一种基于遗传算法优化小波支持向量回归机的实时寿命预测方法

针对现有实时寿命预测方法没有充分利用同类产品性能退化数据信息的问题,从研究退化轨迹相似性的角度出发,提出一种基于遗传算法（GA）优化小波支持向量回归机（WSVR）的实时退化轨迹建模和寿命预测方法.首先基于GA优化WSVR建立各同类产品的性能退化轨迹模型,然后以特定个体的历史测量时刻向量为基准,计算同类产品的相应退化测量值向量及其与特定个体退化测量值向量的Euclid距离,并根据Euclid距离确定隶属度权值,基于加权思想建立特定个体的退化轨迹模型,最后结合实时测量数据依次更新退化测量值向量、Euclid距离、隶属度权值和退化轨迹模型,实现实时寿命预测.实例分析验证了所提出的方法是有效的.     

基于自适应滤波算法的FIR MIMO系统均衡

为了实现对多输入多输出(MIMO)系统的均衡,提出了一种基于自适应滤波算法的自适应均衡方法。应用判决反馈式均衡器(DFE)的结构,把MIMO信道均衡问题的模型建模成一个简化的滤波模型。这个滤波模型使MIMO系统均衡问题中均衡器的设计问题转化为自适应滤波中最优滤波器的设计问题。两种典型自适应滤波器设计算法——LMS算法和RLS算法被应用于该模型中进行仿真,仿真结果显示了算法的收敛性和均衡方法的可行性。这种自适应均衡方法不需要对信道进行辨识,具有较小的运算量,并且可以适应信道变化。     

基于改进黑洞算法优化ESN的网络流量短期预测

网络流量数据序列具有混沌特性.相空间重构后,采用一种改进黑洞算法优化回声状态网络的非线性模型对网络流量进行预测.改进黑洞算法是在现有工作的基础上提出一种新的新解生成机制,可以提高算法的收敛速度和精度;相比于遗传算法、和声搜索算法等其他优化算法,所提出的改进黑洞算法不依赖自身相关参数的准确设定;将其应用于回声状态网络4个重要参数的优化选取,使得预测模型具有较好的预测稳定性.通过Mackey-Glass混沌时间序列和网络流量公共数据集的仿真实验,结果表明所提出的方法具有较好的预测性能.     

一种高精度的概率积分法参数预计方法

为使概率积分法参数预计具备更高的精度,在充分分析概率积分法参数与地质采矿条件间关系的前提下,整合遗传算法和BP神经网络的功能特性构建了一种新的网络模型,即NA(new approach)模型。该模型利用遗传算法的寻优能力获得网络最优输入自变量组合,并优化模型的权值和阈值。以中国45个典型的地表移动观测站数据作为训练和测试集,分别建立NA、BP网络和SVM模型,并将模型预测结果与实测数据做了对比分析。结果表明:对不同的概率积分法参数预计时,NA模型的预测精度都优于BP网络和SVM模型;且误差波动范围小、稳定性高。随预计参数的不同,BP网络和SVM模型预测精度各占优势,但两者预测效果相差甚微。     

基于遗传神经网络的数字化渐进成形回弹预测

针对传统BP神经网络具有易陷入局部极小等缺陷,采用遗传算法(GA)对BP神经网络(初始权值、阈值)进行了优化,将人工智能技术和激光扫描测量技术有机结合,建立了金属板材数字化渐进成形回弹预测的遗传神经网络模型,对计算结果与BP神经网络预测结果进行比较,表明遗传神经网络预测值与实测值之间具有很高的相关性和精确度,该模型可用于预测渐进成形工艺参数与回弹量之间的映射关系,为金属板材数字化渐进成形回弹量的预测开辟了一条新的途径.     

基于遗传算法优化随机森林模型的机械钻速分类预测方法

为准确预测东部某油田机械钻速,在针对该油田某井机械钻速影响因素分析的基础上,根据现场经验对不同直径PDC钻头的机械钻速进行分级,运用随机森林算法、K近邻算法、支持向量机算法建立机械钻速分类预测模型,并运用遗传算法优化模型参数,得到了满足施工设计及现场作业需要的机械钻速分类预测方法。结果表明,运用遗传算法优化后的随机森林模型预测机械钻速分类准确率为82.1%,明显高于K近邻算法和支持向量机算法,该方法可指导该区块钻井施工参数优化,以提高钻井施工效益。     

机械压力机六连杆机构优化设计

使用自主研发的通用优化设计软件系统SiPESC.OPT,基于某型号机械压力机结构参数,构建机械压力机六连杆机构动力学优化模型.采用随机优化算法-梯度优化算法相结合的方法,使用GA、SQP和SLP多种算法组合优化计算.与初始设计相比较,优化后机械压力机的锻冲阶段滑块最大速度、行程速比系数等工作性能指标均有所改善.     

基于遗传算法和模拟退火算法优化神经网络的铁路营业里程预测

提出应用遗传算法(GA)和模拟退火(SA)优化神经网络预测铁路营业里程.采用3层前馈神经网络实现铁路营业里程的时间序列预测,输入节点数为5,隐层节点数为8,输出节点数为1.对神经网络的连接权重和节点阈值的确定,采用GA和SA算法相结合的混合优化学习策略.两种算法结合时,SA算法处于外层,GA处于内层.GA采用实数编码,把要确定的神经网络节点连接权重和节点阈值作为基因串.数值计算结果表明混合优化的神经网络的学习速度和精度都比单纯BP算法得出的结果好.因此,用GA-SA混合优化的神经网络预测铁路营业里程是可行的.     

基于最小均方滤波的RTO预测算法

传统的传输控制协议(TCP)中的重传超时值(RTO)设置过于保守,且RTO预测算法对于往返时延(RTT)变化的响应过于缓慢,造成长时间的无谓等待,降低了带宽利用率。为了解决这些问题,提出一种基于最小均方(LMS)滤波的预测算法。为了验证新算法的性能,选择了大量有代表性的网址进行试验,对新旧2种算法的预测结果进行比较,并做了性能分析。试验结果证明,所提出的算法相比于原算法,具有能很快达到稳定,稳定后的预测误差小,对RTT变化的响应快等特点,提高了传输性能。     

修正遗传神经网络预测中厚板轧机轧制力

在实际生产过程中,传统轧制力数学模型存在较大误差,影响计算精度.提出将BP网络与修正遗传算法相结合,利用BP网络的指导性搜索思想和遗传算法的全局搜索能力预测中厚板轧机轧制力,并建立预测模型.同时,根据模型编制相应的程序及界面.以邯钢中板厂、普阳中板厂现场数据为基础,通过数据优选,选择较优数据进行离线轧制力预测,预测精度优于传统的数学模型,预报精度的相对误差可以控制在4%以内,能够满足生产需要.     

基于遗传算法优化支持向量回归机的网格负载预测模型

提出一种基于遗传算法优化支持向量回归机的模型进行网格负载预测,使用遗传算法和交叉验证技术解决了支持向量回归机参数难以确定的问题.标准数据集仿真实验结果表明,该模型与试验法定参的支持向量回归机和BP神经网络相比具有更优的预测性能.     

基于最小均方滤波的RTO预测算法

传统的传输控制协议(TCP)中的重传超时值(RTO)设置过于保守,且RTO预测算法对于往返时延(RTT)变化的响应过于缓慢,造成长时间的无谓等待,降低了带宽利用率。为了解决这些问题,该文提出了基于最小均方(LMS)滤波的预测算法。为了验证新算法的性能,选择了大量有代表性的网址进行试验,对新旧两种算法的预测结果进行比较,并做了性能分析。试验结果证明,该文提出的算法相比于原算法,具有能很快达到稳定,稳定后的预测误差小,对RTT变化的响应快等特点,提高了传输性能。     

基于蚁群优化支持向量机模型的公路客运量预测

针对公路客运量预测难以建立精确预测模型的问题,文章引入基于蚁群优化的支持向量机算法对公路客运量进行预测。由于支持向量机的预测精度很大程度上取决于参数的选取,因此利用蚁群算法来优化其训练参数的选择,以得到优化的支持向量机预测模型,利用其对小样本及非线性数据优越的预测性能进行公路客运量的预测。以北京市的数据作为应用算例,并与BP神经网络及传统SVM的预测结果进行对比分析。实验结果表明,基于蚁群的支持向量机模型的预测精度更高,误差更小,可以更有效地对公路客运量进行预测;也说明利用蚁群算法进行支持向量机参数优选的方法是可行有效的。     

感应加热CFRP温度控制算法

为了解决在电磁感应加热碳纤维增强复合材料(carbon fiber reinforced polymer,CFRP)过程中,因系统抗干扰性弱、响应速度慢导致的CFRP成型质量差的问题,提出了一种基于改进粒子群优化的模糊PID(improved particle swarm optimization fuzzy PID,IPF-PID)控制算法,利用IPF对PID三个参数进行寻优和自调整.该算法结合PSO和Fuzzy-PID算法的优点,在避免了陷入局部最优的同时,保证控制精度和最佳的寻优性能.结果表明,该算法在增强控制器的自适应能力和减小调整时间方面效果显著.比传统的PID算法具有更小超调和稳态误差,更适用电磁感应加热CFRP温度控制系统.     

采用MEA-AdaBoost-BP模型的工程结构可靠性分析方法

针对工程结构可靠性设计中算法和计算存在的问题,提出基于MEA-AdaBoost-BP神经网络算法模型的可靠性求解方法. 运用思维进化算法(MEA)求解训练集权值和阈值优化的BP神经网络,并构造为弱预测器函数.然后,运用AdaBoost算法将多个优化后的BP神经网络弱预测器函数迭代训练,形成MEA-AdaBoost-BP神经网络算法模型强预测器函数. 最后,利用逼近隐性功能函数求解可靠性指标,并将其与AdaBoost-BP算法和Monte-Carlo算法进行比较.研究结果表明:所提算法在计算中与Monte-Carlo算法相比,其迭代次数分别仅为16次和46次,效率高,计算精度与Monte-Carlo法接近;而和AdaBoost-BP法相比,其可靠性指标误差分别仅为1.59%和1.88%,计算结果更精确.     

切片平均分子量神经网络预测模型的研究及应用

建立聚合反应切片平均分子量的预测模型对锦纶帘子布的生产有重要的意义,该文采用改进的遗传算法（ＧＡ）和ＢＰ算法相结合的混合学习算法来训练神经网络,并采用多元逐步回归法对输入层节点数进行了优化,建立了聚合反应切片平均分子量在线预测的神经网络模型。在某化工厂聚合反应中的应用表明,该模型比基于最小二乘法的预测模型收敛速度快,预测精度高、网络有泛化能力强。     

基于遗传算法的主生产计划优化模型

文章针对生产与销售多种产品且每个产品具有多级装配结构的典型离散型生产制造企业,研究了其主生产计划调度优化问题;以全生命周期中生产与库存费用最小为目标,通过引入提前和拖期惩罚费用因子,建立了加工能力受限情况下的主生产计划优化数学模型;将遗传算法和启发式方法相结合,提出了一种新型的企业资源计划的主生产计划优化的求解策略;对典型实例进行仿真,并对求解性能进行了比较,结果表明该算法模型是有效和可行的。     

基于遗传算法优化的支持向量回归的室内定位算法

基于zigbee接收信号强度指标的室内定位由于成本低,硬件功耗低,易于实现而受到越来越多的关注。为了提高zigbee技术的室内定位精度,减少环境因素的不利影响,本文提出了一种遗传算法优化支持向量回归的室内定位方法。该算法分为离线采集和在线预测两个阶段,离线采集进行指纹数据库的建立,在线预测则根据训练模型进行位置预测。首先所有的采集数据通过卡尔曼滤波进行处理,然后通过遗传算法优化支持向量回归(GA-SVR)的惩罚参数 、RBF核宽度 和损失函数变量 ,从而使支持向量回归达到最好的位置预测性能。在实际场景中的实验结果表明,与PSO-SVR, GS-SVR, SVR和WKNN算法相比,该算法具有较好的定位性能。     

一种基于麻雀搜索算法优化PID的气体流量控制系统设计

为了解决气体流量控制器（MFC）在使用过程中因受到系统扰动所导致的输出流量震荡不稳定以及调节时间长等问题,通常采用比例、积分、微分（PID）控制方法来改善控制效果.采用基于麻雀搜索算法（SSA）的PID参数优化方法,模拟麻雀对环境的搜索行为,对比PID参数进行优化,并将优化后的模型用于反馈补偿控制.实验结果表明,与传统PID参数设置方法相比,基于SSA的PID参数优化方法可以更快地找到最优解,系统输出流量的稳态误差远小于3%,调节时间缩短至300 ms,最大超调远小于4%,显著提高了MFC的控制性能.     

基于混合人工鱼群优化SVR的交通流量预测

实时准确的交通流量预测是智能交通系统(ITS)中的重要内容．支持向量回归(SVR)能够用于解决交通流量预测问题,针对SVR中存在的参数选择困难,提出一种混合人工鱼群(AFS)算法．该算法利用粒子群优化(PSO)算法公式改进AFS算法,减小AFS算法中步长因子的影响,并引入混沌初始化AFS机制,选取最优SVR参数,建立了基于混沌PSO-AFS优化SVR的交通流量预测模型．仿真结果表明,该交通流量预测模型具有更优的预测性能,证明了其可行性和有效性．