矿下电缆故障诊断的能量熵和PSO-BP算法

针对煤矿井下配电网馈线发生单相接地等故障时难以解决故障类型辨识的问题,为了保障煤矿安全生产,给出一种基于小波包能量熵结合粒子群优化BP神经网络算法的矿下电缆故障诊断方法.通过Matlab对电缆故障进行了仿真,对采集到的故障电压暂态波形进行3层小波包分解,将故障特征信号按照频率分成8段,按照信息熵理论计算特征熵能量谱,构造子粒子群优化神经网络模型,以信号的能谱熵作为特征输入向量,实现特征熵向量的分类.实验结果表明,该方法用于煤矿井下的电缆故障诊断分析是可行的,能够快速有效的检测出电缆故障.     

政府补贴下的再制造逆向物流多目标选址模型及算法

考虑政府行为对再制造逆向物流的影响,本文通过对社会成本、经济成本和回收收入的优化,构建一个多周期多目标的动态混合整数规划模型.在模型中对政府补贴行为进行定量描述,其补贴大小与实际回收率、规定回收率以及单位补贴等相关,以及据此设计多目标粒子群算法对模型进行求解.通过仿真实例,验证模型的有效性和算法的可行性,并对政府补贴参数进行了灵敏度分析.     

基于红外虚拟偏振的目标增强方法

研究了一种基于虚拟变偏振理论的红外面目标细节增强方法,该方法充分挖掘和利用了红外偏振信息的固有特点,利用入射光Stokes矢量和出射光光强之间的描述关系推导出出射光光强和起偏角度的解析关系,并据此虚拟实现了任意起偏角度的出射光光强,然后依据面目标信杂比最大准则,利用粒子群算法迭代实现了最优起偏角度的搜索,最终得到增强后的红外面目标图像。利用实测的长波红外偏振图像数据对算法的可行性和有效性进行了验证,实验结果表明,在灰度对比度、平均梯度、图像熵3种图像质量评价指标下,经此算法增强后的图像质量更高,为后续目标细节识别和攻击点选择等算法的实现奠定了良好的数据基础。     

基于IPSO-SVM的地铁车辆牵引控制单元故障诊断

地铁车辆牵引控制单元(TCU)是地铁系统的核心单元之一,准确诊断其故障状态对整个地铁车辆安全运行至关重要.基于数据的故障诊断方法是当前热点方法之一.针对牵引控制单元故障诊断中检测参数多、故障类别多的特点,提出了改进的粒子群优化支持向量机(IPSO-SVM)方法,克服了传统方法存在过拟合、收敛速度慢、易陷入局部最优的缺点.使用UCI机器学习数据库中的5个数据集进行仿真实验,结果表明:IPSO-SVM分类精度高于ICPSO-SVM、PSO-SVM、GA-SVM.进一步将此方法应用于地铁车辆实际数据,同样得到了较好的分类结果,验证了所提方法的有效性.     

基于颗粒流程序的非定常西原体模型

为实现岩石试样蠕变全过程的准确模拟,并从细观角度探究蠕变过程中微裂隙的发生和发展规律,在二维颗粒流程序(PFC2D)中开发出具有黏弹塑性特征的西原体流变接触本构模型,进一步提出包含两种非定常元件的非定常西原体模型,推导了模型本构关系和蠕变方程.在PFC2D中调用自定义西原体流变模型,通过参数调试,获得与真实试样具有相同强度特性的数值试样.以室内单轴压缩蠕变试验数据为基础,在Matlab中对模型非定常参数进行拟合反演分析.在此基础上,进行单轴压缩蠕变试验的模拟,计算过程中分别采用定常和非定常两种模型,并对微裂隙进行监测.对比分析结果表明:定常模型仅适用于衰减和稳定蠕变阶段;非定常模型也可用于描述加速蠕变阶段,从而准确模拟蠕变全过程;加速蠕变阶段主要是由微裂隙的加速发展而产生,加速蠕变将导致试样剪切破坏.     

萤火虫群算法优化高斯过程的网络安全态势预测

针对共轭梯度法获取高斯过程超参数存在迭代次数难以确定及预测不精准等问题,提出一种萤火虫群算法优化高斯过程的预测方法,并将其应用于网络安全态势预测研究。采用萤火虫群优化算法对高斯过程超参数进行智能寻优,建立基于高斯过程回归的网络安全态势预测模型。实验结果表明新方法的平均相对预测误差较共轭梯度法、粒子群优化算法和人工蜂群优化算法分别降低了近29.46%、10.37%和4.22%,且新方法收敛较快。另外,分析对比了3种单一类型和2种复合类型的协方差函数对高斯过程预测的影响,实验结果表明采用神经网络与有理二次的复合协方差函数(neural network and rational quadratic composite covariance function, NN-RQ)的平均相对预测误差较其他4类协方差函数降低了1.65%~7.51%。     

基于区间分析的框架结构不确定性损伤识别方法

考虑实际结构易受荷载、环境温度和测试噪声等不确定性因素的影响,笔者基于区间分析原理提出框架结构不确定性损伤识别方法。利用测试的结构加速度响应数据,建立向量自回归模型,并采用其系数矩阵主对角线的马氏距离作为损伤特征指标。基于粒子群算法建立区间优化求解方法,并与传统的区间组合法和区间叠加法对比。通过提出的区间重叠率指标和区间名义值分别实现损伤定位和损伤程度的识别。数值模拟和实验室框架结构试验结果表明,区间分析能在测试数据较少时实现损伤识别,为损伤识别在实际结构中的应用提供了理论基础和技术手段。     

基于QPSO的细菌觅食算法求解整数规划问题

在基于量子粒子群算法的基础上,提出一种混合细菌觅食的优化算法,通过对七个基准函数的实验仿真,比较两种方法求解整数规划问题.实验表明,基于量子粒子群的细菌觅食算法搜索成功率较高,综合搜索效率更高,收敛较快,为求解整数规划问题提供一种更优的可靠途经.     

基于混沌理论和自适应惯性权重的PSO算法优化

针对粒子群算法固定惯性权重和早熟收敛的缺陷,提出一种动态自适应惯性权重调整策略,有效增强了算法的全局和局部寻优能力;并针对早熟问题,采用混沌映射方法增加种群多样性,同时利用负梯度方向调整群体极值,极大降低了算法陷入局部极值的概率.通过在多个常用测试函数上与其他算法比较,证明了所提改进粒子群算法的正确性和有效性.     

基于粒子群算法的一维光子晶体滤波器性能优化

在一维光子晶体带隙内引入镜像缺陷,能够在特定位置形成一个尖锐的透射峰。为了获得1 550 nm中心波长处的窄带透射和高的品质因数,采用粒子群优化算法(PSO)对介质厚度进行优化,当介质层厚度d1=139 nm,d2=222 nm时,在1 550 nm波长处,获得0.95的透射率和135的品质因数。