用Hopfield神经网络解决作业车间调度问题

对作业车间调度问题的换位矩阵表示方法进行了改进,给出新的作业车间调度问题的 Hopfield 神经网络计算能量函数表达式,然后提出改进的 Hopfield 神经网络作业车间调度方法。为了避免 Hopfield 神经网络容易收敛到局部极小的缺点,将模拟退火算法应用于 Hopfield 神经网络求解,提出随机神经网络作业车间调度方法。与已有算法相比,改进算法能够保证神经网络稳态输出为可行的作业车间调度方案。     

改进BP神经网络在发动机性能趋势分析和故障诊断中的应用

针对常规BP神经网络参数的经验式取值方法以及收敛速度慢,容易陷入局部最小点等缺陷,设计了一种改进的神经网络系统,利用蚁群算法优化神经网络连接权初值,并采用LM算法对人工神经网络进行训练,提高了网络的收敛速度,降低了训练误差。将其应用于某型利用ACARS报文实时获取飞机性能参数的发动机趋势分析和故障诊断中,可以快速准确地实现对发动机的性能趋势分析和复杂故障的诊断。最后通过仿真,对算法进行检验,结果表明改进算法的诊断置信度比改进前高。     

物流配送中心选址的IPSO-BP算法

改进标准粒子群优化算法（PSO）的惯性权重参数,提出基于IPSO的BP神经网络算法,以提高物流配送中心选址的预测精度。仿真结果表明,IPSO-BP神经网络算法的预测精度优于常规BP神经网络算法,不仅改进了网络的收敛速度并且提高了预测准确性。     

SA-LM优化WNN及其在模拟电路故障诊断中的应用

针对连续紧凑型小波神经网络（WNN）收敛速度慢问题,提出了用Levenberg-Marquardt（LM）算法改进的小波神经网络LM-WNN．为了克服LM-WNN由于收敛速度过快易陷入局部最小点和平台的缺点,利用模拟退火（SA）算法对小波神经网络的参数进行优化,得到一组接近全局最小值的近似解,把近似解作为小波神经网络权值和阈值矩阵的初始值,以确保LM-WNN收敛于全局最小点．把SA-LM-WNN用于模拟电路故障诊断,仿真结果表明,该算法能够快速收敛于全局最小点,仿真效果较好．     

一种二次规划的算法及其在安全经济调度中的应用

提出一种基于松驰技术的二次规划新算法，并在解析过程中引用参数规划的思想，通过迭代搜索获得电优解，算法具有对初始点要求低、收敛 可靠、计算负担小的特点，也可用于解算参数二次规划问题。作为应用例子，解算了电力系统中有功安全经济调度问题，给出了计算结果。     

单输入多输出系统的递阶增广随机梯度辨识算法

根据负梯度搜索原理,推导了滑动平均噪声干扰单输入多输出系统的递阶增广随机梯度算法.为了改进提出算法的收敛速度,在算法中引入遗忘因子,得到递阶增广遗忘梯度算法.数字仿真结果表明所提出的算法估计系统参数是有效的.     

冷热电负荷预测方法研究现状综述

冷热电负荷综合预测具有较高的预测准确度,是电力系统规划、电力系统经济调度和能量管理的重要模块。本文对常用的冷热电负荷预测方法有基于建筑结构的经典算法和简约算法、基于软件模拟的逐时负荷因子法、基于历史数据的逐时能源负荷分摊比例法和神经网络算法等进行了研究和分析。     

基于BB步长的一类原始-对偶算法

增广拉格朗日乘子法(ALM)是求解带等式约束的二次凸优化问题的常用方法，但罚参数选取不当时，收敛速度比较慢.提出ALM-BB算法，利用Barzilai-Borwein(BB)算法的步长去改进原始的ALM,证明ALM-BB算法的收敛性.最后将这类方法运用于求解范数最优控制问题.数值算例表明改进的算法收敛速度更快.     

改进小波神经网络的C4ISR安全态势预测方法

提出了一种基于改进小波神经网络优化参数的指挥信息系统安全态势预测方法.该方法通过改进的小生境遗传算法构建了基于小波神经网络优化参数的网络安全状况预测模型,利用自适应遗传算法对小波神经网络参数进行调优,增强其搜索能力.同时,为解决自适应遗传算法容易陷入局部最优且收敛速度慢的问题,提出利用小生境技术和模糊聚类技术来处理.仿真实验结果表明,与传统算法相比,所提算法具有更快的收敛速度和更好的预测精度.     

蚁群神经网络在变压器故障诊断中的应用

针对蚁群算法收敛速度慢的问题, 提出了一种改进方法, 通过为蚁群算法增加一种收敛因子, 使其在信息素的全局更新中为每次迭代产生的最优路径赋予额外的信息素增量, 降低了算法陷入局部最优解的可能性。分析了改进蚁群算法的收敛性, 并对其寻优能力进行了测试, 结果表明, 改进蚁群算法具有较强的寻优能力和较快的收敛速度。用改进蚁群算法优化神经网络并将其应用于变压器的故障诊断, 与BP神经网络诊断结果对比, 蚁群算法优化神经网络具有更快的收敛速度和更高的诊断精度。     

修正的混沌粒子群算法求解经济负荷分配

为克服粒子群优化算法容易陷入局部最优、后期收敛慢等缺点,提出了一种修正的混沌粒子群优化算法.该算法通过修正粒子群迭代的行动策略,并引入遍历性较强的Tent混沌局部搜索机制,可以增强粒子的全局搜索能力,提高优化算法的全局寻优性能.将修正的混沌粒子群算法分别应用于6机组和15机组电力系统中求解经济负荷分配,在考虑系统网损和机组运行约束条件的情况下进行仿真实验.仿真结果表明:该算法用于求解高维、非凸、不连续等非线性复杂约束条件的电力系统经济负荷分配问题上,有着较快的收敛速度和较强的全局寻优能力.最后,通过与其它智能算法比较,验证了算法的有效性和优越性.     

改进拉丁超立方蒙特卡洛模拟

电动汽车、分布式电源的并网给电网带了明显的不确定性,为了使电网分析更能贴近实际电网,通过对负荷、分布式电源出力的概率密度函数模拟其出力,借鉴已有分布式电源和电动汽车概率模型,采用拉丁超立方蒙特卡洛模拟与径向基神经网络相结合的方式计算概率潮流。该方法充分考虑了电动汽车和分布式电源的随机性、间歇性和相关性,利用拉丁超立方蒙特卡洛模拟对比传统蒙特卡洛模拟方法,降低了采样规模,提高了采样覆盖率。径向基神经网络用于求解潮流计算方程,避免了传统方法中计算雅可比矩阵和偏导,大幅度减少了运算时间。通过仿真,该算法在改进的IEEE14 和IEEE118 节点系统的计算结果表明,在保证精度的同时, 极大地加快了算法运行速度,适用于大规模电力系统概率潮流的求解,在改进的IEEE118 节点系统中,运行时间比传统蒙特卡洛模拟降低99．9%。     

网流技术的不良状态校正法用于安全有功经济调度

本文应用网流技术中“不良状态校正法”(Out of Kilter Algorithm,简称OKA),研究了具有安全约束的有功经济调度问题。网络规划法具有运算简便、快速、收敛可靠的特点,而OKA又能处理非零下界约束和不可行流的情况,特别适于解算具有安全约束的有功再调度问题。文中给出了算法的主要步骤和算例,并对试验系统作了经济调度的计算,证明了本方法的可行性和有效性。     

基于改进的卷积神经网络多姿态人脸识别研究

针对目前的人脸识别算法在面对不同姿态下的人脸图像时识别率低的问题,提出了一种基于改进的卷积神经网络的算法。该算法通过对经典的卷积神经网络LeNet-5 的卷积核数目、卷积核尺寸、池化层方式和正则化手段等参数进行了优化改进,从而能对多姿态人脸图像特征进行有效提取。仿真实验结果表明,该算法在识别率与识别时间上均有显著提高。     

自适应学习速率法在变压器故障诊断中的应用

为了提高电力变压器故障诊断的准确率,针对油中溶解气体分析,提出了一种基于误差自动调节修正因子的自适应学习速率法,使神经网络通过自身的误差变化过程自动调整学习速率修正因子,保证网络总是以最大的可接受学习速率进行训练,从而提高网络收敛速度。针对电力变压器故障气体及故障类型的特点,建立了电力变压器故障诊断BP(Back-Propagation)网络模型,应用该算法和原算法对该故障诊断网络模型进行训练。仿真结果表明,该算法的训练次数减少了35.4%,收敛速度提高了44.9%,有效地改善了网络模型的性能。将该算法应用于电力变压器故障诊断,能较为精确地判断出电力变压器的故障类型,故障诊断准确率达90.8%。     

一种改进PSO算法在经济调度中的应用研究

粒子群优化算法是一类新的基于群体智能的启发式全局优化技术,群体中的每一个粒子代表待解决问题的一个候选解,算法利用粒子之间的相互作用发现复杂问题解空间的最优候选区域.综述了算法的基本形式及其多种改进形式,通过比较提出了一种用于求解一般形式的非连续、非凸、非线性约束优化问题的改进粒子群算法,用于求解复杂的非凸、非线性电力系统经济负荷分配问题.仿真结果表明,所提出的方法搜索速度快,求解精度高,易于掌握,是解决电力系统经济负荷分配问题的有效手段.     

基于改进概率神经网络的手势动作识别

为寻找一种快速且高识别率的手势识别方法,提出一种基于改进的概率神经网络手势识别算法。该算法采用K-W检验方法实现sEMG（Surface Myoelectrogram Gestures）的特征选择,利用粒子群优化方法对传播率参数进行优化。在7种手部姿势识别的实验中,该算法平均正确识别率均在90%以上,而传统BP算法的正确率仅为85.7%。仿真实验结果表明,改进的概率神经网络算法具有更短的训练时间和更强的分类能力。     

经济调度发电功率分配中网损微增率的分析与计算

对电力系统经济调度中的网损微增率进行了分析和计算,结合电力系统潮流计算的Ｂ系数法计算网损微增率,并应用于山西电网经济调度程序中。计算结果表明,计及网损微增率修正的经济调度更精确、更适用,为山西电网的经济运行提供了更为科学的依据。     

水火联合电力系统的优化调度

本文研究大系统分解协调法用于大型水火电力系统的短期经济调度。算法采用实用的系统数学模型，考虑了水电厂上、下游水位的变化，梯级水电厂间的水流时间延迟和电网的输电损失等。并用对偶分解法得到多级的计算结构。文中讨论了各级采用的计算方法，介绍了枯水期水电厂多次停机时问题的解法。用本法编制了一个肩梯级水电厂的大型电力系统优化调度程序，目前已被国内一大型电力系统所采用。     

具有QoS保证的RF能量采集认知无线网络高能效资源分配技术

考虑了一种基于射频能量采集的认知无线网络系统。其中,次用户发射机（ST,secondary transmitter）首先从主用户（PU,primary user）发射的射频信号中收集能量,然后利用所收集能量与次用户通信。此外,ST保留有可能来自之前传输块的剩余能量作为初始能量。目标是通过传输时间和发射功率联合优化,达到次用户网络能量效率最大化。为保证次用户网络服务质量（QoS,quality of service）,在能量效率最大化过程中对ST施加最小吞吐量需求约束。由于能量效率最大化是非线性分数规划问题,提出了一种基于Dinkelbach方法的快速迭代算法来实现资源的最优分配。仿真结果表明,该算法收敛速度快,可以在保证QoS约束的同时显著提高系统的能量效率。