷积块注意力模块(convolutional block attention module,CBAM)残差网络的基础上进行针对性改进,设计加权双输入CBAM(weighted double input-CBAM,WDI-CBAM)残差结构,对两种波段的时频图浅层特征自动分配权重并融合,从而均衡不同波段对目标识别的贡献度。仿真和实测数据处理结果表明,WDI-CBAM残差网络训练代价小,在信噪比较低及驻留时间较短的情况下识别率高。可视化结果进一步证明了所提方法能够合理分配不同波段输入对气动目标分类的重要性。

摘要：针对使用迭代式阈值分割算法检测车辆时,易造成目标特征信息丢失以及边缘模糊化的问题,提出了一种基于形态学权重自适应图像去噪的迭代式阈值分割算法:利用数学形态学原理设计了一种权重自适应形态学滤波器,采用由小到大的多结构元构造串、并联复合形态的滤波器对视频序列图像进行去噪;同时,对迭代式阈值分割法引入一个偏移系数,可以更加快速获取最优分割阈值,对图像作精确的分割.实验证明,该算法比迭代式阈值分割算法的抗噪性好且减少阈值分割中的寻优尝试次数,得到了比较理想的分割效果.