基于粒子群改进神经网络的舰艇磁场推算模型

针对目前线性建模解决舰艇内外磁场推算问题时存在的困难，从非线性优化的角度出发，建立了内外磁场之间的误差反向传播神经网络预报模型.为了改善网络的固有缺陷，利用粒子群算法优化网络的初始权值与阈值，使其能够逃离局部最优点，增强了网络的鲁棒性.该方法避免了利用线性化方法存在的诸多困难，可实现舰艇内外磁场推算.利用船模实验对网络预测的准确性进行了验证，结果表明其换算精度较线性方法有所提高，满足工程实际需求.     

角度域和时延域联合稀疏信道估计

针对多输入多输出(MIMO)系统在双选信道下信道估计问题,以及挖掘信道在时延域和角度域的联合稀疏特性,提出了一种新的基于压缩感知的联合稀疏信道估计方案.首先,基于基扩展模型,将信道估计建模为结构化压缩感知问题,随后基于压缩感知模型,提出了两种新的贪婪算法,有效地恢复了时变信道参数.其中两步同时正交匹配追踪(TS-SOMP)算法先在时延域中找到所有非零抽头位置,然后估计非零角度域系数.两环同时正交匹配追踪(TLSOMP)算法包括内外两个循环,在外部循环中找到一个非零抽头位置后,即可直接在内部循环求解非零角度域系数.最后,给出了归一化均方误差(NMSE)的仿真曲线,验证了本算法的有效性.     

AF-PGM模型在大坝变形监测中的应用

基于目前灰色理论模型在变形监测中的应用,分析了PGM(1,1)模型中的参数及其求解的方法.引入人工鱼群算法求解背景值和初始值的修正项,通过人工鱼群算法求解得到模型的最优组合值。结合大坝变形监测工程实例进行计算分析,结果表明利用人工鱼群算法(AF)求解得到的PGM(1,1)模型的背景值参数与初始值修正项对大坝变形监测的预测具有较好的效果。     

基于离散灰狼算法的资源分配问题求解

针对标准灰狼优化算法(GWO)只适合求解连续优化问题,无法直接求解离散域上的资源分配问题,提出一种基于马太效应的离散灰狼优化算法(DGWO)来求解资源分配问题.首先,根据数学映射思想给出一种将连续空间转化为离散空间、实数变换为整数的编码转换方法;然后,对其中的不可行解采用基于马太效应的修复与优化方法处理;最后,将DGWO计算结果与遗传算法结果进行对比发现不论是收敛速度,还是求解质量,DGWO算法均优于遗传算法.实验结果表明了DGWO算法求解资源分配问题的可行性、正确性和优越性.     

基于混合优化算法的磁聚焦线圈阵列设计与优化

构建8个线圈和20个线圈的圆环面线圈阵列模型实现并改善目标区域的电磁场聚焦特性.利用磁场叠加原理,结合改进的粒子群算法设计了自适应混合优化算法,利用该算法与有限元积分分析软件的外部通信接口,对影响磁场分布的线圈阵列可调参数进行优化求解,建立优化的发射线圈模型.结果显示了设计的混合优化算法的良好搜索能力和线圈阵列在优化电流组态下在计算区域内的归一化幅值分布和二维等高线图,表明了经优化的线圈阵列在目标区域内产生了具有良好磁聚焦性能的磁场分布,磁场变化梯度大,其磁场强度与聚焦程度都有了不同程度的改善,且20个子线圈的线圈模型基本上实现了点聚焦,同时具有可聚焦多个目标的能力.     

舰船磁场测量中坏点磁场的等效源预测方法

针对消磁站部分测磁探头损坏形成坏点而影响舰船磁场准确测量的问题,提出了以磁偶极子阵列为等效源的坏点磁场预测方法.该方法通过提取正常测量点的磁场信息,建立了基于磁偶极子阵列的舰船等效磁模型,利用PSO(微粒群优化)算法求解出模型参数,由此推算出其他测量点的磁场值,实现了坏点磁场的预测.船模实验研究结果表明:该方法可以准确预测坏点磁场,并且具有较好的稳定性,能满足实际工程的应用要求,坏点分布特性和舰船磁场变化特征均对预测精度有一定的影响.     

基于LS-SVR的图像矫正

最小二乘支持向量回归(the least squares support vector regression,LS-SVR)算法因其回归拟合度高广泛应用于各领域中.以目标物在不同光源下采集的图像呈现出不同的颜色值,从而导致图像与目标物出现视觉上的偏差为研究对象,并以潘通色卡为参照,利用LSSVR算法,结合将RGB颜色空间到sRGB颜色空间的转换模型,对测试图像进行矫正处理.实验结果表明:与多项式回归相比,LS-SVR算法能取得更小的色差,且矫正后的图像更接近于目标图像.     

基于微粒群算法薄钢板磁场推算中的位置优化

基于积分方程法进行薄钢板两侧磁场推算时方程离散化后容易呈现病态,提出了一种依据磁场计算和剖分单元数进行测量点数的优化方法.该方法利用随机类微粒群(PSO)优化算法确定相应的测量位置分布,不但解决了测量位置优化问题,而且需要的测量点数较少,推算精度大大提高.通过钢板实验中2组不同测量位置的磁场推算实例,验证了优化位置的有效性.     

混沌PSO梯级优化调度算法及实现

利用切比雪夫(Chebyshev)映射在[-1,1]区间上的遍历性和随机性,提出了一种基于切比雪夫映射的新型混沌粒子群优化(CPSO)算法.该算法在粒子群算法求出的最优解附近进行混沌搜索.提高了混沌粒子群算法的全局优化能力,能有效避免算法容易陷入局部最优以及解决逻辑斯谛(logistic)映射不能在负值区间进行搜索的问题.针对模型中复杂的约束条件,采用分段线性插值函数实现了对目标函数的求解,并通过对采用丰枯电价时三峡梯级水电系统长期优化调度问题的计算及与其他算法的对比,验证了该算法可解决具有复杂约束条件的工程优化问题.     

基于插值组合核的LS-SVR板形预测方法

基于RBF核的LS-SVR模型,采用实验变差函数计算插值算法权值,对权系数与各训练样本内积值相乘所反映样本空间结构和相互间关联度的插值核函数进行构造,提出了一种通过Kriging空间散乱插值方法利用样本数据构造出的插值核函数与RBF核函数进行组合而成的核方法。结果表明,该方法使LS-SVR板形预测有更好的性能,在提升预测算法泛化能力的同时,实现了对板形的精准回归预测。     

子带分解在ESPRIT算法中的应用

ESPRIT算法是一种用于信号到来角(DOA)估计的直接求解方法,其性能在低信噪比(SNR)和信号相关时会严重削弱.基于此提出了一种多分辨率DOA估计算法基于子带分解的ESPRIT算法(SB-ESPRIT),通过对全带信号进行子带分解,并对每个叶节点分别应用ESPRIT算法,最后通过映射算法将估计所得的DOA映射到全带信号.对于子带分解后旋转不变性的证明为其应用提供了理论依据.仿真结果证明,SB-ESPRIT不仅提高了特征子空间方法的分辨率,而且在子带划分适当的情况下,具有一定的信号去相关能力,并且其均方误差(RMSE)小于ESPRIT算法.     

基于定点迭代方法的自适应数字预失真器

提出一种补偿卫星信道行波管放大器非线性失真的自适应基带预失真算法.预失真器基于查找表技术,采用复增益结构模型;将查找表最优值的求解看作非线性方程求根问题,利用压缩映射原理,将表项的更新视为定点迭代问题,采用史蒂芬森(Steffensen)加速技术提高算法迭代速度.从收敛速度、功率谱密度和星座图几方面对算法进行仿真和分析...     

部分最小二乘算法的神经元网络实现

部分最小二乘(PLS)算法在多元统计过程监控等领域得到了广泛应用.但常用的求解方法需要多次迭代求解残差矩阵,不利于对算法的理论分析和结论的解释.基于PLS算法的优化函数形式,该文提出一种新的PLS优化目标函数及相应简化算法.在此基础上构造了PLS算法与线性神经元网络之间的自然映射,给出了相应的训练算法及其理论分析.仿真结果验证了所提出算法的有效性,表明该算法可直接从原数据矩阵得到相应的成分及回归系数,并易于对其进行解释.     

一类随机性EOQ模型的关键路径存贮策略

针对已有存贮策略不能直接适用于库存决策模型的问题,提出了一种基于关键路径的存贮策略,实现了一类随机性经济订货批量公式(EOQ模型)的关键路径求解.通过有限状态机构建算法(BFA),建立了适用于图论的有限状态机的资金有限型随机性EOQ模型,解决了原随机性EOQ模型不能直接应用于图论策略的问题.基于该有限状态机进一步提出了基于统筹法(PERT)的生成算法(BPA),其可将有限状态机转换为PERT图,以符合关键路径求解需求,由此可利用关键路径存贮策略来求解EOQ类模型.通过实例验证表明,所提策略能够较好地求解资金有限型随机性EOQ模型,并保证结果的完整性,同时证明了相关算法的理论性.     

磁流耦合问题中边界层解法的探索

由磁场和受重力影响的流场扰动耦合而成的磁流体动力学方程(MHD)是一个非常复杂的非线性系统.而由MHD得到边界层里的二阶微分方程是一个复数形式线性方程. 求解过程中要求边界层内部解与外部解相匹配. 中心差分结合二阶R-K格式和中心差分结合四阶R-K格式两种方法提高了分析的速度, 保证算法的精度.结果表明了算法的有效性和合理性. 同时着重分析了重力参数G和匹配值KI对特征函数h的影响.     

协同学习差分进化算法及在双转向机构优化中的应用

根据齐次坐标变换法推导了双转向机构转向分析数学模型,然后采用差分进化(DE)算法求解该模型。针对基本DE算法可能出现早熟或收敛速度慢的问题,提出一种基于协同学习机制的差分进化(CLDE)算法。该算法采用两个子种群,每个子种群采用不同的变异策略,利用局部极值判断机制确定早熟收敛种群;针对早熟收敛种群,利用精英种群映射策略向精英种群进行映射学习,实现子种群间的信息交流;若不存在精英种群,则在自身种群内采用自适应高斯扰动策略实现自我调整。函数测试结果表明,CLDE优化精度更高、速度更快、稳定性更好。将该算法用于机构优化问题,结果表明,与基本DE算法、随机变异差分进化算法(RMDE)、多种群自适应差分进化算法(ADEMP)相比,CLDE的最优适应度值分别降低13. 83%、8. 33%和6. 25%,且表现出了较好的稳定性和收敛性。     

求解O-D需求估计双层规划模型的新算法

给出了一个新的启发式求解算法--逐步更新比例矩阵法,用来求解基于UE(User Equilibrium)准则的O-D(Origin-Destination)需求估计的双层规划模型(即,下层规划基于UE准则,上层规划采用广义最小二乘思想,在拥挤网络上由路段交通流量观测值等前期数据来估计交通网络的O-D需求量的双层规划模型),并进行了初步的数值试验.新的算法不仅能够给出O-D需求的估计值,同时也能够给出路段交通流量的估计值.这个新的算法的思想也适用于其他下层规划基于UE准则的双层规划模型的求解.     

基于神经网络的航位推算导航

针对航位推算法中陀螺仪对方向测量存在较大噪声,进而导致航位推算误差较大的问题,提出一种基于神经网络的航位推算方法.该方法利用神经网络考察加速度测量值与方向测量值之间的时变关系,从而在不使用陀螺仪的情况下,通过该时变关系使用加速度值计算方向值,进而完成水下自主航行器(AUV)的航位推算导航.结果表明,该算法能在仅使用加速度计的情况下完成航位推算导航,因此可避免近海面由陀螺仪噪声导致的航位推算误差问题.仿真实验证明了该算法准确率较高.     

流通量间断双曲守恒问题的推广WENO有限体格式

 针对流通量间断双曲守恒方程的数值求解,构造了将δ-映射与经典的WENO(weighted essentially non-oscillatory)五阶有限体方法结合的混合算法, 并用于求解具有混合介质的弹性波方程和流通量间断的多车种交通流模型方程.数值结果表明了算法的有效性.      

城轨交通乘务任务配对的集合分割模型及算法

基于城轨乘务值乘规则,建立了城轨乘务任务配对的集合分割模型(R-CP),并结合列生成思想和跟随分支策略设计了求解算法(CGBF算法).实例验证结果表明:该模型与算法能够满足乘务任务配对方案的要求,相对于当前手工编制,具有编制效率高、目标函数更优(即任务数量少、任务工作效率高)等特点.