独立分量分析在伤口感染监测电子鼻技术中的应用

针对传统的伤口感染诊断方法耗时长,操作复杂等问题,提出了一种基于电子鼻和独立分量分析（ICA）的方法来检测常见的伤口感染病原菌。该电子鼻的传感器阵列由6个金属氧化物半导体传感器组成,分别对七种常见病原菌产生响应,然后利用RBF神经网络对经ICA预处理后的数据进行识别。结果表明,ICA对气体传感器阵列测量数据进行预处理,可以简化神经网络的结构,减少计算量,并能提高伤口感染病原茵识别的准确率。     

基于捕食逃逸鸽群优化的无人机紧密编队协同控制

提出一种基于捕食逃逸鸽群优化(pigeon-inspired optimization,PIO)的无人机(unmanned aerial vehicle,UAV)紧密编队协同控制方法.基于人工势场法设计了外环控制器,将无人机紧密编队转化成一种抽象的人造势场中的运动;基于鸽群优化算法设计了内环控制器,进行控制量的优化求解.在遵循鸽群优化基本思想的基础上,对其结构进行调整,并针对基本鸽群优化易陷入局部最优的问题,引入了捕食逃逸机制来改善鸽群优化总体性能.最后,将本文所提出的改进鸽群优化算法与基本鸽群优化算法、粒子群优化(particle swarm optimization,PSO)算法进行了系列对比实验,实验结果验证了文中所提方法的可行性、有效性和优越性.     

稀疏均匀非同心电磁矢量阵列的2D-DOA与极化联合估计

本文提出了一种稀疏均匀非同心电磁矢量传感器矩形阵列,针对该阵列提出了一种二维波达方向(2D-DOA)和极化参数的联合估计算法.首先利用稀疏均匀矩形阵列的旋转不变性得到周期性模糊的2D-DOA估计,然后提出一种简易的非同心电磁矢量传感器的2D-DOA估计算法来解模糊,再通过一些三角变换得到高精度无模糊的2D-DOA和极化参数估计,最后推导了该阵列多参量估计的闭式克拉美罗界.本文所提阵列的稀疏配置使得在不增加阵元数和硬件复杂度情况下有效扩展了阵列物理孔径,且由于矢量传感器的使用获得了极化分集,使得2D-DOA的估计精度大大增加.此外本文方法能得到2D-DOA和极化参数之间的自动配对,更为重要的是该阵列使用非同心电磁矢量传感器构成,解决了同心电磁矢量传感器互耦严重、硬件设计困难的问题.仿真结果证明了本文多参量估计算法的有效性.     

广义S变换的参数优化及在电能质量分析中的应用

针对广义S变换(generalized S-transform,GST)的参数优化困难问题,提出一种GST参数优化方法并应用到电能质量扰动分类与扰动参数检测中.对基频点对应的参数r独立设置突出时域扰动特征,便于其他频点的参数优化专注于频域扰动,使优化后的广义S变换(optimized generalized S-transform,OGST)能同时表征较高精度的时域扰动和频域扰动信息.提出确定r的优化指标,使r的求取具有自适应性和理论依据.基于OGST的时频矩阵,提出4种扰动特征,并设计决策树分类器进行分类识别.同时实现对扰动起止时间、扰动幅值、谐波成分等扰动参数的检测.仿真数据及实测数据分析表明OGST抗干扰能力强、识别精度和检测精度高.     

方位依赖阵元幅相误差校正的辅助阵元法

现有的阵列校正方法几乎都基于方位无关的阵列误差模型, 方位依赖的阵列误差校正一直以来都是阵列校正技术中的难题, 相关的研究成果报道得很少. 提出一种利用辅助阵元对方位依赖的阵元幅相误差进行自校正的新方法—ISM(Instrumental Sensors Method). 通过引入少量精确校正的辅助阵元, 该方法可以在多源情况下对信源方位和其对应的阵元幅相误差进行无模糊联合估计. 由于互耦和阵元位置误差均可以等效为方位依赖的阵元幅相误差, 所以该方法可以对多种阵列误差同时进行校正. 该方法适用于任意的阵列几何结构(包括均匀线阵); 而且其运算量小, 只需要参数的一维搜索, 不存在通常参数联合优化估计时的局部收敛问题. 此外, 该方法无需现有阵列校正算法中经常使用的阵列误差的微扰动假设, 更加符合实际的误差模型. 文中对新方法的估计性能进行了理论分析, 并用Monte Carlo计算机仿真实验验证了新方法的有效性.     

双学科(气动/电磁)优化中的遗传算法研究

遗传算法(GA)是一种非传统性, 模仿生物的自然选择与进化而形成的一种概率搜索和总体优化的方法. 讨论了此算法的要点和关键参数. 为应用于多目标和多学科优化的问题, 提出了一种综合考虑多目标和多约束的要求, 并引入归一化系数和约束函数的罚系数的适应函数.     

石墨烯气凝胶全柔性触觉传感器的设计、组装及性能

针对柔性触觉传感器存在的设计难度大、抗干扰性差、不易封装以及线路布置困难等问题,基于Storakers材料模型的应变能密度函数发展了一种基于石墨烯气凝胶(graphene aerogel, GA)的具有“气泡膜”结构的全柔性触觉传感器的设计方法.通过模拟分析发现,相对于“三明治”结构,“气泡膜”结构的GA柔性触觉传感器具有更好的抗干扰性.在此基础上,设计并组装了“气泡膜”结构的GA全柔性触觉传感器,通过实验证实该GA全柔性触觉传感器具有优异的传感特性、力学特性和抗干扰特性.同时,设计开发了压阻式传感阵列的信号采集系统,并成功实现了其对力的大小、物体位置和形状等信息的实时采集和传感监测.     

基于证据推理的故障预报模型

为处理存在定量与定性不确定性信息的非线性复杂系统故障预报问题,建立了基于证据推理(evidential reasoning,ER)的故障预报模型,提出了ER预测模型的参数优化方法.该模型利用ER算法可以处理精确数据、不完整数据、模糊数据的能力,及其非线性融合的特性,对模型的输入信号,通过信息变换技术转化到信度结构框架下,应用解析ER算法对输入信息融合,根据输出数据的类型,构造相应的预测输出,给出了故障识别方法.针对ER预测模型参数难以精确的主观确定的困难,建立了非线性优化模型,对模型参数进行优化学习,获取最优模型参数.通过实验对ER预测模型的性能进行了分析,结果表明,建立的预测模型和参数优化模型可以有效的处理故障预报问题.     

世界研究开发动态与评论

新传感器技术带来新机遇新的传感器技术正在将检测变量变为现实,而在最近之前探测变量还十分困难和昂贵。这一领域的专家确信,未来几年将会有三种技术产生革新:纳米传感器,无线传感器,以及3D视觉传感器。小型传感器并不新鲜;微机电系统(MEMS)压力传感器,加速测量感应器,旋度感应器,都已经应用了很多年;大多数轿车的充气袋就是由MEMS加速度感应器触发的。然而现在,基于纳米技术的化学传感器显示出巨大的潜力。一个例子是来自Nanomix公司的纳米技术传感器阵列,CEODavid Macdonald说,可以构成普适的检测平台能够对广泛的物质进行检测,同…     

基于深度强化学习与演化计算的风-水-火混合增强智能调度

火电、水电和风电是我国电力工业系统的三大能源主体,根据风-水-火发电互补特性,建立联合优化调度模型对于降低电力系统运行成本以及促进新能源消纳具有重要意义.然而梯级水电站间的时空耦合性、风电的不确定性以及风-水-火多能源相互关联的复杂约束使得联合调度模型求解较为困难.因此,本文提出了一种基于深度强化学习(deep reinforcement learning, DRL)与演化计算的混合增强智能优化框架.该框架首先利用深度强化学习与风-水-火联合调度模型进行交互,并根据交互数据对联合调度模型复杂规律进行持续学习,优化自身控制策略,提高智能体泛化能力.此后,在解决实际调度问题时,为进一步提升算法的个性化能力,利用演化计算算法(particle swarm optimization, PSO)在经过训练的DRL上进一步优化调度方案,实现风-水-火联合调度的快速决策.算例分析表明,所提出的混合增强智能优化框架求解速度快、寻优能力强,提升了DRL优化性能的鲁棒性,提高了风-水-火系统运行的经济性及风电消纳能力.     

改进果蝇优化算法优化广义回归神经网络的预测问题研究

为提高传统非线性预测模型的预测精度,提出一种基于改进果蝇优化算法优化广义回归神经网络的预测方法,将果蝇群体分两部分分别进行迭代寻优,从而改进了果蝇优化算法的寻优性能,进而避免了在寻优过程中陷入局部最优。该方法利用改进果蝇优化算法优化广义回归神经网络的径向基函数扩展参数,然后用训练好的广义回归神经网络预测模型进行预测,最后通过订单预测算例进行实证研究。实证研究结果显示,该方法在解决订单预测问题中与未改进的果蝇优化算法优化广义回归神经网络和传统的广义回归神经网络方法对比,具有更高的预测精度和更好的非线性拟合能力。     

基于粒子群寻优机制的图像分割方法

利用粒子群优化（eso）算法全局寻优、快速收敛的特点,结合模糊C-均值（FCM）图像分割算法提出一种新算法,用PSO算法代替了FCM算法的基于梯度下降的迭代过程,使算法具有很强的全局搜索能力,很大程度上避免了FCM算法易陷入局部极小的缺陷;同时也降低了FCM算法对初始值的敏感度。实验结果表明,与FCM相比该算法聚类更准确,效率更高,具有较高的分割速度和良好的抑制噪声的能力。     

基于GSFLA的电力系统谐波估计算法

针对非线性动态负载引起的谐波难于检测的问题,提出了一种新的谐波估计算法。该算法借助蛙跳算法（SFLA）的全局搜索性对未知参数进行优化估计;引入高斯分布估计算法（GEDA）的思想,对蛙群中适应度好的蛙进行分布估计再生,提高收敛速度;结合进化代数改进蛙跳规则以改善局部搜索性能。实验仿真数据显示,与PSO算法相比,振幅平均估计精度提高了5．3％,相角平均估计精度提高了4．7°。研究表明,该算法（GSFLA）用于电力系统的谐波估计有更快的收敛速度和估计精度。     

基于PSO算法改进的ANFIS在织物染色配色中的应用研究

本文研究了PSO（粒子群优化）算法及一种用于织物染色配色的自适应模糊神经网络（ANFIS）,提出了基于织物染色配色的粒子群算法改进的ANFIS配色模型,并进行了仿真试验。从仿真试验的结果看,该配色模型收敛速度快,精确度较未改进的ANFIS模糊神经网络有明显的提高,在解决织物染色配色问题上取得了令人满意的配色效果。     

一种基于Markov随机场模型的核磁共振图像分割方法

为了提高核磁共振(MR)图像分割的效果,提出了一种基于Markov随机场模型的分割方法。该方法利用Markov随机场描述图像的先验分布,结合MAP准则获得分割优化函数,通过ICM局部迭代使分割优化函数收敛。迭代过程中引入了后验概率矩阵的平滑;提高了分割的精度和速度。实测数据的实验结果证明了所提方法的有效性。     

蚁群算法中参数设置对超声回波估计性能的影响

摘要针对超声回波参数估计问题存在着耗机时长,估计结果严重依赖于初始值的缺点,本文将蚁群算法应用到超声回波参数估计中,结合超声回波的非线性高斯模型,提出了基于蚁群算法的超声回波参数估计算法,并就蚁群算法在超声回波估计中参数的优化组合设置进行了分析研究通过数值仿真,在信噪比为10dB条件下计算了蚁群算法中各参数的不同取值对估计结果的不同影响,包括计算时间、估计精度和算法稳定性,得出了算法中各参数的组合优化设置,给出了最优参数下的超声回波参数估计结果,并通过与其他算法的比较验证了蚁群算法在超声回波参数估计问题中的有效性．该研究有助于提高超声回波估计的精度和算法的稳定性,缩短蚁群算法的计算时问,以达到优化算法性能的目的．     

基于粒子群优化算法神经网络在开采沉陷中的应用

考虑BP网络存在收敛速度慢、局部极值等缺点,引入线性下降惯性权重粒子群优化（LWPSO）算法,建立基于线性下降惯性权重粒子群优化（LWPSO）算法的人工神经网络模型,在分析抚顺发电有限责任公司厂区地表下沉的实际观测资料的基础上,对厂区的任意点,任意时刻进沉陷预测研究。     

Modelling and Trading the English and German Stock Markets with Novelty Optimization Techniques

The motivation for this paper was the introduction of novel short‐term models to trade the FTSE 100 and DAX 30 exchange‐traded funds (ETF) indices. There are major contributions in this paper which include the introduction of an input selection criterion when utilizing an expansive universe of inputs, a hybrid combination of partial swarm optimizer (PSO) with radial basis function (RBF) neural networks, the application of a PSO algorithm to a traditional autoregressive moving model (ARMA), the application of a PSO algorithm to a higher‐order neural network and, finally, the introduction of a multi‐objective algorithm to optimize statistical and trading performance when trading an index. All the machine learning‐based methodologies and the conventional models are adapted and optimized to model the index. A PSO algorithm is used to optimize the weights in a traditional RBF neural network, in a higher‐order neural network (HONN) and the AR and MA terms of an ARMA model. In terms of checking the statistical and empirical accuracy of the novel models, we benchmark them with a traditional HONN, with an ARMA, with a moving average convergence/divergence model (MACD) and with a naïve strategy. More specifically, the trading and statistical performance of all models is investigated in a forecast simulation of the FTSE 100 and DAX 30 ETF time series over the period January 2004 to December 2015 using the last 3 years for out‐of‐sample testing. Finally, the empirical and statistical results indicate that the PSO‐RBF model outperforms all other examined models in terms of trading accuracy and profitability, even with mixed inputs and with only autoregressive inputs. Copyright © 2016 John Wiley & Sons, Ltd.     

日径流预报贝叶斯回声状态网络方法

回声状态网络（ESN）相比传统递归神经网络,具有模型简单、参数训练速度快的特点．针对标准ESN因常采用线性回归率定模型参数容易出现过拟合问题,提出了基于贝叶斯回声状态网络（BESN）的日径流预报模型．该模型将贝叶斯理论与ESN模型相结合,通过权重后验概率密度最大化而获得最优输出权重,提高了模型的泛化能力．通过安砂和新丰江两座水库日径流预测实例表明,BESN模型是一种有效、可行的预测方法,与传统BP神经网络和ESN模型对比,进一步表明BESN模型具有更好的预测精度．