摘要：本文设计了一个多输入单输出(Multiple-Input Single-Output,MISO)的三维室内可见光定位通信一体化(Visible Light Position and Communication,VLPC)系统,该系统在接收端基于接收信号强度(Received Signal Strength,RSS)的三维可见光定位(Visible Light Position,VLP)算法获得定位数据,同时估计信道状态信息(Channel State Information,CSI)并上传给发射端进行定向通信.该系统的发射端基于空移键控(Space Shift Keying,SSK)的室内可见光通信(Visible Light Communication,VLC)技术实现系统的通信功能.另外,本方案可以完全避免通信与定位子系统之间的干扰.同时,通过推导定位误差的克拉美罗下界(Cramér-Rao Lower Bound,CRLB)和SSK-VLC的通信可达速率来评估本文提出的VLPC系统的性能.仿真结果验证了本文所提方案的有效性.

摘要：大规模分布式光伏并网给中压配电网带来严重功率反送,导致中压配电网出现节点电压越限和配电变压器反向过载问题.以系统潮流平衡、节点电压偏差、配电变压器反向负载率和线路载流量为约束条件,以分布式光伏并网容量与系统网络损耗之差的分布式光伏等效并网容量为目标函数,建立中压配电网分布式光伏承载力评估模型,并提出改进模拟退火-粒子群(SA-PSO)算法.对IEEE33系统和实际中压配电网进行分布式光伏承载力计算,结果表明,所建立的分布式光伏承载力评估模型适用于中压配电网节点电压稳定性与配电变压器安全运行问题评估;相较于其他算法,改进SA-PSO算法提高了评估模型计算的收敛速度与寻优能力,在相同约束条件限值下,所得线路分布式光伏承载力更高,且系统网络损耗更低.

摘要：干扰对齐是一种解决无线通信系统的干扰问题、提升系统容量的重要技术。但实施干扰对齐需要发送端已知全局信道状态信息。为解决在多用户MIMO干扰信道场景下实施干扰对齐会产生大量信道状态信息开销的问题,提出了连续干扰对齐反馈拓扑设计。该反馈拓扑依据用户数目设置了多对干扰对齐发送端,并连续性地执行干扰信号对齐,能够有效降低信道状态信息开销。对比已有反馈拓扑,结果表明,当用户数目K≥6时,所提的连续干扰对齐反馈拓扑能够以最低的信道状态信息开销去实现干扰对齐,这更有利于干扰对齐技术的实际应用。

摘要：针对当前金刚石压机冷却水温控系统使用传统PID算法控制精度低、温度波动大的问题,提出一种将改进鲸鱼算法与神经网络PID控制算法相结合的控制方法,实现PID参数的自适应调整。同时以GD32单片机为核心、步进电机为执行机构,设计循环冷却水温控系统硬件控制器来控制流量调节阀的开度,实现温度控制。仿真和实验结果表明:与传统PID算法相比,使用该温控系统进行温度控制时,超调量更小,控制精度更高,控制效果有很大提升。

摘要：针对高维网络数据存在大量冗余和不相关的特征导致入侵检测准确率低的问题,提出了一种改进的多因子优化蝙蝠算法(IMFBA)用于数据特征选择,筛选出具有最大信息量的特征子集,提高网络入侵检测精度。首先,在多因子优化框架下设计全局特征选择任务和局部特征选择任务,并通过基于蝙蝠算法所设计的选型交配和垂直文化传播算子实现不同任务间的信息共享,从而帮助全局特征选择任务更快锁定最优解空间,提高算法收敛速度和稳定性。其次,通过将反向学习策略和差分进化引入蝙蝠算法,重新设计算法初始解选择阶段及个体更新过程,弥补其缺少突变机制的不足,增强解的多样性,帮助算法摆脱局部最优。最后,提出一种自适应参数调整策略,根据潜在最优解质量决定其指导个体更新的权重,避免在多任务特征选择过程中出现知识负迁移现象,实现全局搜索与局部开发之间的平衡。实验结果表明:IMFBA所选特征子集对网络入侵数据集KDD CUP 99和NSL-KDD分类结果的准确率分别为95.37%和85.14%,相较于完整特征集提升了3.01百分点和9.78百分点。IMFBA算法能选择更高质量特征子集并提升网络入侵检测准确率。

摘要：针对变电站多种电气设备实时检测的需求,提出了一种基于改进YOLOv5s的电气设备识别方法,并设计基于Android部署的电气设备识别APP,以便对电气设备进行识别与学习。以电力变压器、绝缘子串等6种常见变电站电气设备为例构建图像数据集。数据集进行图像预处理后对YOLOv5s算法进行改进。通过引入C2f模块提高小目标检测精度,采用Soft-NMS提高检测框筛选能力,减少漏检和误检的情况,使用改进后的算法对数据集进行模型训练。将训练好的识别网络模型通过TensorFlow Lite框架进行模型部署,设计电气设备识别APP。经验证,改进后的变电站电气设备识别网络模型mAP稳定在91.6%,与原模型相比提高了3.3百分点。部署后的APP具有设备识别和设备介绍等界面,使用移动端进行识别时每张图片识别时间都小于1 s,具有较快的识别速度和较高的识别精度,可以高效地实现变电站电气设备的实时检测与设备学习。

摘要：针对运动观测阵列状态误差与接收频率抖动同时影响下的非圆信号无源跟踪问题,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)+双向长短时记忆网络(Bi-directional Long Short-Term Memory,BiL⁃STM)的直接跟踪算法.该算法首先利用多运动观测阵列信号各频带间的相关性与辐射源信号的非圆特性,建立模型误差影响下的扩展多站观测矢量;接着利用多个观测时隙内扩展多站观测矢量的信号子空间构造空时特征输入序列;然后设计基于CNN与BiLSTM混合神经网络的直接跟踪模型,通过训练实现对非圆目标的轨迹矢量直接估计.本文算法是从原始数据信号子空间中估计轨迹矢量的直接跟踪模式,相比传统“观测参数估计+滤波轨迹跟踪”的两步估计模式,具有更高的估计精度.由于本文算法在神经网络训练过程中学习到模型误差的信息,因此能够实现对多种误差的校正.仿真结果表明,本文算法较传统两步跟踪算法与现有直接跟踪算法均具有更高的轨迹估计精度,能够明显提升模型误差影响下多站协同跟踪的鲁棒性.

摘要：针对目前高性能计算任务调度策略利用率低、负载不均衡等问题,设计一种基于遗传-蚁群算法的高性能计算任务调度算法(GA-ACO)。GA-ACO分为两个阶段,第一阶段通过遗传算法缩小空间快速搜索到优秀解,紧接着将其转化为蚁群算法的初始信息素;第二阶段提出一种基于蚁群信息素的全局更新策略对收敛速度做出优化。实验分析表明,与蚁群算法和遗传算法相比,该算法缩短了任务完成时间,降低了节点负载率。

摘要：现有的电子简历实体识别方法准确率低,采用BERT预训练语言模型虽能取得较高的准确率,但BERT模型参数量过大,训练时间长,其实际应用场景受限,提出一种基于ALBERT的中文电子简历命名实体识别方法。通过轻量版ALBERT语言模型对输入文本进行词嵌入,获取动态词向量,解决一词多义的问题;使用BiLSTM获取上下文结构特征,深层次挖掘语义关系;将拼接后的向量输入到CRF层进行维特比解码,学习标签间约束关系,输出正确标签。实验结果表明,该方法在Resume电子简历数据集中取得了94.86%的F1值。

摘要：针对永磁同步电机的调速系统动态品质易受参数变化、外部扰动以及摩擦力等不确定因素影响而导致伺服性能降低的问题,提出一种改进的幂次指数趋近律,对该趋近律的参数k和ε引入模糊规则控制,有效抑制传统滑模变结构控制中的固有抖振问题,提升收敛速度。为了消除系统内、外部扰动引起的控制精度问题,设计一种新型扰动观测器进行观测。仿真结果表明:该方法能够实现精确的速度控制;与传统的滑模控制相比,在保留其优势的基础上,有效降低了滑模的抖振。