首页期刊导航|自动化与仪器仪表
期刊信息/Journal information
自动化与仪器仪表
自动化与仪器仪表

孙怀义

双月刊

1001-9227

auto81@163.com

023-63050371

401121

重庆市渝北区人和杨柳路2号B区

自动化与仪器仪表/Journal Automation & InstrumentationCSTPCD
查看更多>>本刊是技术刊物。旨在加强学术交流，促进中国自动化与仪器仪表的发展，为自动化和仪器仪表工作者服务。
正式出版
收录年代

    基于步态特性分析的自适应零速检测行人导航方法

    刘思宇崔建民刘国栋张溢阅...
    1-5页
    查看更多>>摘要：为了更快速精确地检测零速度,提出了一种自适应检测零速事件的行人导航方法.该方法首先根据惯性数据,以一个步态周期为一组,计算步行和跑步差异性特性标签;然后将计算出的标签通过支持向量机(SVM)判断运动状态;最后通过RNN神经网络使用原始惯性数据结合运动状态确定输出是否为零速度事件,降低了计算成本.通过不同运动状态的多个实验对该方法进行了评价,在135.6 m的步行,跑步和步行-跑步复合运动中,水平位置误差分别为0.748,0.593和1.054 m,闭合定位误差为0.551％,0.438％和0.777％.

    行人惯性导航零速修正运动轨迹运动分类

      原文链接:
    • 万方数据
    • 维普

    基于神经网络和聚类算法的某破障武器自抗扰控制研究

    王嘉良侯润民徐强龚永昌...
    6-9,14页
    查看更多>>摘要：针对破障车其上破障武器发射时抗干扰性差的问题,提出了基于RBF和聚类算法的自抗扰控制方法.根据破障武器的随动系统原理,建立了相应的数学模型.同时为了解决自抗扰控制器内部参数繁多且较难整定的问题,采用了神经网络(RBF)对扩张观测器(ESO)和非线性控制率(NLSEF)参数在线整定的方法,并使用改进型聚类算法对RBF神经网络参数在线校正以达到更好的控制效果.通过Simulink仿真实验,证明该方法可以提高破障武器炮控系统的鲁棒性和响应速度,增强了系统的抗干扰能力.

    自抗扰控制器扩张观测器非线性控制率神经网络聚类算法

      原文链接:
    • 万方数据
    • 维普

    考虑阀点效应的基于神经网络算法的负荷经济调度

    徐艺玮李光熹刘晗
    10-14页
    查看更多>>摘要：经济负荷调度(Economic load dispatching,ELD)问题具有非凸、非光滑特性的特点,在电力系统运行及元启发式算法研究中,均是重要课题.提出了一种基于神经网络算法(Neural network algorithm,NNA)的ELD求解模型,考虑发电机组阀点效应因素,将阀点效应所引起的煤耗成本计入目标函数,建立了考虑阀点效应约束的经济调度模型.以调度总成本为目标函数,在满足负荷需求及系统运行约束的条件下,最大程度地降低运行总成本.通过对IEEE-30、IEEE-39及IEEE-118标准测试系统的仿真,分析了算法的搜索能力及迭代收敛情况,并同其他方法的结果进行对比,验证了所提方法的有效性和适用性.

    经济负荷调度神经网络阀点效应运行约束

      原文链接:
    • 万方数据
    • 维普

    模糊优选决策和供水系统数学模型在校园供水系统优化调度中的应用研究

    王祝惠子
    15-18,23页
    查看更多>>摘要：研究旨在应对校园供水系统面临的复杂挑战,确保学校供水系统的高效、可靠运行,为实现这一目标,采用微观水力数学模型与模糊优选决策来建立校园供水系统优化调度模型.实验结果表明,动态水力模型监测下84％的压力监测模拟值误差在1.0 Pa以内,98％的流量监测模拟值误差在8％以内.进行优化调度后,平均能耗降低606.83 kWh,平均成本减少811.87元.最后利用模糊优选决策对突发事件进行优化调度,选择相对优属度0.849的方案二.研究对城市基础设施、水资源管理以及校园供水系统的可持续性和可靠性具有重要意义.

    模糊优选决策水力数学模型优化调度校园供水系统

      原文链接:
    • 万方数据
    • 维普

    基于联邦学习的移动边缘节点计算的数据智能分类问题研究

    杨文彬
    19-23页
    查看更多>>摘要：目前利用监督学习来解决网络流量数据分类的方法过度依靠高品质标记的大规模数据采样,以此导致难以直接应用于移动边缘节点计算等问题.因此,研究结合联邦学习与生成对抗网络(Generate Adversarial Networks,GAN)提出数据分类方法,并引入自监督学习提出了改进模型,同时对其性能进行了验证.实验结果表明,模型对比中改进模型三个指标的数值分别为0.90、0.63和0.59,均显著高于对比模型,其与集中式的无监督分类模型相比,其实际的分类准确度的提升超过了20％.不同参数分析中,参数a、b、c、d下的指标N均在较低的训练轮次时开始收敛整体上维持在0.52～0.62之间.综合来看,研究提出的改进模型在数据智能分类上具备较高的性能,在实际移动边缘节点计算数据分类中具备有效性.

    联邦学习移动边缘节点生成对抗网络分类准确度自监督学习

      原文链接:
    • 万方数据
    • 维普

    面向产品车间的物流配送分布路径关键技术研究——基于改进蚁群多因子算法

    邝云英
    24-28页
    查看更多>>摘要：对于电商厂家而言,产品车间的生产效率至关重要.因此,为了提升电商产品车间的物流配送效率,节省相应的配送成本,研究提出了一种基于改进蚁群多因子算法的电商产品车间物流配送分布路径优化模型.通过对其启发因子、挥发因子、信息素增量的改进,求得最优模型的解.结果表明,改进后研究算法在精度上提升了约40.9％,研究模型速度较改进前提升了将近1倍.改进信息素增量后,算法精度较传统算法提升了约20.58％.物料配送中心与作业区的人力资源优化率分别为80％、52％,作业空间减少优化率为26％.研究方法有效提升了配送效率,降低了库存及运输物料的成本,并对保证产品稳定高效的生产具有重要的意义.

    电商电商产品车间蚁群算法改进模型路径优化

      原文链接:
    • 万方数据

    基于深度脉冲神经网络的电动汽车充电安全状态预测

    王鹏柏世涛吴智强欧阳...
    29-32页
    查看更多>>摘要：针对电动汽车充电安全状态预测精度不高,充电安全保障程度不够的问题,提出以深度脉冲神经网络为基础依据的电动汽车充电安全状态预测系统.系统通过粒子群算法对脉冲神经网络进行深度优化,以实现更加准确的电动汽车充电安全状态预测.电动汽车充电安全状态预测主要通过电动汽车充电时的充电数据信息,对电动汽车动力电池的充电温度进行预测,通过阈值判断电动汽车充电过程是否处于安全状态.经过实验验证分析,设计的系统精确度高,泛化能力强,更加适用于电动汽车充电安全状态预测.

    电动汽车充电安全状态脉冲神经元粒子群算法

      原文链接:
    • 万方数据
    • 维普

    电动汽车充电站储能容量自动配置研究

    杨怀栋刘杰李勋黄鹏...
    33-36页
    查看更多>>摘要：电动汽车充电站储能容量配置受到多个条件的约束,导致配置结果不能达到最优,所以研究基于改进入侵杂草算法的电动汽车充电站储能容量自动配置方法.计算电动汽车充电站光伏出力,结合计算结果估计电动汽车充电站负荷.根据负荷估计结果确定经济成本、储能电池的循环效率、变压器容量、功率等级和充电桩数量等多个约束条件,搭建电动汽车充电站储能容量自动配置目标函数,采用改进入侵杂草算法自动求解目标函数,获取全局最优解,实现电动汽车充电站储能容量自动配置.实验结果表明,所提方法的电动汽车充电站负荷估计精度更高,储能容量配置效果更佳,运行效率更高,配置结果具有可靠性.

    电动汽车充电站储能优化配置改进入侵杂草算法约束条件全局最优解

      原文链接:
    • 万方数据
    • 维普

    基于深度学习的电力图像大数据分类研究

    陈晓雷朱轩冕温积群刘主光...
    37-40,45页
    查看更多>>摘要：与普通图像数据分类相比,电力图像数据之间的相似度更高,为数据的分类工作带来较大难度,以提高电力图像大数据分类精度为目的,提出基于深度学习的电力图像大数据分类方法.采用数据挖掘的方式,采集电力图像大数据,通过灰度化、滤波等步骤,完成对初始电力图像大数据的预处理.利用深度学习算法中的卷积神经网络,通过前向传播与反向传播的训练,得出电力图像大数据特征的提取结果.最终通过特征匹配,确定电力图像大数据的所属类型,完成数据的分类工作.通过性能测试实验得出结论:与传统方法相比,优化设计方法的分类准确率和召回率分别提高了 4.8％和2.35％,即优化设计方法在分类性能方面具有明显优势.

    深度学习电力图像电力大数据数据分类

      原文链接:
    • 万方数据
    • 维普

    基于前向神经网络的分布式光伏承载力预测方法

    徐其春田新成徐小华
    41-45页
    查看更多>>摘要：光伏能源较为分散,可供容量也存在着一定的限制,并网过程中会影响电力系统的稳定性,提出基于前向神经网络的分布式光伏承载力预测方法研究.构建分布式光伏发电系统模型,深入分析分布式光伏承载力影响因素,以电力系统稳定运行为目标,构造分布式光伏承载力预测模型,并确定相应的约束条件,引入并训练前向神经网络,将分布式光伏并网相关数据输入至训练好的前向神经网络中,输出结果即为分布式光伏承载力预测结果.实验结果显示:应用提出方法获得的光伏承载力预测时间小于给定最大限值,光伏承载力预测结果与实际结果几乎保持一致,充分证实了提出方法应用性能较佳.

    分布式承载力光伏前向神经网络预测最大接入容量

      原文链接:
    • 万方数据
    • 维普