检索结果-南通市图书馆

An Improved Hybrid Indoor Positioning Algorithm via qpso and MLP Signal Weighting

在线全文

学校读者我要写书评

暂无评论

Computers, Materials & Continua 2023年第1期74卷 379-397页

作者： Edgar Scavino Mohd Amiruddin Abd Rahman Zahid Farid Department of Physics Faculty of ScienceUniversiti Putra MalaysiaUPM Serdang43400Malaysia Department of Electrical Engineering Abasyn UniversityKhyber-PakhtunkhwaPakistan

Accurate location or positioning of people and self-driven devices in large indoor environments has become an important necessity The application of increasingly automated self-operating moving transportation units,in large indoor spaces demands a precise knowledge of their positions.Technologies like WiFi and Bluetooth,despite their low-cost and availability,are sensitive to signal noise and fading effects.For these reasons,a hybrid approach,which uses two different signal sources,has proven to be more resilient and accurate for the positioning determination in indoor environments.Hence,this paper proposes an improved hybrid technique to implement a fingerprinting based indoor positioning,using Received Signal Strength information from available Wireless Local Area Network access points,together with the Wireless Sensor Networks technology.Six signals were recorded on a regular grid of anchor points,covering the research space.An optimization was performed by relative signal weighting,to minimize the average positioning error over the research space.The optimization process was conducted using a standard Quantum Particle Swarm Optimization,while the position error estimate for all given sets of weighted signals was performed using aMultilayer Perceptron(MLP)neural network.Compared to our previous research works,the MLP architecture was improved to three hidden layers and its learning parameters were finely tuned.These experimental results led to the 20%reduction of the positioning error when a suitable set of signal weights was calculated in the optimization process.Our final achieved value of 0.725 m of the location incertitude shows a sensible improvement compared to our previous results.

关键词： qpso indoor localization fingerprinting neural networks WiFi WSN

DC–DC Converter with Pi Controller for BLDC Motor Fuzzy Drive System

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Computer Systems Science & Engineering 2023年第6期45卷 2811-2825页

作者： S.Pandeeswari S.Jaganathan RVS College of Engineering and Technology Coimbatore641402Tamil NaduIndia Dr.N.G.P.Institute of Technology Coimbatore641048Tamil NaduIndia

The Brushless DC Motor drive systems are used widely with renewable energy resources.The power converter controlling technique increases the performance by novel techniques and algorithms.Conventional approaches are mostly focused on buck converter,Fuzzy logic control with various switching activity.In this proposed research work,the qpso(Quantum Particle Swarm Optimization algorithm)is used on the switching state of converter from the generation unit of solar module.Through the duty cycle pulse from optimization function,the MOSFET(Metal-Oxide-Semiconductor Field-Effect Transistor)of the Boost converter gets switched when BLDC(Brushless Direct Current Motor)motor drive system requires power.Voltage Source three phase inverter and Boost converter is controlled by proportional-integral(PI)controller.Based on the BLDC drive,the load utilized from the solar generating module.Experimental results analyzed every module of the proposed grid system,which are solar generation utilizes the irradiance and temperature depends on this the Photovoltaics(PV)power is generated and the qpso with Duty cycle switching state is determined.The Boost converter module is boost stage based on generation and load is obtained.Single Ended Primary Inductor Converter(SEPIC)and Zeta converter model is compared with the proposed logic;the proposed boost converter achieves the results.Three phase inverter control,PI,and BLDC motor drive results.Thus the proposed grid model is constructed to obtain the better performance results than most recent literatures.Overall design model is done by using MATLAB/Simulink 2020a.

关键词： Solar module fuzzy qpso boost DC-DC converter BLDC motor drive three phase inverter PI controller

一类碰撞振动系统混沌运动的qpso-RBFNN控制

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

机械科学与技术 2023年第6期42卷 842-849页

作者：卫晓娟周方伟李宁洲丁旺才上海应用技术大学轨道交通学院上海201418 兰州交通大学机电工程学院兰州730070

针对难以建立精确数学模型时的碰撞振动系统混沌运动控制问题,提出一种采用qpso算法优化RBFNN的参数反馈混沌控制方法。利用分岔图、Lyapunov指数谱图、Poincaré截面图和相图分析了混沌运动与系统特定参数条件间的关联关系及表现特征,... 详细信息

针对难以建立精确数学模型时的碰撞振动系统混沌运动控制问题,提出一种采用qpso算法优化RBFNN的参数反馈混沌控制方法。利用分岔图、Lyapunov指数谱图、Poincaré截面图和相图分析了混沌运动与系统特定参数条件间的关联关系及表现特征,基于RBFNN设计了参数反馈混沌控制器,并将最大Lyapunov指数作为加权项构建适应度函数,以引导qpso算法优化控制器的参数并量化评价混沌控制效果。仿真研究中,进一步分析了qpso算法的控制参数(即收缩扩张系数)对混沌控制效果的影响。

关键词：碰撞振动系统混沌控制 qpso RBFNN Lyapunov指数

面向数字孪生的区间二型T-S模糊建模方法研究

在线全文

学校读者我要写书评

暂无评论

动力工程学报 2023年第5期43卷 582-589页

作者：张悦高晓娜王梦雪练有焜华北电力大学自动化系河北保定071000 华北电力大学河北省发电过程仿真与优化控制技术创新中心河北保定071000

为提高变负荷工况下火电机组动态过程模型精度以达到数字孪生模型要求,构建串联结构混合模型,采用量子粒子群算法(qpso)构建全局模型,引入区间二型T-S(IT2TSK)模糊模型实现孪生体子模型及过渡过程的精准演化。针对IT2TSK模糊模型中模糊... 详细信息

为提高变负荷工况下火电机组动态过程模型精度以达到数字孪生模型要求,构建串联结构混合模型,采用量子粒子群算法(qpso)构建全局模型,引入区间二型T-S(IT2TSK)模糊模型实现孪生体子模型及过渡过程的精准演化。针对IT2TSK模糊模型中模糊集和模糊规则较难确定的问题,设计了两步循环迭代法确定前后件参数,保证模糊集参数能够纵向体现不同状态集之间的不确定性,以及模糊规则能够横向实现子模型间的平稳过渡,保证全工况下孪生体模型高度逼近动态过程。结果表明:以空气预热器为例,在变负荷训练集上,较简化定工况模型和一型T-S模糊模型而言,基于IT2TSK模糊模型的参数在线自适应混合模型的输出能够更准确地跟踪实际值,整体精度更高。

关键词：混合模型串联结构数字孪生 qpso 区间二型T-S模糊模型参数在线自适应

在线全文

学校读者我要写书评

暂无评论

基于LightGBM的网络入侵检测研究

计算机应用与软件 2022年第8期39卷 298-303,311页

作者：唐朝飞努尔布力艾壮新疆大学软件学院新疆乌鲁木齐830046 新疆大学网络中心新疆乌鲁木齐830046 新疆大学信息科学与工程学院新疆乌鲁木齐830046

针对传统的常用机器学习算法在网络入侵检测中存在准确率不够高、训练速度慢的缺点,提出基于特征选择、LightGBM的网络入侵检测系统。使用PCA进行特征选择,采用qpso为LightGBM算法选择最优参数,在Spark集群上运行,缩短了训练时间。此外... 详细信息

针对传统的常用机器学习算法在网络入侵检测中存在准确率不够高、训练速度慢的缺点,提出基于特征选择、LightGBM的网络入侵检测系统。使用PCA进行特征选择,采用qpso为LightGBM算法选择最优参数,在Spark集群上运行,缩短了训练时间。此外,由于使用了基于PCA的特征选择方法,仅使用了41个特征中的9个(21.95%),达到优于使用全部特征训练模型的性能。在NSL-KDD数据集上测试了提出的系统的性能,其能准确、快速地对入侵行为样本进行识别。

关键词：网络入侵检测特征选择 lightGBM qpso Spark

在线全文

学校读者我要写书评

暂无评论

基于双微声阵列的声源目标被动定位方法研究

基于双微声阵列的声源目标被动定位方法研究

作者：孙泽鹏中北大学

学位级别：硕士

声源定位技术是一种被动式目标定位技术,因具有作业隐蔽,不受视线限制、抗电磁干扰等特点,而被广泛应用于军事和民用领域。在近距离的城市巷战和反恐打击中,作战人员利用具有极强穿透能力的枪声信号进行目标探测,可以提高对敌方火力来... 详细信息

声源定位技术是一种被动式目标定位技术,因具有作业隐蔽,不受视线限制、抗电磁干扰等特点,而被广泛应用于军事和民用领域。在近距离的城市巷战和反恐打击中,作战人员利用具有极强穿透能力的枪声信号进行目标探测,可以提高对敌方火力来源、敌方人员位置的识别定位准确度,进而提升单兵反恐作战能力。然而,复杂战场环境下存在环境噪声和干扰等因素,造成枪声信号的信噪比低;同时由于声传感器阵列基线较短,使得定位参数提取难度大,进而导致枪声声源目标难以有效定位。针对上述问题,本文开展了基于双微声阵列联合定位方法研究。首先,对单个声传感器阵列拓扑结构进行了优化设计,结合人体生理学对双阵列结构进行优化布设;其次,采用基于豪斯多夫距离的变分模态分解(VMD)算法对枪声信号进行去噪处理,通过群波相位差提取方法,提高时差测量分辨率,并结合广义互相关时延估计去除相位模糊,提高微声阵列时差特征参数获取能力;再次,建立基于双阵列联合定位模型,通过双阵列交叉定位算法确定枪声声源所在区域;引入自适应动态搜索范围控制策略,通过改进qpso群智能优化算法在声源所在区域内进行精细化搜索扫描定位;最后,对所提方法的可行性进行验证。试验结果表明,本文提出的基于双阵列联合声源定位方法,在单阵列基线0.11m,双阵列距离0.4m的条件下,声源20m范围内定位误差≤5%,有效地提高了声源定位的精度。在枪声定位、安全防范方面具有一定的工程应用价值。

关键词：枪声定位声传感器阵列时差特征参数提取 qpso

基于能量聚焦的地下浅层多震源高精度扫描定位方法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于能量聚焦的地下浅层多震源高精度扫描定位方法研究

作者：庞珂中北大学

学位级别：硕士

地下浅层区域中震源定位技术是现在地下空间研究的热点问题之一,常常被应用于地下矿产资源勘探、人工爆炸和微差爆破等领域。目前,地下浅层空间中的震源定位技术通常借鉴于地下深层空间中地震震源勘探技术。其中基于能量场定位方法是一... 详细信息

地下浅层区域中震源定位技术是现在地下空间研究的热点问题之一,常常被应用于地下矿产资源勘探、人工爆炸和微差爆破等领域。目前,地下浅层空间中的震源定位技术通常借鉴于地下深层空间中地震震源勘探技术。其中基于能量场定位方法是一种常用的定位方法,这种定位方法不需要对初至时刻进行拾取,但需要对区域内的能量进行求解,计算量较大,模型的精度较低;同时由于该方法侧重于解决地层介质变化相对均匀且震动波速度已知条件下的深层震源定位问题,对于地下浅层介质存在类型复杂多变、分布随机、非均匀等现象,导致速度参量仅能设定为平均值,从而造成了在大区域浅层震源搜索过程中,定位误差较大的问题。针对上述地下浅层震源定位发展过程中存在的问题,本文在可控响应功率(Steered Response Power,SRP)的能量场模型的基础上,提出了一种基于能量聚焦的地下浅层多震源高精度扫描定位方法。首先,利用地下随机介质建模的方式重建区域中的速度场模型;然后,利用VMD对传感器信号进行降噪预处理,并通过广义加权S变换对传感器信号进行时频域分析,得到震源个数及信号的频率范围,并将信号进行时窗分解,确保每个时窗内有且仅有一个震源;其次,在每个时窗内建立优化可控响应功率的定位模型;最后,在该定位模型的基础上,利用改进的量子粒子群算法对能量聚焦点(震源)位置进行搜索定位。在地下浅层复杂介质条件下,为微差爆破提供了高精度多震源定位的理论支撑。本文通过实际实验对所提方法进行了验证。验证结果表明,本文所提出的基于能量聚焦的地下浅层多震源高精度扫描定位方法,可有效提高地下浅层多震源的定位精度和效率。在100*100*50m区域范围内进行地下爆炸的仿真实验中,采用本文方法的RMSE定位误差最小为0.09m,x、y、z三轴的绝对误差分别降低至0.08m、0.03m和0.03m以内。

关键词：多震源定位随机介质建模 VMD 广义加权S变换 SRP qpso

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于空间降尺度的林地变化监测研究

基于空间降尺度的林地变化监测研究

作者：夏思然中南林业科技大学

学位级别：硕士

随着人类活动和世界经济的发展,森林资源大幅减少,森林覆盖率急速发生变化,如何迅速准确地获得林地覆盖变化的信息显得尤为重要。Sentinel-2遥感卫星包含2A和2B两颗卫星,由于其时空分辨率高、波段信息丰富,使得它在森林覆盖变化监测方... 详细信息

随着人类活动和世界经济的发展,森林资源大幅减少,森林覆盖率急速发生变化,如何迅速准确地获得林地覆盖变化的信息显得尤为重要。Sentinel-2遥感卫星包含2A和2B两颗卫星,由于其时空分辨率高、波段信息丰富,使得它在森林覆盖变化监测方面具有极高的研究价值。然而10-60米空间分辨率的Sentinel-2影像在精细化的林地变化监测中易受混合像元的影响,导致监测精度达不到实际要求。空间降尺度混合像元分解技术可以从光谱中求解混合像元里每类地物所占据的空间比例,定量地解决混合像元问题。而通过空间降尺度定位技术,可以将混合像元精确分解至亚像元级别,从而更准确地估计出其内部空间布局,并以此为基础,在更小的尺度上对林地变化进行监测,从而更好地满足实际需求。本文基于Sentinel-2影像和国产吉林一号卫星影像,利用空间降尺度的方法对林地变化监测进行了研究。主要研究结论如下:(1)通过对决策树、随机森林、人工神经网络、最大似然、支持向量机五种基于像元级的分类监测实验,实验结果表明随机森林算法在总体精度、林地制图精度、林地用户精度、Kappa系数等方面均表现最好,四种精度指标分别达到了 87.59%,87.34%,88.03%和0.841,但是与分辨率更高的JL-1号分类监测结果对比,分类监测精度仍有很大差距。混合像元的存在,使得像元级分类监测的准确性受到了严重的影响,从而造成与亚米级分类监测的差异。(2)分析了传统PSO端元提取算法的缺点和不足,引入了更适合高分辨率遥感影像的qpso端元优化提取方法,结合qpso算法的端元提取和基于无约束最小二乘法的丰度反演方法对青山铺镇2021年1月12日Sentinel-2影像的地物端元进行混合像元分解,地物端元包括林地、建筑物、水体、未利用土地、草地和耕地,建筑物,并进行了精度验证。实验结果表明:对比传统端元提取算法VCA、N-Findr和PSO算法,qpso优化算法提取的端元光谱意义明确,在均方根误差RMSE和平均绝对误差MAE两项中小于PSO和VCA;而在光谱角参数SAD方面qpso算法的表现最佳,其平均SAD数值为0.726,相对于其他三种算法具有更高的精度和稳定性;PSO算法的平均SAD次之,为0.794,略高于qpso算法;而VCA和N-FINDR两种算法的平均SAD相对较高,分别为0.861和0.906。qpso在平均SAD方面相较传统的三种算法分别提高了 8.5%、15%.6、19.8%,精度高于传统的端元提取算法。(3)基于SPSAM空间降尺度定位算法,通过像元与亚像元间的引力关系,将像元按照降尺度因子,分割成16个更为精细的亚像元,并按照丰度反演结果,为亚像元分配所属地物的空间信息。成功突破了 Sentinel-2影像10m的空间分辨率,将林地监测结果降尺度到2.5m,实现了研究区林地范围的亚像元级提取。(4)结合亚米级分辨率的吉林一号影像和基于边缘匹配的降尺度修正算法,对降尺度林地监测结果的边缘轮廓细节进行修正,使林地范围也更加趋近于实际结果。结果表明:修正后的降尺度定位结果各项评价指标趋近亚米级的监测结果,尤其是林地用户精度,达到了 94.28%。基于修正后的降尺度定位算法通过五组实验提取青山铺镇2019-2022五年间林地变化,统计其降尺度定位结果的亚像元数量可知:青山铺镇近几年森林覆盖率稳步提升,林地占比从2019年的37.81%逐年递增至2022年的40.15%,林地面积从2019年的1751.74公顷逐年递增至2022年的1856.24公顷,但在2022到2023年间骤降至1643.67公顷,林地变化率为负的11.51%,直接损失林地213.57公顷。

关键词：空间降尺度遥感林地变化 qpso 端元提取混合像元分解

基于qpso-ELM的某型涡轴发动机起动过程模型辨识

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

航空学报 2018年第11期39卷 173-183页

作者：伍恒李本威张赟杨欣毅海军航空大学航空基础学院烟台264001

针对解析法建立某型涡轴发动机起动过程模型困难的问题,提出一种基于量子粒子群优化-极限学习机(qpso-ELM)的某型涡轴发动机起动过程模型数据驱动辨识方法。首先构建基于状态空间法描述的某型涡轴发动机起动过程分段模型,然后结合发动... 详细信息

针对解析法建立某型涡轴发动机起动过程模型困难的问题,提出一种基于量子粒子群优化-极限学习机(qpso-ELM)的某型涡轴发动机起动过程模型数据驱动辨识方法。首先构建基于状态空间法描述的某型涡轴发动机起动过程分段模型,然后结合发动机起动试验数据,采用qpso-ELM算法对该起动模型进行辨识,试验结果表明:燃气发生器转子转速、发动机输出轴转速和燃气涡轮后温度的辨识结果都良好地逼近了实测数据,最大相对误差的均值分别为1.358%、1.628%和2.195%,满足实际应用的精度需求,并且qpso-ELM的辨识精度优于极限学习机(ELM)、支持向量机(SVM)和反向传播(BP)神经网络。

关键词： qpso ELM 涡轴发动机起动过程数据驱动模型辨识