基于Copt-aiNet的污水处理过程优化控制

污水处理是一个复杂的动态反应过程,针对如何确定优化控制中关键变量的动态最优设定值,使满足出水水质排放达标的同时降低运行能耗的问题,提出了一种基于人工免疫算法Copt-aiNet(组合优化的人工免疫网络)的污水处理控制策略.首先,利用Copt-aiNet确定第二分区溶解氧质量浓度和第五分区硝态氮质量浓度的最优设定值;再利用控制器跟随最优设定值,对氧传递系数和内回流流量进行控制,进而对曝气能耗和泵送能耗同时进行优化;最后,在仿真平台BSM1上进行仿真实验,结果验证了本文控制策略的有效性,可以在保证出水水质达标的前提下有效降低能耗.     

城市污水处理过程出水氨氮优化控制

为了改善城市污水处理过程出水氨氮的处理效果,提出一种城市污水处理过程出水氨氮优化控制方法.首先,基于机理特性分析影响出水氨氮浓度的性能指标,建立一种基于自适应核函数的性能指标与控制变量的关联模型,并通过粒子群优化算法获取控制变量溶解氧浓度的优化设定值;其次,设计自适应模糊神经网络控制器,完成溶解氧浓度优化设定值的跟踪控制;最后,将出水氨氮优化控制方法应用于基准仿真平台BSM1.实验结果表明,该优化控制方法不仅提高了出水氨氮的去除效果,而且有效降低了能耗.     

基于燃料比最优的高炉喷煤设定值多目标优化

为了降低高炉炼铁的能耗,节约成本,将高炉炼铁过程信息、专家经验与智能模型相结合,提出基于燃料比最优的高炉喷煤设定值多目标优化方案。以燃料比最优为优化目标,炉温预测指标为约束条件,喷煤量为决策变量,采用基于K-均值聚类的径向基神经网络建立多目标优化模型,并通过基于NSGA-Ⅱ算法的多目标优化方法,获取尽可能使多个目标同时达到最优的Pareto最优解。结果表明,该优化方案可以在保证炉温良好的前提下,决策出使燃料比达到最优的喷煤设定值,大大降低能耗,节约成本。不仅为高炉实际生产提供操作指导,也为高炉冶炼的优化运行奠定了基础。     

氨氮动态优化控制系统在污水厂的应用效果

氨氮动态优化控制系统是采用控制器算法,将氨氮作为控制目标对溶解氧进行设定,实现溶解氧的设定由静态变动态控制,并形成了基于氨氮动态优化的溶解氧控制系统。与传统的人工方式设定溶解氧设定值相比,氨氮优化控制系统根据出水氨氮浓度设定值,自动计算溶解氧设定浓度和曝气量,在保证出水氨氮达标的基础上,优化曝气运行控制,降低曝气能耗,生化池好氧区实现了"按需曝气"的目的,从而缓解回流硝化液中溶解氧浓度过高对反硝化过程的抑制,提高脱氮效率。     

基于改进布谷鸟算法的无线传感网络覆盖多目标优化

对布谷鸟算法改进了改进,运用改进的布谷鸟算法对无线传感器覆盖进行了优化.以覆盖率、节点利用率、网络能耗均衡系数为综合优化目标,建立了无线传感器覆盖多目标优化函数.针对普通布谷鸟算法后期搜索能力弱,容易陷入局部极限的缺陷,采取了发现概率和搜索步长自适应特征的改进措施.仿真结果显示方法有较好的优化效果.与遗传算法相比,覆盖率提高了6.73%;利用率减少了16.66%,能耗均衡系数减少17.82.     

一种面向三维感知的多媒体传感器网络覆盖增强算法

现存的多媒体传感器网络优化算法,都存在着容易陷入局部最优解的问题.布谷鸟算法利用长距离的搜索可以有效地跳出局部最优解,基于多媒体传感器网络三维感知模型,提出了改进布谷鸟搜索的覆盖增强算法,该算法通过引入精英机制、多维度优化和学习反馈策略来优化多媒体传感器节点的旋转角度以降低覆盖重叠,优化网络覆盖,这是首次利用改进布谷鸟搜索算法来优化网络覆盖.最后,利用仿真实验证明了该算法可以快速有效地优化网络覆盖.     

污水处理过程的多目标优化

为了在保证污水处理厂出水质量达标、控制日常运营成本的同时尽量减少温室气体(GHG)的排放,将温室气体的排放纳入了污水处理的性能评价范畴,并与出水质量(EQI)、操作成本指数(OCI)等传统性能评价指标构成了污水处理过程的多目标优化问题。为研究此性能指标的多目标优化问题,构建了简化的污水处理仿真平台BSM2-e,此平台包括初沉池、活性污泥反应器、二次澄清池和浓缩单元。针对多目标优化问题的求解,采用多目标进化算法NSGA-II对该算法的精英选择策略做了改进,算法在拥挤距离选择的基础上增加了筛选步骤,以改善算法的分布性,将该算法应用于BSM2-e多目标优化问题,取得了较好的仿真结果。优化结果表明,GHG排放指标与EQI有冲突,提高出水质量可增加温室气体的排放,而GHG排放指标与OCI无冲突,在不增加操作成本的情况下可有效降低温室气体的排放。     

基于改进CS优化算法的灰色神经网络预测模型

为了提高灰色神经网络在人工智能预测领域中的预测准确性,提出一种改进布谷鸟算法优化灰色神经网络 的预测方法.通过改进的布谷鸟算法对常规灰色神经网络(GNN)的白化参数进行优化,寻找出最优初始化参数, 并将其结果作为灰色神经网络的输入,建立了基于改进布谷鸟优化的灰色神经网络预测模型,在此基础上,采用该 方法对煤与瓦斯突出进行预测.仿真实验表明,该模型的预测精度要优于标准灰色神经网络和基于粒子群算法的 灰色神经网络等方法.     

基于改进CS优化算法的灰色神经网络预测模型

为了提高灰色神经网络在人工智能预测领域中的预测准确性,提出一种改进布谷鸟算法优化灰色神经网络的预测方法.通过改进的布谷鸟算法对常规灰色神经网络(GNN)的白化参数进行优化,寻找出最优初始化参数,并将其结果作为灰色神经网络的输入,建立了基于改进布谷鸟优化的灰色神经网络预测模型,在此基础上,采用该方法对煤与瓦斯突出进行预测.仿真实验表明,该模型的预测精度要优于标准灰色神经网络和基于粒子群算法的灰色神经网络等方法.     

污水处理过程中模糊自适应广义预测控制方法

污水处理是一个复杂的生化反应过程,具有高度非线性、强耦合、不确定性等特点.本文以基于活性污泥1号模型(ASM1)的污水处理benchmark为研究对象,采用模糊模型描述污水处理过程,利用自适应辨识策略提高模型的精确度,以模糊自适应模型作为预测模型,提出了污水处理过程模糊自适应广义预测控制方法.仿真结果表明:采用的模糊自适应预测控制方法能有效地控制出水水质.     

TFT-LCD制造cell阶段多目标绿色调度问题研究

针对薄膜晶体管液晶显示器(TFT-LCD)制造cell阶段的多目标绿色调度问题,构建了最小化最大完工时间、总能耗和总生产成本为目标的优化模型。采用基于机器和工序的两段式编码,使用在步长因子前加入动态系数的改进布谷鸟搜索算法,结合双元锦标赛和动态淘汰制,根据聚集距离法筛选Pareto最优解来获得Pareto最优解集,对TFT-LCD制造cell阶段多目标绿色调度问题进行求解。结果表明,改进布谷鸟搜索算法优于标准布谷鸟搜索算法和带精英策略的快速非支配排序遗传算法,可以提高TFT-LCD制造cell阶段多目标绿色调度问题的求解效率和质量。     

基于动态平衡因子自适应步长的布谷鸟搜索算法

针对标准布谷鸟搜索算法依赖Lévy飞行的游走导致整个搜索过程步长具有随机性的问题,提出一种基于动态平衡因子自适应步长的布谷鸟搜索算法。通过对标准布谷鸟搜索算法中参数偏度动态自适应取值来实现算法对步长的动态自适应,同时引入动态平衡因子以调节全局适应度和当前迭代次数所占的比重,从而实现布谷鸟搜索算法收敛速度和搜索精度的平衡。测试仿真实验结果表明,与标准布谷鸟搜索算法相比,提出的算法收敛速度显著提升;与单纯依赖迭代次数自适应步长的布谷鸟算法相比,提出的算法避免了为追求收敛速度而造成的算法早熟现象。     

An improved Cuckoo search algorithm for multi-objective optimization

The recently proposed Cuckoo search algorithm is an evolutionary algorithm based on probability. It surpasses other algorithms in solving the multi-modal discontinuous and nonlinear problems. Searches made by it are very efficient because it adopts Levy flight to carry out random walks. This paper proposes an improved version of cuckoo search for multi-objective problems (IMOCS). Combined with nondominated sorting, crowding distance and Levy flights, elitism strategy is applied to improve the algorithm. Then numerical studies are conducted to compare the algorithm with DEMO and NSGA-II against some benchmark test functions. Result shows that our improved cuckoo search algorithm convergences rapidly and performs efficienly.     

基于路面识别的非线性悬架系统自适应控制

针对非线性悬架系统,基于多目标布谷优化和路面识别算法,研究不同路面等级下悬架非线性系统特性,实现根据路面等级调整控制参数的目的.首先建立四分之一车辆模型,选取电流为优化变量,簧载质量加速度和轮胎动行程为优化目标;然后利用布谷优化算法求取不同路面下悬架最优参数,并利用路面识别方法得到当前路面等级,结合悬架性能需求实现悬架在不同路面下自适应调节.仿真结果表明:1)控制算法可根据不同路面情况自适应调整悬架参数,提高系统性能;2)相比于传统粒子群优化方法(PSO),基于布谷优化算法得到的控制电流能提供更为理想的悬架系统性能.     

求解连续函数优化的自适应布谷鸟搜索算法

为了提高布谷鸟搜索算法求解连续函数优化问题的性能,提出一种自适应布谷鸟搜索算法,改进算法利用解与当前最优解之间对应维上距离,实现随机游动步长的自适应调整。距离当前最优解对应维越远,维的随机游动步长越长,反之越短。利用解的适应度与群体平均适应度的关系自适应调整发现概率,使劣质解比优秀解更容易被淘汰。将自适应布谷鸟算法应用于8个典型测试函数,实验结果表明,改进算法有效改善求解连续函数优化问题的性能,尤其适合求解高维、多峰的复杂函数。与相关的布谷鸟搜索算法比较,自适应布谷鸟搜索算法更具竞争力。     

基于改进多目标粒子群优化算法的发酵过程补料优化控制

提出了一种基于改进多目标粒子群优化算法(MOPSO)的发酵过程补料优化控制方法,并将该方法用于工业酵母发酵过程补料速率的优化控制。改进的MOPSO算法利用约束违反程度信息修正种群的学习进化公式,减缓了部分粒子在约束边界附近的飞行速度,提高了算法的全局搜索能力。仿真实验结果表明,改进的MOPSO算法能够获得最优的补料轨迹,有效地实现了工业酵母发酵过程补料速率的多目标优化控制     

求解软时间窗装卸一体车辆路径问题的布谷鸟算法

带软时间窗的装卸一体车辆路径问题是组合优化中典型的NP-hard问题,针对标准布谷鸟搜索算法后期收敛速度慢,容易陷入局部最优的缺陷,提出了节约算法和随机概率混合的初始化改进策略以及动态发现概率和信息素导向变异机制的改进策略,通过标准测试函数对算法进行定量测试,证明了改进布谷鸟搜索算法的性能优势。将改进的算法应用于求解带软时间窗装卸一体的车辆路径问题,并与现有的优秀算法进行对比,验证了改进的布谷鸟搜索算法在实际工程领域的优越性。     

基于模拟退火布谷鸟算法的直流伺服系统静态摩擦参数辨识

针对非线性摩擦对直流伺服系统性能的影响,提出一种基于模拟退火布谷鸟算法提高摩擦参数辨识精度的方法。采用LuGre摩擦模型建立伺服系统静摩擦参数与力矩的关系表达式,并分析其稳态特性,以此构建参数辨识的目标函数。引入模拟退火中的Boltzmann选择机制,结合迭代全局最优值对布谷鸟算法发现概率的自适应性进行了增强,以改善算法的寻优效果,通过分析比较得知改进算法的时间复杂度与原算法一致。在相同摩擦参数设置下,改进布谷鸟算法的辨识精度优于传统方法,利用其辨识结果补偿伺服系统运行的非线性摩擦力矩,得到了良好的控制效果。实验结果表明,该方法可以使摩擦参数的辨识适应度值提高2~3个数量级,有效改善了系统的控制性能。     

一种改进的多目标人工蜂群算法

由于基本多目标人工蜂群算法存在着种群盲目搜索、算法开发能力有限等缺点,在利用人工蜂群算法求解多目标优化问题时,提出了一种改进的人工蜂群算法.通过在算法中引入自适应搜索机制和变异机制等操作,使得种群个体可以有针对性地进行更新,同时也大大提高了种群个体的多样性.最后利用几种多目标的测试函数对改进前后的多目标人工蜂群算法的性能进行测试,结果表明:改进后多目标人工蜂群算法具有良好的算法收敛性和均匀性.