摘要：为了解决三维复杂环境下的无人机航迹规划问题,提出一种基于改进灰狼优化算法的无人机三维航迹规划方法.模拟真实的地理环境,建立三维地形模型和禁飞区模型,构造合理的评价函数.在改进算法中,设计一种基于贪婪思想和变异策略的初始化方法,提升了初始种群的平均适应度值;将一种非线性递减函数引入距离控制参数,解决了灰狼优化算法开发能力不足的问题;设计一种动态加权平均和静态平均混合的位置更新策略,解决了灰狼优化算法位置更新策略不灵活的问题.仿真结果表明:该算法相比于其他几种相关算法,航迹代价较小、收敛速度较快且效果更稳定.

摘要：风电出力的随机性和波动性给综合能源系统带来极大挑战。为此,提出基于风电不确定性分析和广义储能备用的鲁棒机会约束优化模型。首先,采用拉丁超立方采样和模糊c均值聚类算法对风电出力进行不确定性分析;其次,引入广义储能优化旋转备用容量,以应对风电出力不确定性;然后,以运行成本最低为目标建立将随机规划和鲁棒优化相结合的鲁棒机会约束优化模型,客观处理综合能源系统运行中风电出力的不确定性;最后,经改进的IEEE 39节点电力系统、天然气系统与热网系统组成的综合能源系统验证,该模型能够在保证系统鲁棒性的同时,提高了系统的经济性。

摘要：配电网高级应用软件是配电网自动化系统的重要组成部分。针对配电自动化系统复杂环境下的数据交互问题,以及基于数据级任务分解的分布式计算通信需求问题,提出了基于ZeroMQ消息中间件的分布式通信架构,并设计了能够传输复杂消息的通用消息格式。ZeroMQ的优秀性能使得该通信架构可有效支撑分布式计算平台在异构系统间快速交换数据,缩短了高级应用分析的计算时间,并增加了系统的容错性。利用济南市配电自动化主站系统的实际工程环境进行了部署和测试,测试结果证明了该通信架构的可行性。

摘要：分析了机器人足球比赛中传统的守门员站位方法,提出了射门三角区的概念,并应用该概念分析了垂足站位方法防守失败的原因,根据分析结果提出了角平分线站位方法和中线站位方法两种新的站位方式;守门员防守底线的方法将多维问题线性化,并且对于各种站位方法进行了分析,给出了对于不同运动性能机器人的应用条件以及能量角度的分析比较.

摘要：研究并实现了基于虚拟现实技术的风电机组仿真系统,用户可利用该系统学习风电机组的结构、安装过程、巡检流程,并可在虚拟风电场中漫游。基于三维建模工具对风电机组主要零部件如叶片、齿轮传动系统、轮毂、变速箱体、电机、风电机组塔架等进行建模;利用虚拟现实技术实现了风电机组结构、功能和拆装过程的动态演示,对风电机组安装过程和运行过程进行了仿真,提出了通过风速计算风轮转速的方法;构建了虚拟巡检人员模型和动作库,通过巡检线路关键点控制虚拟人巡检风电机组的过程,通过动作融合技术把动作序列自然地连接在一起;构建了巡检信息数据库,在虚拟巡检中实时读取机组巡检信息数据库中的相关信息并显示到屏幕上,使用户实时得到巡检相关信息。该系统适用于风电机组检修和安装人员的培训学习。

摘要：研究了基于遗传进化方法的足球机器人策略子系统.提出了比赛子区策略库的概念,在决策子系统中引入进化机制并采用了基因切片技术.给出了该算法的应用条件以及算法的实现过程,并对算法的计算过程并行化进行了讨论.通过计算机仿真验证了该算法的可行性和正确性.

摘要：针对风电场并网友好性提升问题,提出考虑风速预测不确定性和风电机组有功特性不确定性的风电场发电能力评估方案。对风速超短期预测误差和风电机组在各风速区间的出力特性进行双重不确定性分析并建立概率分布模型,进而利用贝叶斯网络构建风电机组超短期出力的双重不确定性概率预测模型。基于风电场各风电机机组超短期出力概率预测模型,以最大概率跟踪电网调度指令为目标设计场站功率分配策略。算例分析表明,所提考虑双重不确定性的概率预测模型对机风电组有功的概率分布描述更准确,该模型在场站控制中可有效提升电网功率指令的完成水平。

摘要：一般采用带宽化的方法对自抗扰控制参数进行整定,带宽法操作简单,且与很多方法可以实现等效,但是当被控对象的动态模型不等于串联积分模型时,带宽法整定所得到的参数不能保证闭环系统的稳定性。为综合考虑控制性能和整定参数的个数,提出一种观测器带宽参数化的自抗扰控制方法。在该方法中,自抗扰控制的观测器增益依然采用带宽参数进行整定,而控制器增益按静态输出反馈设计,理论证明该方法具有一定的通用性。通过在双质量弹簧系统中的应用仿真验证了该方法的有效性。

摘要：基于复杂的虚拟战场环境仿真及三维游戏的高逼真度要求,多分辨率动态地形的实时可视化,近年来在国内外得到了普遍的重视和研究。在前期初步研究动态地形的表示及动态地形多分辨率实时可视化的基础上[1],基于ROAM静态地形算法的动态扩充,设计了弹坑实时可视化系统的仿真管理,并初步实现了战场环境中弹坑的实时可视化。

摘要：目的动漫制作中线稿绘制与上色耗时费力,为此很多研究致力于动漫制作过程自动化。目前基于数据驱动的自动化研究工作快速发展,但并没有一个公开的线稿数据集可供使用。针对真实线稿图像数据获取困难,以及现有线稿提取方法效果失真等问题,提出基于循环生成对抗网络的线稿图像自动提取模型。方法模型基于循环生成对抗网络结构,以解决非对称数据训练问题。然后将不同比例的输入图像及其边界图输入到掩码指导卷积单元,以自适应选择网络中间特征。同时为了进一步提升网络提取线稿的效果,提出边界一致性约束损失函数,确保生成结果与输入图像在梯度变化上的一致性。结果在公开的动漫彩色图像数据集Danbooru2018上,应用本文模型提取的线稿图像相比于现有线稿提取方法,噪声少、线条清晰且接近真实漫画家绘制的线稿图像。实验中邀请30名年龄在2025岁的用户,对本文以及其他4种方法提取的线稿图像进行打分。最终在30组测试样例中,本文方法提取的线稿图像被认为最佳的样例占总样例84%。结论通过在循环生成对抗网络中引入掩码指导单元,更加合理地提取彩色图像的线稿图像,并通过对已有方法提取效果进行用户打分证明,在动漫线稿图像提取中本文方法优于对比方法。此外,该模型不需要大量真实线稿图像训练数据,实验中仅采集1000幅左右真实线稿图像。模型不仅为后续动漫绘制与上色研究提供数据支持,同时也为图像边缘提取方法提供了新的解决方案。