一种改进粒子群算法及其在风电场中的应用

针对传统粒子群寻优速度慢的缺点,引进了种群平均速度的定义。用平均速度表征粒子群的活跃程度,并作为粒子群惯性权重和学习因子调节的依据,加快了粒子群的寻优速度。针对粒子群容易陷入局部极值的缺点,提出将模拟退火算法引入粒子群算法,将粒子群的平行快速寻优能力和模拟退火的概率突跳特性相结合,保持了群体多样性,有效地避免了局部收敛。对2个典型测试函数的寻优问题进行仿真实验,实验结果验证了该算法的有效性。将改进的粒子群算法用于风电场风速概率分布模型的优化,与常规的统计方法相比,该方法具有更高的拟合精度。     

基于文化微粒群Elman网络的航煤干点软测量模型

将微粒群算法用于文化算法种群空间的优化，形成文化微粒群算法，并用常用测试函数检验该算法的性能；结果表明，文化微粒群算法具有比基本微粒群算法更好的优化性能。然后，籽文化微在群算法用于Elman网络连接权值和阎值的寻优，构成文化微粒群Elman网络，并将其应用于加氢裂化航煤于点软测量建模。结果表明，此模型精度高，应用前景广阔。     

一种基于免疫遗传算法的CSTR跟踪控制新方法

对连续搅拌反应釜的跟踪控制问题进行了研究。通过模拟生物体的实际免疫行为设计出了实用化的免疫遗传算法，利用此算法对PID控制参数进行在线调整。仿真结果表明，该方法能够对连续搅拌反应釜进行有效地跟踪控制。     

一种基于免疫遗传算法的CSTR跟踪控制新方法

对连续搅拌反应釜的跟踪控制问题进行了研究。通过模拟生物体的实际免疫行为设计出了实用化的免疫遗传算法 ,利用此算法对PID控制参数进行在线调整。仿真结果表明 ,该方法能够对连续搅拌反应釜进行有效地跟踪控制     

常压塔汽油干点观测方法研究

提出了一种基于系统机理方程的常压塔汽油干点神经网络观测方法，其步骤是：首先建立系统的机理方程，并基于此方程构造观测器观测出常压塔一些不可测量但可观测的量；然后将观测量与可测量一起作为输入信号，将汽油干点作为输出信号构成神经网络观测汽油干点，与实际化验值对比，汽油干点误差的绝对值在2℃以内，表明这一观测方法有较高的精度。     

基于相对核的属性约简

从相对核的角度,提出了一种新的属性约简方法.首先,求出条件属性相对决策属性的相对正域,然后根据相对正域求得属性的相对核.用这些相对核属性对论域进行划分,在对论域划分后,将可以完全正确的分类删除,减小论域,如此迭代下去,直到论域完全划分,最后求出这些核属性并集,去除并集的冗余信息,即可得到属性约简集.该方法可直接利用核属性来对论域进行划分,不用再计算每个属性的重要度,减少了计算量,在每次迭代的过程中,减小论域,缩减搜索空间,降低了时间复杂度.     

D-S证据理论在多传感器故障诊断中的改进及应用

为了解决在多传感器信息融合处理故障诊断过程中,传统证据理论对含有冲突证据的处理结果与实际相悖的问题,介绍了传统D-S证据理论的基本构架,分析了其在处理含有高冲突的证据融合过程中将高信任度分配给小可能故障源的不足,提出了一种新的基于模糊成员函数和证据平均距离的证据调整方法,该模糊成员函数充分考虑了专家知识对基本概率分配函...     

离散三群粒子群优化算法

提出了离散三群粒子群优化算法(DTHSPSO),该算法将整个粒子群分为三群,第1群粒子朝全局历史最优方向飞行,第2群粒子朝着相反方向飞行,第3群粒子在全局历史最优位置周围随机飞行。粒子的速度保持连续性,对于粒子位置的处理采用两种方法:一是通过传递函数,根据速度的大小进行离散化;二是直接通过强硬限制函数(Hardlim函数)将位置离散化。通过对两种离散函数进行测试与比较,表明两种DTHSPSO都比基本离散粒子群优化算法(DPSO)具有更好的优化性能,而且直接采用Hardlim函数的DTHSPSO算法效果更加突出。     

基于粒子群模糊神经网络的丙烯腈收率软测量建模

对粒子群优化算法与模糊神经网络的结合进行研究，提出粒子群模糊神经网络，并将其应用丙烯腈收丰软测量建模．该方法采用模翱神经网络来杓建丙烯腈收率软测量模型，用粒子群优化算法优化模糊神经网络的参数；并结合实际工艺，对所建软测量模型进行仿真研究。实验结果表明，该模型的性能优于粒子群神经网络模型，能够准确预测丙烯腈收率，具有较高的精度和良好的应用前景。     

分段式微粒群优化算法

提出一种分段式微粒群优化算法。该算法将所要搜索的区域分成若干段,首先在每一区段内搜索出区段的最优位置,然后将各区段的最优位置组成一微粒群,继续搜索全局最优位置。通过对5个常用标准测试函数进行优化计算,仿真结果表明:分段式微粒群优化算法能有效地搜索到全局最优解,具有比基本微粒群优化算法更快的搜索速度和更好的优化性能。