基于马尔可夫的锂电池组充电均衡控制研究

针对动力锂离子电池组充电后期过程中因单体电池性能差异而造成的可用容量不均衡、使用寿命缩短等问题,改进了一种结构较为简单、能量转移灵活的无损能量转移型均衡电路;提出了基于马尔可夫决策算法的动力锂电池组充电均衡控制方案,对单体电池间能量转移方向进行预测,决策出最优转移路径。通过实验结果分析,均衡效率、均衡效果均明显提高,实现了动力锂离子电池组充电后期过程中的充电均衡,证明了该均衡电路及均衡控制方案的可行性。     

基于模糊控制的动力电池组均衡充电控制策略研究

针对单体电池性能的不一致性导致串联动力电池组性能急剧下降以及使用寿命缩短问题,设计了一种基于储能电感的非耗散型均衡电路;在对动力电池组均衡电路充电过程进行分析的基础上,根据电池组中单体电池的SOC值,采用模糊控制算法对均衡电路切换的占空比进行控制,调节其充电电流,从而实现电池组充电的均衡控制;在恒流工况下,对四节电池串联电池组进行了均衡充电的仿真实验;实验结果表明,设计的均衡电路和模糊均衡控制算法能够实现能量的无损转移,达到均衡充电的要求。     

日常择路行为的多智能体模拟

日常路径选择是一个长期的、多体参与的非合作博弈过程.基于多智能体环境，对交通信息公开和不公开两种路径更新规则进行了模拟研究，结果表明，信息公开比不公开能够使路径流量更快地演化到logit随机用户均衡状态，但若对信息的依赖程度过大，则可能导致系统振荡；出行者完全依靠自身经验完成路径选择也可以使系统演化至稳定态，但代价是演化效率太低.因此，既要公开交通信息，又要注意合理使用信息.     

基于改进蚁群算法的LEACH协议研究

针对LEACH协议在数据传输阶段,簇首与汇聚节点之间采用单跳模式传输数据使得能量消耗快并且不均衡的问题,提出一种基于改进蚁群算法的新型路由协议。该协议利用了能耗因子对蚁群转移概率以及信息素更新进行改进,充分考虑了节点的剩余能量和节点间距离,通过信息素的建立和更新,寻找簇首节点和基站之间的最优传输路径,进行多跳传输模式,从而均衡簇首节点能量消耗。仿真实验结果表明,改进后的ACO-BEC协议较之于LEACH协议,能够有效降低了整个网络能量消耗,延长了网络寿命。     

一种用于云计算资源调度的改进遗传算法

针对轮询调度算法、遗传算法和模拟退火算法在云计算资源调度中存在收敛速度慢、易早熟和资源负载不均衡等问题,提出了一种基于模拟退火思想的改进遗传算法(Simulated Annealing Improved Genetic Algorithm: SAIGA)。改进算法设计了基于任务平均完成时间和负载均衡的双适应度函数和自适应的交叉变异概率函数,允许算法在退火过程中以一定概率接受劣质解从而避免早熟现象的发生,将虚拟资源上任务分配数的标准差作为选择个体的依据来实现节点的负载均衡。仿真结果表明,改进算法与上述算法相比,在任务平均完成时间、资源利用率以及收敛速度上表现得更优越,能够较快地找到资源最优调度方案,具有较好的可行性和实用性。     

正交时频空间调制移动水声通信方法

为提高移动水声通信可靠性,提出了一种基于正交时频空间(OTFS)调制的移动水声通信方法。针对水声信道长时延扩展的特点,设计了一种低复杂度交叉域Turbo迭代均衡算法,先在时域内对接收信号进行最小均方误差(MMSE)均衡,将均衡后的外部信息传递到时延-多普勒域进行软译码;再将译码后的软信息反馈回时域,作为下一次时域均衡的先验信息,实现均衡与译码的迭代检测。此外,针对OTFS水声通信中OTFS符号维度过大导致MMSE均衡复杂度过高的问题,采用了一种低复杂度MMSE算法,先利用矩阵对角线元素得到一组初始估计值,再将矩阵求逆问题转换为求解初始估计值与准确求解值之间的误差,继而通过对误差向量的不断迭代估计来实现低复杂度计算。湖试数据处理结果表明,所提方法可在最大移动速度4 kn的情况下实现OTFS信号的可靠检测。     

基于改进支持向量机的水声目标-杂波不平衡分类研究

针对水声目标-杂波数据集在有限样本下的类不平衡特性,导致代价敏感支持向量机难以逼近贝叶斯最优决策的问题,本文提出了一种基于能量统计(Energy statistics)方法的支持向量机(En-SVM)。该算法通过度量原始数据空间与有限样本空间特征函数之间的加权平方距离,量化少数类样本不完全采样过程中的信息损失,来补偿再生核希尔伯特空间中机器学习算法所需的少数类分类信息,增加少数类样本对决策的影响力。实验结果表明,En-SVM能够在保持高检测概率的同时获得较低虚警概率,即通过分类可以排除大量的杂波,性能优于标准支持向量机和代价敏感支持向量机,能够有效处理水声不平衡数据的分类问题,实现主动声呐信号处理中的杂波抑制。     

混合道路状况下基于单片机的汽车智能路径选择系统设计

针对当前汽车在混合道路状况下排队等待时间长的问题,设计并实现了一种混合道路状况下基于单片机的汽车智能路径选择系统,系统采用光电传感器进行汽车速度与间距的测量,采用CCD摄像机获取某路段汽车运行情况图像的视频图像,采用SAA7113视频解码器通过抗混叠滤波、A/D转换成数字图像存储到高性能计算机中,汽车智能路径选择引入最大类间方差算法(OTSU),依据车辆和背景的方差动态确定图像分割阀值,获取排队车辆图像区域,按照视频的时间获取车辆的排队等待时间信息;并对获取的数据信息进行分析和处理,最终实现汽车路径的时间最优或路状最优选择;实验结果说明系统选择路径的车辆排队时间与最优等待时间匹配度达到98%,误差控制在2.5%以内,并且系统具有超高的稳定性,应用前景广阔。     

基于反激式直流变换器的电池均衡系统仿真研究

针对电动汽车锂离子电池组在工作过程中出现的能量不一致现象,设计了一种基于反激式直流变换器的主动均衡电路,包括电源转换、信号采集、驱动电路以及均衡器4个模块。研究了均衡系统的拓扑结构和工作原理以及控制策略,阐述了反激式直流变换器与锂离子电池的建模方法,针对电池组8种典型的非均衡工况,进行了混合策略下的5 kHZ高频仿真实验,实验用电池SOC从44.3%到55.7%均有涉及,仿真与实验结果误差均在10%以内,验证了PSIM仿真电路与同轴多绕组变压器与电池建模方法以及混合控制策略的正确性。     

基于双层多指标优化的水下偏振成像技术

无先验水下主动偏振成像方法能够实现目标信息光偏振度和后向散射光偏振度的自动获取,但该方法在反演过程中仅追寻高对比度这一单一指标,有时会导致自动获取的两项偏振反演参数过于相近,使图像复原效果不理想,且常伴有大量噪声.针对上述仅追求单一指标导致复原图像质量不理想的问题,本文提出一种基于双层多指标优化的水下偏振成像方法.首先,第1层以互信息和对比度为目标函数,基于多目标遗传优化算法自动获取偏振参数最优解集;其次,选择信息熵为第2层目标函数,遍历最优解集,获取偏振参数最终解,并将其代入成像模型,获取复原图像;最终,根据所获偏振参数之差,选取适当数字图像处理手段进一步提升复原图像质量.实验结果表明,无论背景区域存在与否,无论目标物偏振度高低,本方法均能有效增强图像细节,平衡各项图像质量评价指标,得到综合质量较高的复原图像.     

基于依赖型任务和Sarsa(λ)算法的云计算任务调度

针对现有的云计算任务调度算法具有的任务调度时间长和系统负载不均衡的缺点,提出了一种基于依赖型任务和Sarsa(λ)算法结合的依赖型任务调度方法;首先对调度目标模型进行了定义,以最小化调度策略的最晚完成时间作为调度目标,然后将任务调度模型建模为马尔科夫决策过程MDP,在此基础上,基于MDP采用Sarsa算法实现对状态动作值的更新,为了加快算法的收敛速度,在状态动作值更新的过程中加入资格迹,给出了资格迹的更新方式;最后,定义了基于依赖型任务DAG图和Sarsa(λ)的云计算任务调度算法;在Cloudsim环境下进行仿真试验,结果表明文中方法能有效地实现依赖型任务调度,且较其它方法相比,具有任务调度时间短和负载均衡的优点,是一种适合云计算环境的可行任务调度方法。     

基于改进图划分的异构并行计算模型设计

为了实现大规模计算机集群上的高效分布式并行计算,设计了一种基于改进图划分和量子遗传算法的异构节点并行计算模型;首先,介绍了传统图划分模型并分析了其不足,然后从图的有向性、通信开销计算和负载均衡度等方面对传统的图划分模型进行了改进,从而得到一个改进的图划分模型;最后,以最小化通信开销和优化资源负载均衡为目标,通过设计编码方案,在改进的图划分模型上提出了采用量子遗传算法获取最优任务划分方案的最优解;仿真实验表明:文中方法能有效实现任务的并行计算,与其它方法相比,具有较小的通信开销和较好的负载均衡度,具有很强的可行性。     

云环境下基于节能和负载均衡的混沌粒子群资源优化调度

针对传统云计算资源调度方法仅关注任务的最大完成时间,没有考虑到节能和资源负载均衡的问题,提出了一种基于混沌粒子群算法实现云资源优化调度的方法;首先,定义了以节能和负载均衡为目标的多目标数学模型,然后设计了一组靠近最优Pareto 前沿的解作为初始种群,采用改进的粒子群算法来搜索最优调度方案,当最优解连续两代未发生变化时,通过混沌遍历法对粒子进行局部寻优,以加快获取全局最优解;在CloudSim仿真环境下结合Matlab工具进行实验,结果表明:文中方法负载均衡离差平均值为0.156,且较其它方法,具有较好的负载均衡能力和较低的能耗,具有很强的可行性。     

基于GM(1,1)预测和虚拟机迁移的云计算负载均衡策略设计

针对云计算中心虚拟机集群负载的不均衡问题,设计了一种基于GM(1,1)预测和虚拟机迁移的负载均衡策略;首先,描述了云计算中心的负载均衡原理,介绍了经典ELB算法并总结了其缺点,然后,设计了基于GM(1,1)的虚拟机负载预测算法,能根据虚拟机的历史负载信息来预测下一时刻的负载信息,能有效克服ELB算法中仅依赖当前时刻负载而进行虚拟机的删除和增加,同时通过设定不同的阈值来实现虚拟机的增加、删除和迁移,最后,定义了基于预测机制和虚拟机迁移的负载均衡算法,能在创建虚拟机时根据用户的请求定制AMIs模板,从而提交用户请求的响应速度;在CloudSim环境下进行实验,实验结果表明文中方法能有效地实现云计算中心虚拟机集群的负载均衡,与其它方法相比,具有负载均衡高和负载均衡效率高的优点,是一种有效的云计算环境的负载均衡策略。     

一种用于基站的柴油发电机组控制器的研究

针对山区、偏远乡村等地的通信基站用柴油发电机设计一款专用控制器;基站使用柴油发电机供蓄电池充电作为电源,控制器实现蓄电池电量监控,显示以及控制柴油发电机自动停开机和对蓄电池充电的功能;控制器以具有Cortex-M4内核的STM32F407芯片为核心,通过μC/OS-II实时操作系统和PID算法对发电机和蓄电池充电进行实时控制;实验表明,控制器能够实现发动机的自动控制,在为蓄电池充电过程中恒压波动小于±0.1 V,恒流波动小于±0.2 A,实现蓄电池快速稳定充电,满足基站的供电需求。     

水声通信系统中双向turbo均衡算法

提出了一种水声通信系统中直接自适应双向turbo均衡算法。摒弃了信道估计步骤,采用基于直接自适应的turbo均衡器,并利用内嵌数字锁相环的判决反馈均衡器结构跟踪时变信道,采用最速优化算法自适应调整迭代步长,使得收敛速度和算法性能得到很好折中。此外,利用最小均方误差准则,得到最优权重因子,对正向与反向turbo均衡结果加权求和,消除误差传播效应。仿真和湖上实验验证了方法的正确性,双向均衡的性能优于单向均衡。湖上实验结果表明,基于直接自适应算法相比于基于信道估计的算法,对时变信道不敏感,能获得更低的误比特率。      

一种用于云计算资源调度的双向蚁群优化算法

对云计算环境中的资源调度问题进行了研究,针对蚁群优化算法(ACO)在处理大规模组合优化问题时易陷入搜索速度慢和局部最优解的缺陷,提出了一种实现云计算负载均衡的双向蚁群优化算法(BACO)用于资源调度;该算法考虑到了每个虚拟机的负载和计算能力,同时在云环境中引入了蚂蚁的向前移动和向后移动;最后通过在CloudSim平台进行仿真实验,结果表明该算法的总任务完成时间较短,具有较好的寻优能力,并且能够实现负载均衡,是一种有效的资源调度算法。     

水声通信低复杂度最大似然联合均衡译码方法

现有Turbo均衡采用迭代联合均衡译码结构,这一迭代过程在信噪比高于某一门限后才能产生正向的迭代增益,当信道码间干扰较为严重或者采用高阶调制方式时,该信噪比门限较高;同时,现有Turbo均衡的性能还受限于其交织器长度,故当码块长度较短时,其性能并不理想。针对以上问题,提出了一种基于Spinal码的联合均衡译码方法。首先,该方法采用非迭代的最大似然联合均衡译码结构,有效避免了Turbo均衡迭代结构所带来的信噪比门限高问题;其次,该方法采用信息混合能力更强的Spinal码,有助于提高码块长度受限时的误码率性能;最后,该方法利用Spinal码可以有效增加相似信息序列间汉明距离的特点,将联合均衡译码时间复杂度降低为仅随信息序列长度与信道响应长度呈线性增长,解决了本方法难以实际应用于实时水声通信的难题。在抚仙湖湖试中,同样实现速率为3.34kbps数据通信,该方法的误码率优于Turbo均衡方法两个数量级以上。时变水声信道下的仿真以及湖试结果表明,该方法在码长受限的情况下仍在复杂水声信道中表现出更好性能,其所需的最低输入信噪比显著低于现有Turbo均衡方法。      

基于改进混合蛙跳和GIS的城市垃圾车回收路径优化设计

针对城市生活垃圾由于回收不及时带来的二次污染加剧和现有的垃圾回收路径方案仍然成本过高的问题,设计了一种基于GIS和改进混合蛙跳算法的城市生活垃圾回收路径设计方法。首先引入了基于GIS的回收路径规划模型,以最小化垃圾回收总路径长度、车辆总费用和惩罚成本为目标建立了城市生活垃圾回收路径规划的数学模型。然后,对基本混合蛙跳算法进行了改进,提出了基于Tent映射和混沌扰动的初始种群生成方式,将规划的目标函数转换为适应度函数,为了加快算法的收敛速度,设计了一种自定义距离度量方式以衡量解之间的差异,从而实现最差解的自适应更新,以实现全局最优,最后,定义了基于GIS和改进混合蛙跳算法实现垃圾回收路径规划的具体算法。仿真实验表明：文中设计的算法能有效地实现城市垃圾回收路径规划,较其它算法相比,具有收敛速度快和寻优能力强的优点,是一种解决城市垃圾回收路径规划的可行方法。     

机器人智能视觉路径选择系统的设计与实现

机器人视觉路径选择系统的性能,对于提高不同领域机器人应用性能具有重要的应用意义;提出了考虑最优路径数据挖据的机器人视觉路径选择系统的优化设计方法,分析了该系统组成的总体结构,给出了系统的电机驱动模块、图像采集处理模块、USB接口以及电源模块的硬件结构设计,分析了考虑最优路径数据挖据机器人视觉路径规划的具体过程,介绍了系统实现路径规划的关键程序代码,实现机器人视觉路径的准确选择;实验结果说明,所设计模型可实现机器人路径的有效规划,具有较高的规划效率和精度。 